CN110176018B - 一种保持结构化地物轮廓特征的图斑合并方法 - Google Patents
一种保持结构化地物轮廓特征的图斑合并方法 Download PDFInfo
- Publication number
- CN110176018B CN110176018B CN201910313788.4A CN201910313788A CN110176018B CN 110176018 B CN110176018 B CN 110176018B CN 201910313788 A CN201910313788 A CN 201910313788A CN 110176018 B CN110176018 B CN 110176018B
- Authority
- CN
- China
- Prior art keywords
- merging
- structured
- boundary
- feature
- pattern
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 136
- 238000012545 processing Methods 0.000 claims abstract description 40
- 230000002093 peripheral effect Effects 0.000 claims abstract description 34
- 238000009826 distribution Methods 0.000 claims abstract description 32
- 230000002776 aggregation Effects 0.000 claims abstract description 30
- 238000004220 aggregation Methods 0.000 claims abstract description 30
- 230000008569 process Effects 0.000 claims description 24
- 230000000007 visual effect Effects 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 11
- 238000011282 treatment Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 5
- 238000006116 polymerization reaction Methods 0.000 claims description 4
- 238000003780 insertion Methods 0.000 claims description 3
- 230000037431 insertion Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 21
- 230000008859 change Effects 0.000 description 19
- 238000004364 calculation method Methods 0.000 description 12
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 238000002844 melting Methods 0.000 description 4
- 230000008018 melting Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000004931 aggregating effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000005260 corrosion Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000010309 melting process Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000005267 amalgamation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 238000011284 combination treatment Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000006740 morphological transformation Effects 0.000 description 1
- 230000000379 polymerizing effect Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种保持结构化地物轮廓特征的图斑合并方法，包括：A、获取一全铺盖矢量原始图斑数据，并提取结构化地物；B、识别结构化地物内的典型空间分布模式；C、识别构成典型空间分布模式的聚集性的结构化地物，并提取其外围边界轮廓；D、将外围边界轮廓内部的聚集性的结构化地物进行合并处理，得到结构化地物合并处理结果；及对原始图斑数据进行合并操作，得到原始图斑数据合并结果；E、将聚集性的结构化地物的外围边界轮廓与原始图斑数据合并结果进行异运算，确定原始图斑数据合并结果中需要被回填的各个回填位置；F、将结构化地物合并处理结果镶嵌至原始图斑数据合并结果中的各个回填位置，以得到回填后的图斑数据全铺盖合并结果。
Description
技术领域
本发明涉及地图制图与地图综合领域，尤其涉及一种保持结构化地物轮廓特征的图斑合并方法。
背景技术
随着地理国情普查数据应用深度和广度加大，从大比例尺地表覆盖数据(图斑)综合至各种小比例尺数据，以多层次全面反映区域土地利用状况的需求越来越迫切。然而，土地利用专题数据是一种全覆盖、无重叠的空间铺盖，当地图由大比例尺变化至小比例尺，图上的细小图斑及狭长图斑难以在地图上进行表达，这时需要进行图斑合并操作。合并操作可分为融合(amalgamation)与聚合(aggregation) 两种，其中，融合是指将细小图斑合并至具有不同语义类型的拓扑邻接图斑的过程，聚合是指合并被狭长图斑分割的具有相同语义类型的拓扑相离图斑的过程。现有研究指出，合并操作既要顾及各个图斑自身的边界自然形态，又要考虑各类型用地的空间格局，即空间分布规律，还要保证全局统计上的各类型用地面积相对百分比不变。
