论文部分内容阅读
遥感技术的飞速发展加速了空间数据的获取，快捷的获取方式在给基于空间数据的生产利用带来便捷的同时也带来了巨大的挑战，比如地图数据库的更新与合并、地图制图综合、空间实体查询匹配、空间数据集成融合等，而这些课题的研究对空间数据相似性具有一定的依赖性。然而，已有的大多数相似性度量模型都从空间数据的一般特征出发用几何计算方式建立，对实体的局部形态特征欠缺考虑。空间实体在宏观上区分为点、线、面等形态，同时其本身也具有丰富的局部形态特征。如果能够挖掘出空间数据的局部形态特征，从形态特征出发度量实体之间的相似性，一方面革新了传统的相似性度量模型，另一方面对基于这种模型之上的课题研究建立了系统的理论基础。因此，迫切需要基于空间数据的形态特征构建具有通用性和完备性、易实现的相似性度量模型，并能够支持基于形态相似性度量之上的应用。
本文通过对空间实体进行Delaunay三角网剖分，在不同维度下用不同的提取规则提取实体的形态特征，并用相应的指标进行定量化描述，从而形成相似性度量模型，基于这种模型提出面实体的匹配方法、面实体的查询方法以及建筑物多边形和曲线的化简，取得了如下研究成果:
1.基于Delaunay三角网剖分的形态特征提取。基于Delaunay三角网的图形唯一、形状最佳以及“外接圆规则”和“最邻近连接”等特性，本文用三角形作为基本结构元素，用Delaunay三角网对实体进行剖分，按照一定的规则提取形态骨架线。对于不同维度下的空间实体分别提取对应的形态特征:面实体提取形态骨架线和形心点，并用编码的方式对其量化;线实体则提取曲线的形态骨架点、剖分边界边和最大剖分边界边;点实体则提取点群的中轴线和分布中心以及单个点实体的影响区域。
2.空间数据形态量测。对于不同形态的空间实体，其维度也不相同，这里的形态从宏观上通过维度区分空间实体。然而，同一维度下的空间实体还具有微观上的形态特征。如何度量不同维度下的空间实体的形态特征以及相同维度下空间实体的局部形态特征是本文解决的首要问题。因此，除了对空间数据量测相关的维度和尺度进行研究之外，空间数据形态量测相关的基本量测参数也进行了深入研究。
3.形态相似性度量模型。传统的相似性度量模型中，不同维度的面、线、点等空间实体，其相似性通过距离、方向、形状、拓扑等指标度量，但这些度量方法仍然停留在用几何计算方式度量实体一般特征的相似，对于各类实体局部的形态特征，则需要更细化的度量模型刻画相似性。因此本文在提取和量化表达实体的形态特征后，对相似性的度量做了一定的创新改进。在处理面实体的相似性时，考虑了骨架线的形心点的位置差异度以及形心点的结构差异度（用简单的编码值计算），综合这三种指标形成整体上的相似度指标;在计算线实体的相似度时，用最大剖分边界边的弯曲度、平均弯曲度以及骨架特征点的位置差异度作为参数，以一定的权值引入到线实体的相似性度量中;在计算点群的相似度时，综合考虑了点群的密度差异、点群的面积差异、以及点群剖分三角形的数量差异。最后将三个维度下的相似性度量方法形成空间数据形态相似性度量模型(MetricsModeloftheMorphologicalSimilarity，简称3MS模型)。
4.空间数据形态相似性度量模型的应用。建立了空间数据形态相似性度量模型后，基于模型之上的应用便有了可利用的理论基础。本文提出了基于形态相似性模型的面实体匹配方法，并将其应用到面实体的查询、建筑物多