Van Oosterom(1995)提出了经典的迭代算法，其思想是从土地利用图数据集中迭代选择一个最不重要的小面积图斑合并到邻近图斑中，然而这种方法只能处理邻接图斑，即融合操作，且在综合后地类变化较大；艾廷华等(2002)提出建立边界约束Delaunay三角网进行合并操作，通过三角网提取细小图斑内骨架线，将其剖分至其多个拓扑相接的图斑中，实现融合操作，同时，利用三角网探测拓扑相离图斑间的“桥梁”区域，通过“或”运算实现多边形聚合操作；翁杰等(2012)提出了一种改进的图斑聚合算法，采用缓冲区合并的思想对“桥梁”区域进行合并，更好的保持了图斑自身的边界自然弯曲形态。然而，上述这些方法均未解决合并后地类变化较大的问题，为此，有学者提出了基于全局最优的图斑数据合并方法。杨志龙(2016) 提出了基于蚁群算法对土地利用图斑合并进行全局优化，并实验证明了该方法对于地类面积变化率的保持明显优于经典的迭代算法；此外，Haunert等(2010)尝试利用混合整数规划的方法解决土地利用数据合并的最优化问题，在考虑地类面积变化最小的同时，顾及了合并结果的紧凑性。
总之，现有合并方法的缺点是为了维持数据的全覆盖、无重叠特性，其合并大多从全局出发，将各个地类统一考虑，较少顾及在空间分布上具有内在规律性的地物特征，如建筑物、坑塘等。合并过程中，改变了这些具有特殊空间结构的地物边界，导致空间结构特征部分或全部丢失。
因此，目前亟需一种保持结构化地物轮廓特征的图斑合并方法，以避免现有技术在合并过程中由于改变了具有特殊空间结构的地物边界，导致地空间结构特征部分或全部丢失的状况的发生。
发明内容
有鉴于此，本发明的主要目的在于提出一种保持结构化地物轮廓特征的图斑合并方法，以避免现有技术在合并过程中由于改变了具有特殊空间结构的地物边界，导致地空间结构特征部分或全部丢失的状况的发生。
本申请提供的一种保持结构化地物轮廓特征的图斑合并方法，包括：
A、获取一全铺盖矢量原始图斑数据，根据语义信息在所述原始图斑数据中提取具有指定空间结构特征的结构化地物；
B、识别所述结构化地物内的典型空间分布模式；
C、根据所述结构化地物内的典型空间分布模式，识别构成典型空间分布模式的聚集性的结构化地物，并提取所述聚集性的结构化地物的外围边界轮廓；
D、将所述外围边界轮廓内部的聚集性的结构化地物进行合并处理，得到结构化地物合并处理结果；以及基于全局最优的图斑合并方法对原始图斑数据进行合并操作，得到原始图斑数据合并结果；
E、将所述聚集性的结构化地物的外围边界轮廓与所述原始图斑数据合并结果进行异运算，确定所述原始图斑数据合并结果中需要被所述结构化地物合并处理结果回填的各个回填位置；
F、利用空间插入运算，将所述结构化地物合并处理结果镶嵌至所述原始图斑数据合并结果中的与其分别对应的所述各个回填位置，以得到回填后的图斑数据全铺盖合并结果。
由上，本申请首次提出顾及结构化地物轮廓特征的图斑合并方法，本申请的优点是在图斑合并过程中可以保持结构化地物轮廓特征，以避免现有技术在合并过程中由于改变了具有特殊空间结构的地物边界，导致地空间结构特征部分或全部丢失的状况的发生。
优选地，所述步骤B所述典型空间分布模式包括：直线模式和格网模式。
由上，本申请在合并过程中既可以在局部有效保持直线、格网两种地物分布模式的轮廓特征，且可以在整体上保持各类型用地面积变化的平衡，也不产生其他视觉冲突。
优选地，步骤C所述获取构成典型空间分布模式的聚集性的结构化地物，其中的聚集性的判断标准的因子至少包括以下其一：
主方向差异低于指定阈值、路径方向差异低于指定阈值、尺寸相似度高于指定阈值、形状相似度高于指定阈值、带状桥接面宽度、有效连接指数高于指定阈值、分布格局指数。
由上，有利于更加有效的获取聚集性的结构化地物。
优选地，所述尺寸相似度的计算公式为：
其中，A1和A2分别表示相邻两结构化地物的面积，Ssize是指尺寸相似度。
由上，有利于准确有效地获取尺寸相似度。
优选地，所述形状相似度的计算公式为：
其中，w1和w2分别表示相邻的两个所述结构化地物的宽；h1和h2分别表示所述相邻的两个所述结构化地物的高；其中，Sshape是指形状相似度。
由上，有利于准确有效地获取形状相似度。
优选地，获取所述带状桥接面宽度的计算公式为：
其中，Bdistance表示带状桥接面宽度，n为两个相邻面状要素之间的 Delaunay三角形的总个数，h表示两个相邻面状要素之间的Delaunay三角形的高；表示两个
相邻面状要素之间所有Delaunay三角形的高的和。
由上，有利于准确有效地获取袋装桥接面宽度。
优选地，所述有效连接指数的计算公式为：
其中，
为两邻近面状要素Xs、Xt之间的有效连接指数，
分别为两要素间的有效连接区域面积和整体连接区域面积。
由上，有利于准确有效地获取有效连接指数。
优选地，步骤C所述提取所述聚集性的结构化地物的外围边界轮廓的步骤包括：
S1、对原始聚集面群向外进行扩张变换，融合各个多边形扩张后的重叠部分，得到边界多边形；
S2、将所述边界多边形与所述原始聚集面群统一构建拓扑，获取面要素语义信息，并将所述面要素语义信息赋予相应弧段，若其中弧段仅由某一具有语义信息的弧段及无语义信息地弧段组成，则将所述具有语义信息的弧段代替所述无语义信息地弧段，以形成更新处理之后的外围边界轮廓。
由上，有利于准确有效地获取更新处理之后的外围边界轮廓。
优选地，步骤D所述将所述外围边界轮廓内部的聚集性的结构化地物进行合并处理，包括：
对于直线模式的聚集性的结构化地物，依据其基高比，进行融合或者聚合处理；
对于格网模式的聚集性的结构化地物，计算其所述外围边界轮廓内部的结构化地物的密度；其中，若所述密度低于指定阈值，则进行典型化处理；若所述密度高于指定阈值，且所述结构化地物为水域时，进行毗邻化处理。
由上，本申请在合并过程中既可以在局部有效保持直线、格网两种地物分布模式的轮廓特征，且可以在整体上保持各类型用地面积变化的平衡，也不产生其他视觉冲突。
优选地，所述步骤F之后，还包括：
对镶嵌面的内部冲突的调整以及对镶嵌面的边界冲突的调整；
其中，所述对镶嵌轮廓的内部冲突的调整，包括步骤：
N1、遍历接缝边内原始图斑数据的地物类型，并将其中的指定地物类型进行标记；
N2、将所述标记中的面状数据与镶嵌面作空间相交运算，得到相交面；
N3、获取所述相交面的边界弧段；其中，所述弧段包括：位于镶嵌面内部的弧段集和位于镶嵌面边界的弧段集；
N4、将位于镶嵌面内部的弧段集与镶嵌面边界一同构建点线面拓扑，重构镶嵌多边形；
N5、删除位于镶嵌面边界的弧段集，还原标记数据；
其中，对镶嵌面的边界冲突的调整，包括步骤：
对于边界处的小图斑，以缓冲区探测该小图斑的邻近图斑；且若在视觉邻近距离阈值内存在与其同类的邻近小图斑，则将所述小图斑聚合至所述同类的邻近小图斑；或者若在视觉邻近距离阈值内不存在与其同类的小图斑，则通过空间包含关系探测其邻近包含面，将所述小图斑融合至邻近包含面内。
综上所述，本发明的优点是在图斑合并过程中可以保持结构化地物轮廓特征，以避免现有技术在合并过程中由于改变了具有特殊空间结构的地物边界，导致地空间结构特征部分或全部丢失的状况的发生。本申请首次提出顾及结构化地物轮廓特征的图斑合并方法，在合并过程中既可以在局部有效保持直线、格网两种地物分布模式的轮廓特征，且可以在整体上保持各类型用地面积变化的平衡，也不产生其他视觉冲突。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为现有全局最优的图斑合并方法(即混合整数规划方法)提出的面群合并问题图论描述；
图2为现有全局最优的图斑合并方法(即混合整数规划方法)示意图：(a)原始数据，(b)合并结果；
图3为现有全局最优的图斑合并(即混合整数规划方法)在处理直线模式建筑物群时存在的不足；
图4为现有全局最优的图斑合并方法(即混合整数规划方法)在处理格网模式建筑物群时存在的不足；
图5a和图5b为本发明提供的保持结构化地物轮廓特征的图斑合并方法流程图；
图6为本发明提出的空间结构描述因子示意图：(a)主方向差异， (b)尺寸相似，(c)形状相似，(d)带状桥接面宽度，(e)有效连接比率，(f)分布格局指数，(g)路径方向差异；
图7为聚集性面状要素群最小面积外接矩形示意图；
图8为面要素结点加密示意图：(a)原始要素及其结点，(b)结点及加密点；
图9为本发明提出的相邻面状要素宽度计算示意图：(a)边界约束Delaunay三角网，(b)相邻面状要素之间三角形的高；
图10为本发明提出的有效连接区域示意图；
图11为本发明提出的矢量面群扩张-腐蚀变换示意图：(a)原始图形，(b)扩张变换，(c)腐蚀变换；
图12为本发明提出的“补凹”过程示意图：(a)识别凹部，(b) 补凹结果；
图13为本发明提出的狭长要素融解处理示意图：(a)原图，(b) 初始骨架线，(c)骨架线修正，(d)融解结果；
图14为本发明提出的毗邻化处理示意图：(a)原图，(b)对原图求补，(c)补的骨架，(d)结果
图15为本发明提出的镶嵌面内部调整示意图；
图16为本发明提出的镶嵌面边界调整示意图；
图17为本发明实施例所作普通直线模式合并结果对比图：(a) 原始数据，(b)混合整数规划方法合并结果，(c)本文方法合并结果；
图18为本发明实施例所作复杂直线模式合并结果对比图：(a) 原始数据，(b)混合整数规划方法合并结果，(c)本文方法合并结果；
图19为本发明实施例所作简单格网模式合并结果对比图：(a) 原始数据，(b)混合整数规划方法合并结果，(c)本文方法合并结果；
图20为本发明实施例所作复杂格网模式合并结果对比图：(a) 原始数据，(b)混合整数规划方法合并结果，(c)本文方法合并结果；
图21为本发明实施例所作边界轮廓内部冲突处理结果：(a)原始数据，(b)中间合并结果，(c)内部冲突处理结果；
图22为本发明实施例所作边界轮廓边界冲突处理结果：(a)原始数据，(b)中间合并结果，(c)内部冲突处理结果。
具体实施方式
下面参照附图，详细介绍本发明提供的一种保持结构化地物轮廓特征的图斑合并方法。
图1为现有全局最优的图斑合并方法(即混合整数规划方法)提出的面群合并问题图论描述。
在现有图斑合并算法的研究中，Van Oosterom(1995)提出了最为经典的迭代合并算法。该算法也可以理解为一种面积“生长”算法，其核心步骤为：
邻近图斑通过局部最优的计算来选择，如小面积图斑与其邻近图斑地类相似程度(语义距离)、相邻图斑面积或共享边界长度(几何距离)(Podrenek et al.，2002；VanSmaalen et al.,2003)。经典迭代合并算法是一种贪心算法，只考虑了邻接图斑的合并，尽管执行效率较高，但综合后地类变化较大，合并质量较低(Haunert et al.,2010)。
针对经典迭代合并算法存在的不足，Haunert等(2010)考虑综合前后各地类面积变化率及图形的紧凑性，尝试利用混合整数规划方法解决图斑合并操作的最优化问题。该方法以图论语言对图斑面群进行描述，如以结点代表面群，以结点权重代表面群大小，以不同的填充代表用地类型，以边代表邻接关系，这样一来，面群合并问题即转化为点群聚类问题，如图2所示。
图2为现有全局最优的图斑合并方法(即混合整数规划方法)示意图：(a)原始数据，(b)合并结果。
对于数据量较少(结点较少)区域，Haunert等(2010)提出使用混合整数规划方法进行处理；对于数据量较大(结点较多)区域，则引入中心启发式及距离启发式算法进行处理。基于全局最优的图斑数据合并方法利用图斑之间的几何距离及语义、拓扑关系，使合并结果可以较好体现图形的紧凑性，并尽量使综合前后各地类面积变化率达到最小，如图2所示，呈聚集状态的多个建筑物被合并为一个建筑物。
图3为现有全局最优的图斑合并(即混合整数规划方法)在处理直线模式建筑物群时存在的不足。
图4为现有全局最优的图斑合并方法(即混合整数规划方法)在处理格网模式建筑物群时存在的不足。
基于以上分析，不难发现，现有方法对于呈聚集状态分布且无规律排列的地物合并效果较好，如耕地、林地等自然地物。然而，对于空间分布具有内在规律性和特有复杂性的人工地物，如呈格网状、线状排列的建筑物，呈毗邻化特征的坑塘等，当应用现有方法进行合并时，其空间分布规律被破坏，如图3、4所示。
图3(a)为直线模式建筑物、图4(a)为格网模式坑塘。当比例尺由大到小变化时，建筑物、坑塘的典型结构特征应得到保留，其周围的小图斑被合并至其他地类中，然而，由于现有方法大多从全局出发，不能顾及地物空间分布规律，导致小图斑被合并至邻近的同类图斑中，建筑物、坑塘原有的空间结构被破坏，如图3(b)和4(b) 所示。
如图5a、b所示，本申请提供的保持结构化地物轮廓特征的图斑合并方法，包括：
S501，获取一全铺盖矢量原始图斑数据，根据语义信息在所述原始图斑数据中提取具有指定空间结构特征的结构化地物；其中，所述指定空间结构特征指的是如建筑物、水域等空间结构特征，将其标记为结构化地物。
S502，识别所述结构化地物内的典型空间分布模式；其中，所述典型空间分布模式包括：直线模式和格网模式。
S503，根据所述结构化地物内的典型空间分布模式，获取构成典型空间分布模式的聚集性的结构化地物，并提取所述聚集性的结构化地物的外围边界轮廓。引入Miter型缓冲区变换提取聚集地物外围边界轮廓。
其中，所述提取所述聚集性的结构化地物的外围边界轮廓，包括：
S1、对原始聚集面群向外进行扩张变换，融合各个多边形扩张后的重叠部分，得到边界多边形；
S2、将所述边界多边形与所述原始聚集面群统一构建拓扑，获取面要素语义信息，并将所述面要素语义信息赋予相应弧段，若其中弧段仅由某一具有语义信息的弧段及无语义信息地弧段组成，则将所述具有语义信息的弧段代替所述无语义信息地弧段，以形成更新处理之后的外围边界轮廓。
具体地，聚集性地物模式的保持需借助其外围边界轮廓，为此，本文基于形态学变换思想，引入Miter型缓冲区处理提取外围边界轮廓。以图11(a)所示原始图形为例，说明该操作的主要步骤：
步骤1：聚集面群的扩张-腐蚀变换。首先对原始聚集面群向外进行缓冲距离为L的扩张变换，融合各个多边形扩张后的重叠部分，得到边界多边形P1，如图11(b)所示；然后对多边形P1向内进行缓冲距离为L的腐蚀变换得到多边形P2，如图11(c)所示。
由图11可以发现，扩张-腐蚀变换具有“保凸”、“保平”、“减凹”等特点，变换前后，图形的总体形态不变，凸起和直线部分形态得到保留，即“保凸”、“保平”；图形凹陷部分在变换过程中被融合，使图形整体形态趋于光滑，即“减凹”。当然，“减凹”的强度与距离L相关。
图12为本发明提出的“补凹”过程示意图：(a)识别凹部，(b) 补凹结果。
步骤2：“补凹”。首先识别多边形的凹陷部分(凹部)，其原理为：将多边形P2与原始面群统一构建拓扑，并把面要素语义信息赋予相应弧段，若多边形中的弧段仅由某一语义及无语义信息的弧段组成，则该多边形为腐蚀变换中舍去的凹部。进而将具有语义信息的弧段代替无语义信息弧段，实现“补凹”。经此操作形成的新面群边界多边形P，即为该聚集面群的最小包络多边形，其边界即为聚集面群边界轮廓。如图12 (a)所示，拓扑多边形O由弧段L1、L2组成，其中，L2具有多边形A 的语义信息，L1属于P2中的弧段，因此，其不具有语义信息，由此可判定多边形O为凹部区域，将L2代替L1作为边界P的弧段，得到如图12 (b)所示的边界轮廓P。
其中，所述获取构成典型空间分布模式的聚集性的结构化地物，其中对于聚集性的判断的因子至少包括以下其一：
主方向差异低于指定阈值、路径方向差异低于指定阈值、尺寸相似度高于指定阈值、形状相似度高于指定阈值、带状桥接面宽度、有效连接指数高于指定阈值、分布格局指数。
具体地，如图6所示，为本发明提出的空间结构描述因子示意图： (a)主方向差异，(b)尺寸相似，(c)形状相似，(d)带状桥接面宽度，(e)有效连接比率，(f)分布格局指数，(g)路径方向差异。
结构化地物在宏观上呈聚群分布，在聚群内部面要素具有相似的尺寸、形状、及规律的距离关系、方向关系和拓扑关系。
本文基于已有研究，选取以下参数作为聚集性地物空间结构的描述因子：主方向差异(Odiff)、路径方向差异(POdiff)、尺寸相似(Ssize)、形状相似(Sshape)、带状桥接面宽度(Bdistance)、有效连接比率(ECI)、分布格局指数(DPI)，各参数定义详见图6。主要参数计算方式如下：
POdiff＝PO2-PO1
现详细介绍Bdistance和ECI的计算方法：
图7为聚集性面状要素群最小面积外接矩形示意图。
带状桥接面宽度(Bdistance)计算步骤如下：
步骤1：利用最小面积矩形计算聚集性面状要素群边界，如图7所示。
图8为面要素结点加密示意图：(a)原始要素及其结点，(b)结点及加密点。
步骤2：加密最小面积矩形边界及面群各要素边界结点。因为这些结点通常被用于描述面状地物重要形态特征，如拐点、相交点等，一般数量较少，为提高后续分割宽度计算精度，须加密两类边界上的结点。其具体方法为：设定加密步长d，d的取值通常采用要素边界最短弧段的长度；以d为基元在两个结点之间进行采样得到加密点，如图8所示。
图9为本发明提出的相邻面状要素宽度计算示意图：(a)边界约束Delaunay三角网，(b)相邻面状要素之间三角形的高。
步骤3：采用逐点插入算法建立边界约束的Delaunay三角网，如图 9(a)所示。
步骤4：约束Delaunay三角网中三角形连接了两个具有邻近关系的面状要素，图9(b)为图9(a)中三角网的局部放大。不难发现，通过三角形ABC的边AB或AC很容易获知P1和P2为邻近面状要素。计算两个相邻面状要素之间所有Delaunay三角形的高(h)(在要素边界轮廓上的边所对应的高)，并将其平均值作为邻近要素之间的间距(BDistance)，见下式：
其中，n为两相邻面之间Delaunay三角形的总个数。
图10为本发明提出的有效连接区域示意图。
有效连接比率(ECI)计算步骤如下：
针对彼此邻近的面要素，根据Gestalt连续性原则(Continuation)，当其中一个面要素某些部分视觉上与另一个面要素连接在一起，那么这两个要素可以认知为一个整体，故判断两邻近要素之间的可连接区域面积在整体中的占比是识别毗邻区的核心指标。本文引入有效连接指数 (effective connection index，ECI)来反映该指标。指标计算的具体步骤为：
步骤1：基于边界约束Delaunay三角网，识别连接两邻近要素的II 类三角形(有两个邻近三角形的三角形)，并将其作为两要素之间的连接区域，如图10中所示；
步骤2：计算各个三角形的内角，将内角不包含钝角，且其邻近三角形的内角同样不包含钝角的三角形称为有效三角形。这些有效三角形覆盖的区域称为有效连接区域(connectable area，CA)，如图10中M区域，其他区域称为无效连接区域，如图10中N区域；
步骤3：依据有效连接区域在整体连接区域中的面积占比计算有效连接指数(ECI)，其计算公式为：
其中，
为两邻近面状要素Xs、Xt之间的有效连接指数，
分别为两要素间的有效连接区域面积和整体连接区域面积。
直线模式、格网模式是聚集性地物的2种典型结构，结合格式塔原则中的封闭性、延展性和连通性等原则，依据上述空间结构描述参数对这两种结构进行识别，模式识别的控制参数详见表1。
表1聚集性地物结构化特征识别控制参数
构建聚集性地物所在区域边界约束Delaunay三角网，根据三角形边长关联的图斑捕捉各个地物的空间邻近关系并构成一个初始二元群，计算每一个二元群中要素之间的群结构描述参数，识别直线模式，进而由直线模式识别格网模式。
S504，将所述外围边界轮廓内部的聚集性的结构化地物进行合并处理，得到结构化地物合并处理结果；以及基于全局最优的图斑合并方法对原始图斑数据进行合并操作，得到原始图斑数据合并结果。
其中，所述将所述外围边界轮廓内部的聚集性的结构化地物进行合并处理，包括：
对于直线模式的聚集性的结构化地物，依据其基高比，进行融合或者聚合处理；
对于格网模式的聚集性的结构化地物，计算其所述外围边界轮廓内部的结构化地物的密度；其中，若所述密度低于指定阈值，则进行典型化处理；若所述密度高于指定阈值，且所述结构化地物为水域时，进行毗邻化处理。
具体地，如图13为本发明提出的狭长要素融解处理示意图：(a) 原图，(b)初始骨架线，(c)骨架线修正，(d)融解结果。
对于外围边界轮廓内的聚集地物，根据其结构特征，通常可对直线模式地物进行聚合或降维处理，对水系要素格网模式进行聚合或毗邻化处理，对非水系格网模式进行聚合或典型化处理。
若由组成直线模式的地物聚合而成的面要素符合狭长图斑的定义，则需对该面要素进行融解处理。狭长图斑是指图斑中一些长而窄的目标，如细长的面状河流、低等级的面状道路、公路以及田坎、沟渠等，狭长图斑通常连接多个不同类型的地物图斑，对于维持地物图斑拓扑连通性具有重要作用。当比例尺变小时，狭长图斑由于宽度的原因，由二维的面状地物降维成为一维的线状地物。狭长图斑的宽度可基于下式进行计算：
W＝S/BL
其中，W为图斑的近似平均宽度，S为图斑面积，BL为图斑最长长度基线，可通过骨架线获取。
参考地理国情普查成果图技术规定，对于狭长图斑的宽度标准的阈值界定，以成图比例尺大于50万为例(见表2)，其他比例尺可参考该指标进行微调。
表2狭长图斑宽度标准
本文基于约束Delaunay三角网实现狭长面要素的融解操作，主要包括以下五个步骤，现结合图13进行说明：
步骤1：加密边界结点，构建边界约束Delaunay三角网对狭长面要素进行空间剖分，并依据三角网提取狭长图斑骨架线，如图13(b) 所示，图中虚线为狭长图斑P1的骨架线；
步骤2：为实现狭长面要素的无缝剖分，需顾及边界处的拓扑约束，即保证骨架线的每一个末端点刚好位于邻接多边形的边界结点上，因此，通过最邻近点法对边界处骨架线进行修正，如图13(c) 矩形框内加粗的实线；
步骤3：若狭长面要素内部骨架线上存在的“尖刺抖动”及“T 型抖动”等，同样需对其修正，以得到反映狭长图斑主体形状与延展性的骨架线；
步骤4：去除多余分支骨架线，即循环删除骨架线中的悬挂弧段，获得最终骨架线，将其作为狭长面要素分裂线；
步骤5：依据分裂线对狭长面要素进行分裂，完成狭长面要素的融解，如图13(d)所示。
若由聚集地物组成的格网模式(不包括水系地物)为Gi＝{O1,O2,...,On}，其外围轮廓为
外围轮廓围成的多边形面积为
各个地物对应的面积为
则可以下式定义该格网模式内的地物密度
若
认为格网模式内地物间隔较小，排列紧密，较好地填充了外围轮廓围成的多边形，此时适宜直接进行毗邻化操作；若
认为格网模式内地物间隔较大，排列稀疏，未能很好地填充外围轮廓围成的多边形，此时适宜进行典型化操作。
如图14所示，为本发明提出的毗邻化处理示意图：(a)原图， (b)对原图求补，(c)补的骨架，(d)毗邻化结果。
毗邻化是对水系地物中呈格网模式聚集面要素的一项综合操作。 Li(2007)给出了毗邻化操作的实现思路：计算聚集面群的最小外接矩形(Minimum Bounding Rectangle,MBR)，并通过最小外接矩形对原始面群求补，从而提取面群之间狭长桥接面，并将其转换为可操作的面要素，进而计算其骨架线，作为面群新的边界线，达到毗邻化操作的目的，如图14所示。在过去的研究中已完成了针对简单及复杂多边形的毗邻化处理，在此不再赘述。
典型化的基本思路为：以开方根模型确定目标比例尺内聚集地物的数量，应用分解质因数方法将该数值分解为两个数的乘积，并以此数目对聚集地物外围轮廓进行等间距分割。以图上最小分辨距离 0.4mm划分分割线周围缓冲区，实现典型化处理。值得注意的是，若目标比例尺内聚集地物数值为质数，则以“向上加1”的方式修正该值，并重新分解。
S505，将所述聚集性的结构化地物的外围边界轮廓与所述原始图斑数据合并结果进行异运算，确定所述原始图斑数据合并结果中需要被所述结构化地物合并处理结果回填的各个回填位置。
S506，利用空间插入运算，将所述结构化地物合并处理结果镶嵌至所述原始图斑数据合并结果中的与其分别对应的所述各个回填位置，以得到回填后的图斑数据全铺盖合并结果。
S506之后，还包括：
S507，对镶嵌面的内部冲突的调整以及对镶嵌面的边界冲突的调整。
其中，所述对镶嵌轮廓的内部冲突的调整，包括步骤：
N1、遍历接缝边内原始图斑数据的地物类型，并将其中的指定地物类型进行标记；
N2、将所述标记中的面状数据与镶嵌面作空间相交运算，得到相交面；
N3、获取所述相交面的边界弧段；其中，所述弧段包括：位于镶嵌面内部的弧段集和位于镶嵌面边界的弧段集；
N4、将位于镶嵌面内部的弧段集与镶嵌面边界一同构建点线面拓扑，重构镶嵌多边形；
N5、删除位于镶嵌面边界的弧段集，还原标记数据。
其中，对镶嵌面的边界冲突的调整，包括步骤：
对于边界处的小图斑，以缓冲区探测该小图斑的邻近图斑；且若在视觉邻近距离阈值内存在与其同类的邻近小图斑，则将所述小图斑聚合至所述同类的邻近小图斑；或者若在视觉邻近距离阈值内不存在与其同类的小图斑，则通过空间包含关系探测其邻近包含面，将所述小图斑融合至邻近包含面内。
具体地，如图15所示，为本发明提出的镶嵌面内部调整示意图。
对于单独处理的结构化地物合并结果，需将其还原至原始图斑内，还原过程中需保证原始图斑全覆盖、无重叠的空间铺盖特征，为此，首先对聚集性地物的边界轮廓进行还原。还原过程中会与原始图斑产生空间冲突，依据空间冲突与边界轮廓位置关系，将冲突分为内部冲突与边界冲突两种。
将聚合后的同类图斑镶嵌至原始图层中，虽然重新构成了一幅完整的面状图斑数据，但当呈聚集状态的图斑数据之间的空白区域存在具有分割特征的重要线状地物时，如道路、河流等，镶嵌的聚合多边形会截断这些地物，导致这些地物的连贯性及空间结构遭到破坏，如图15(b) 所示，狭长图斑D被聚合多边形所形成的镶嵌面P分割为D1、D2、D3三部分，原有结构被破坏。为此，需要对聚合多边形的镶嵌过程作进一步调整。
镶嵌面内部调整具体步骤如下：
(1)遍历接缝边内原始图斑数据的地物类型，若存在道路、河流数据，则进行标记；
(2)对标记的面状数据与镶嵌面(聚合多边形)作空间相交 (intersect)运算，得到相交面，如图15(b)所示，D2为狭长图斑D 与镶嵌面P形成的相交面；
(3)获取相交面边界弧段，该弧段可分为两类：位于镶嵌面内部的弧段集，如图15(c)中的弧段{L2、L3}，以及位于镶嵌面边界的弧段集，如图15(c)中的弧段{L1、L4}；
(4)将位于镶嵌面内部的弧段集与镶嵌面边界一同构建点线面拓扑，重构镶嵌多边形，如图15(c)中新生成的多边形P1、P2；
(5)删除位于镶嵌面边界的弧段集，还原标记数据，如图15(d) 中弧段L2、L3被删除，D1、D2、D3还原为初始多边形D。
具体地，如图16所示，为本发明提出的镶嵌面边界调整示意图。
除需注意镶嵌面内部的狭长图斑对镶嵌的影响外，镶嵌面边界处的其他地类小图斑同样对镶嵌过程具有重要意义。因需对聚集图斑之间的空白区域进行填充以及对聚集边界进行直角化，当聚集图斑边界出现细小图斑时，其部分区域聚合至聚集图斑内，导致其面积不再符合上图面积要求，此时，需要对镶嵌面边界处作进一步调整。如图16(a)所示，呈聚集状态的地类A、B、C与另一地类O、D形成了对区域的全覆盖表达，图16(b)为地类ABC形成的聚合面P与原始数据镶嵌后的结果，可以看到，地类D被分割为小图斑。
对于边界处的小图斑，本文提出一种基于视觉邻近关系的合并算法。以缓冲区探测该小图斑的邻近图斑，若在视觉邻近距离阈值(DT) 内存在与其同类的小图斑，则将其聚合至同类图斑；若在视觉邻近距离阈值(DT)内不存在与其同类的小图斑，则通过空间包含关系探测其邻近包含面，将其融合至邻近包含面内。如图16(c)所示，小图斑D融合至其包含面O内。
实施例二
进一步地，为验证本文方法的有效性，依托中国测绘科学研究院研制的WJ-III地图工作站，嵌入基于out-in的地情铺盖合并方法，采用南方省县1:10000地理国情普查数据进行测试。实验数据空间范围为 699.38km2，包含耕地、林地、建筑物、水系等一级地类，试验区域建筑群密集，但不均匀，不同方向、不同大小的建筑物交错相邻分布，在视觉上呈现出明显的直线模式与网格模式。软件系统运行环境为Windows7 64位操作系统、CPU为IntelCore I7-3770、主频3.2GHz、内存16GB、固态硬盘1024GB。
将由本文方法与现有研究提出的混合整数规划方法得到的合并结果进行对比分析，其中，房屋建筑、构筑物、水体作三类地物在本文方法中被视作结构化地物，共识别出典型地物模式215处，其中，直线模式127处，格网模式88处，统计两种方法下对各模式的保持及其占比情况如表3所示。
表3合并过程中典型地物空间结构保持情况对比分析
图17为本发明实施例所作普通直线模式合并结果对比图：(a)原始数据，(b)混合整数规划方法合并结果，(c)本文方法合并结果。
图18为本发明实施例所作复杂直线模式合并结果对比图：(a)原始数据，(b)混合整数规划方法合并结果，(c)本文方法合并结果。
图19为本发明实施例所作简单格网模式合并结果对比图：(a)原始数据，(b)混合整数规划方法合并结果，(c)本文方法合并结果。
图20为本发明实施例所作复杂格网模式合并结果对比图：(a)原始数据，(b)混合整数规划方法合并结果，(c)本文方法合并结果。
实验区两模式典型区域局部放大如图17-20所示，其中，图17为混合整数规划方法与本文方法对于由排列整齐、规则的聚集地物形成的普通直线模式的合并结果；图18为存在邻近地物干扰的复杂直线模式下，上述两种方法的合并结果；图19为排列普通整齐、规则的格网模式下，上述两种方法的合并结果；图20为存在分支的复杂网格模式下，上述两种方法的合并结果。
由图17可以看出，对于简单直线模式，混合整数规划方法与本文方法的合并结果基本一致，较好地对聚集地物进行了合并，边界轮廓准确的反映了聚集地物的特征；由图18可以看出，对于复杂直线模式，混合整数规划方法会受到存在邻近同类地物的干扰，仅仅保留地物的聚集特征，而丢失了聚集地物的直线特征，与之相反，本文方法的合并结果较好地保留了地物的直线特征，邻近干扰地物均合并至其他地物内。
由图19可以看出，对于简单格网模式，混合整数规划方法与本文方法的合并结果基本一致，合并形成的边界轮廓较为准确的反映了地物聚集特征；由图20可以看出，对于复杂格网模式，混合整数规划方法不能顾及格网分支结构对于模式的影响，形成的地物轮廓丢失了地物典型的格网特征，与之相反，本文方法的合并结果较好地描述了地物的格网特征，去掉了分支结构对于格网模式的影响。
为验证本文方法保持合并前后各地类面积变化平衡的可靠性，将本文方法与文献[5]提出的混合整数规划合并方法进行对比分析，统计经过合并操作后各类用地类型的面积变化值，如表4所示。
表4合并操作后各类用地类型的面积变化值统计(单位：km2)
由表4可以看出，由混合整数规划合并方法处理后的各类用地在合并前后面积总量变化不大，各类用地类型之间的面积比例基本保持平衡。其中，道路、裸地变化为0，这是因为实验区域道路全部为狭长图斑，不存在细碎道路，且因为其具有自身的独特形状特征，不参与合并其他地物；裸地在此区域数量较少，零星分布于试验区域内，且单个图斑面积较大，因此其未被合并也未合并其他地物。
经本文方法进行合并处理后，房屋建筑、构筑物、水体三类地物面积变化较混合整数规划合并方法稍大，面积变化率分别增加了0.61％、 0.07％、0.19％；耕地面积变化率增加了0.08％，但此种程度的变化不会影响地类面积变化的全局效果。整体而言，各类用地合并前后面积总量与混合整数规划合并方法处理结果基本一致。
图21为本发明实施例所作边界轮廓内部冲突处理结果：(a)原始数据，(b)中间合并结果，(c)内部冲突处理结果。
图22为本发明实施例所作边界轮廓边界冲突处理结果：(a)原始数据，(b)中间合并结果，(c)内部冲突处理结果。
为验证本文方法对于合并过程中边界轮廓处冲突处理的可靠性，选择实验区内两个典型区域进行验证，如图21、22所示。其中，图21为边界轮廓内部冲突处理结果，图22为边界轮廓边界冲突处理结果。
由图21可以看出，位于道路两侧的建筑物因符合结构描述参数约束条件而被判定为格网模式，合并形成的边界轮廓截断了在其内部穿越而过的道路，如图21(b)所示，图21(c)为该冲突的处理结果，道路被还原为一个整体，连贯性得到保持。
由图22可以看出，位于林地、草地两种不同地类内的建筑物因符合结构描述参数约束条件而被判定为格网模式，合并形成的边界轮廓明显的缩小了原草地的面积，使其成为一个小图斑，如图22(b)所示，图22(c)为该冲突的处理结果，草地被包围其的林地合并，不存在明显视觉冲突。
综上所述，本发明的优点是在图斑合并过程中可以保持结构化地物轮廓特征，以避免现有技术在合并过程中由于改变了具有特殊空间结构的地物边界，导致地空间结构特征部分或全部丢失的状况的发生。本申请首次提出顾及结构化地物轮廓特征的图斑合并方法，在合并过程中既可以在局部有效保持直线、格网两种地物分布模式的轮廓特征，且可以在整体上保持各类型用地面积变化的平衡，也不产生其他视觉冲突。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种保持结构化地物轮廓特征的图斑合并方法，其特征在于，包括：
A、获取一全铺盖矢量原始图斑数据，根据语义信息在所述原始图斑数据中提取具有指定空间结构特征的结构化地物；
B、识别所述结构化地物内的典型空间分布模式；
C、根据所述结构化地物内的典型空间分布模式，获取构成典型空间分布模式的聚集性的结构化地物，并提取所述聚集性的结构化地物的外围边界轮廓；
D、将所述外围边界轮廓内部的聚集性的结构化地物进行合并处理，得到结构化地物合并处理结果；以及基于全局最优的图斑合并方法对原始图斑数据进行合并操作，得到原始图斑数据合并结果；
E、将所述聚集性的结构化地物的外围边界轮廓与所述原始图斑数据合并结果进行异运算，确定所述原始图斑数据合并结果中需要被所述结构化地物合并处理结果回填的各个回填位置；
F、利用空间插入运算，将所述结构化地物合并处理结果镶嵌至所述原始图斑数据合并结果中的与其分别对应的所述各个回填位置，以得到回填后的图斑数据全铺盖合并结果。
2.根据权利要求1所述的方法，其特征在于，步骤B所述典型空间分布模式包括：直线模式和格网模式。
3.根据权利要求1所述的方法，其特征在于，步骤C所述获取构成典型空间分布模式的聚集性的结构化地物，其中对于聚集性的判断的因子至少包括以下其一：
主方向差异低于指定阈值、路径方向差异低于指定阈值、尺寸相似度高于指定阈值、形状相似度高于指定阈值、带状桥接面宽度、有效连接指数高于指定阈值、分布格局指数。
4.根据权利要求3所述的方法，其特征在于，所述尺寸相似度的计算公式为：
其中，A1和A2分别表示相邻两结构化地物的面积，Ssize是指尺寸相似度。
5.根据权利要求3所述的方法，其特征在于，所述形状相似度的计算公式为：
其中，w1和w2分别表示相邻的两个所述结构化地物的宽；h1和h2分别表示所述相邻的两个所述结构化地物的高；其中，Sshape是指形状相似度。
6.根据权利要求3所述的方法，其特征在于，所述带状桥接面宽度的计算公式为：
其中，Bdistance表示带状桥接面宽度，n为两个相邻面状要素之间的Delaunay三角形的总个数，hi表示两个相邻面状要素之间的Delaunay三角形的高；
表示两个相邻面状要素之间所有Delaunay三角形的高的和。
7.根据权利要求3所述的方法，其特征在于，所述有效连接指数的计算公式为：
其中，
为两邻近面状要素Xs、Xt之间的有效连接指数，
分别为两要素间的有效连接区域面积和整体连接区域面积。
8.根据权利要求1所述的方法，其特征在于，步骤C所述提取所述聚集性的结构化地物的外围边界轮廓的步骤包括：
S1、对原始聚集面群向外进行扩张变换，融合各个多边形扩张后的重叠部分，得到边界多边形；
S2、将所述边界多边形与所述原始聚集面群统一构建拓扑，获取面要素语义信息，并将所述面要素语义信息赋予相应弧段，若其中弧段仅由某一具有语义信息的弧段及无语义信息的 弧段组成，则将所述具有语义信息的弧段代替所述无语义信息的弧段，以形成更新处理之后的外围边界轮廓。
9.根据权利要求2所述的方法，其特征在于，步骤D所述将所述外围边界轮廓内部的聚集性的结构化地物进行合并处理，包括：
对于直线模式的聚集性的结构化地物，依据其基高比，进行融合或者聚合处理；
对于格网模式的聚集性的结构化地物，计算其所述外围边界轮廓内部的结构化地物的密度；其中，若所述密度低于指定阈值，则进行典型化处理；若所述密度高于指定阈值，且所述结构化地物为水域时，进行毗邻化处理。
10.根据权利要求1所述的方法，其特征在于，步骤F之后，还包括：
对镶嵌面的内部冲突的调整以及对镶嵌面的边界冲突的调整；
其中，所述对镶嵌轮廓的内部冲突的调整，包括步骤：
N1、遍历接缝边内原始图斑数据的地物类型，并将其中的指定地物类型进行标记；
N2、将所述标记中的面状数据与镶嵌面作空间相交运算，得到相交面；
N3、获取所述相交面的边界弧段；其中，所述弧段包括：位于镶嵌面内部的弧段集和位于镶嵌面边界的弧段集；
N4、将位于镶嵌面内部的弧段集与镶嵌面边界一同构建点线面拓扑，重构镶嵌多边形；
N5、删除位于镶嵌面边界的弧段集，还原标记数据；
其中，对镶嵌面的边界冲突的调整，包括步骤：
对于边界处的小图斑，以缓冲区探测该小图斑的邻近图斑；且若在视觉邻近距离阈值内存在与其同类的邻近小图斑，则将所述小图斑聚合至所述同类的邻近小图斑；或者若在视觉邻近距离阈值内不存在与其同类的小图斑，则通过空间包含关系探测其邻近包含面，将所述小图斑融合至邻近包含面内。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910313788.4A CN110176018B (zh) | 2019-04-18 | 2019-04-18 | 一种保持结构化地物轮廓特征的图斑合并方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910313788.4A CN110176018B (zh) | 2019-04-18 | 2019-04-18 | 一种保持结构化地物轮廓特征的图斑合并方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110176018A CN110176018A (zh) | 2019-08-27 |
| CN110176018B true CN110176018B (zh) | 2021-02-26 |
Family
ID=67689723
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910313788.4A Expired - Fee Related CN110176018B (zh) | 2019-04-18 | 2019-04-18 | 一种保持结构化地物轮廓特征的图斑合并方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110176018B (zh) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110851553A (zh) * | 2019-11-14 | 2020-02-28 | 空间信息产业发展股份有限公司 | 一种应用于不相连图斑的最小闭合圈自动形成方法 |
| CN111739040B (zh) * | 2020-05-15 | 2021-07-06 | 深圳市城市规划设计研究院有限公司 | 图斑简化方法、装置、设备和计算机可读存储介质 |
| CN111915669B (zh) * | 2020-08-03 | 2024-04-05 | 北京吉威空间信息股份有限公司 | 一种基于总量控制的土地调查线状地物图斑化方法 |
| CN112215431B (zh) * | 2020-10-21 | 2024-03-22 | 胡月明 | 基于数据挖掘的农田连片整治自动优化方法 |
| CN112199460B (zh) * | 2020-11-11 | 2022-05-06 | 福州大学 | 矢量地图狭长弧段识别方法 |
| CN112562040B (zh) * | 2020-12-24 | 2022-02-01 | 杭州中房信息科技有限公司 | 一种基于Spark的海量二三调数据成果流量高性能计算方法 |
| CN113592977B (zh) * | 2021-07-26 | 2023-08-22 | 湖南省国土资源规划院 | 城区范围划定中线状地物处理方法、系统、存储器及装置 |
| CN113688198B (zh) * | 2021-08-27 | 2024-03-05 | 湖南省国土资源规划院 | 城区范围划定中线状地物截断处理方法、存储器及装置 |
| CN113822832A (zh) * | 2021-09-03 | 2021-12-21 | 国家林业和草原局中南调查规划设计院 | 自然资源多源矢量数据融合方法 |
| CN114549685B (zh) * | 2022-04-28 | 2022-07-15 | 江苏省基础地理信息中心 | 一种基于数据融合的自然资源一张底图建设方法 |
| CN115205699B (zh) * | 2022-06-29 | 2023-03-03 | 中国测绘科学研究院 | 一种基于cfsfdp改进算法的地图图斑聚类融合处理方法 |
| CN115359149B (zh) * | 2022-08-24 | 2023-04-07 | 中国测绘科学研究院 | 一种泛化拓扑结构约束下的连续图斑化简方法 |
| CN115564672B (zh) * | 2022-09-22 | 2023-04-18 | 中国测绘科学研究院 | 一种带状面要素数据实体修复方法 |
| CN115577058B (zh) * | 2022-09-23 | 2023-08-01 | 中国测绘科学研究院 | 一种兼顾全局与局部最优影响的小图斑竞争分裂方法 |
| CN115292342B (zh) * | 2022-10-09 | 2022-12-20 | 湖北省国土测绘院 | 一种基于poi数据更新城市用地现状图的方法、系统及设备 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104200387A (zh) * | 2014-09-18 | 2014-12-10 | 信阳师范学院 | 一种顾及地理实体语义相似度的土地用途分区方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020178183A1 (en) * | 2001-04-10 | 2002-11-28 | Uwe Meding | Data extraction method and apparatus |
| US6759979B2 (en) * | 2002-01-22 | 2004-07-06 | E-Businesscontrols Corp. | GPS-enhanced system and method for automatically capturing and co-registering virtual models of a site |
| CN106845108B (zh) * | 2017-01-19 | 2019-07-23 | 中国测绘科学研究院 | 一种顾及空间关系约束的线化简方法 |
| CN109034234A (zh) * | 2018-07-19 | 2018-12-18 | 中国测绘科学研究院 | 一种毗邻区特征识别及自动处理方法 |
-
2019
- 2019-04-18 CN CN201910313788.4A patent/CN110176018B/zh not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104200387A (zh) * | 2014-09-18 | 2014-12-10 | 信阳师范学院 | 一种顾及地理实体语义相似度的土地用途分区方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110176018A (zh) | 2019-08-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110176018B (zh) | 一种保持结构化地物轮廓特征的图斑合并方法 | |
| CN106780738B (zh) | 基于输变电工程环境敏感区的路径站址优化方法 | |
| Tsai | Delaunay triangulations in TIN creation: an overview and a linear-time algorithm | |
| CN102930509B (zh) | 一种机载激光点云数据的智能化滤波方法 | |
| CN110162650B (zh) | 一种兼顾局部最优与整体面积平衡的小图斑融解方法 | |
| CN111858810B (zh) | 一种面向道路dem构建的建模高程点筛选方法 | |
| CN109636870A (zh) | 一种狭长图斑分块融解方法及装置 | |
| CN106548141A (zh) | 一种基于三角网的面向对象耕地信息自动提取方法 | |
| CN106777365A (zh) | 输变电工程环境敏感区域智能识别与预测方法 | |
| CN113837892A (zh) | 基于3s技术的坡耕地划分方法 | |
| CN114926602A (zh) | 基于三维点云的建筑物单体化方法及系统 | |
| CN110660027B (zh) | 一种针对复杂地形的激光点云连续剖面地面滤波方法 | |
| Haag et al. | Development of a data model to facilitate rapid watershed delineation | |
| Deng et al. | A novel fast classification filtering algorithm for LiDAR point clouds based on small grid density clustering | |
| CN109801552B (zh) | 一种人工海岸线化简方法 | |
| CN112116709B (zh) | 一种提高地形表达精度的地形特征线处理方法 | |
| CN115359149B (zh) | 一种泛化拓扑结构约束下的连续图斑化简方法 | |
| Chen et al. | Computational morphology of debris and alluvial fans on irregular terrain using the visibility polygon | |
| CN106097446A (zh) | 一种基于大规模地震数据的三维地质曲面重建方法 | |
| CN114463494A (zh) | 一种地形特征线自动提取算法 | |
| Chaudhry et al. | Partitioning techniques to make manageable the generalisation of national spatial datasets | |
| Shen et al. | An adaptive triangulation optimization algorithm based on empty circumcircle | |
| CN111368468A (zh) | 基于数理方法及编程算法求取集中型村落二维边界的方法 | |
| Rawat et al. | Assessment of land use/land cover changes of potential growing fringe areas of Lucknow using remote sensing and GIS | |
| CN103927432A (zh) | 一种面向设施区位规划的约束空间聚类方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210226 |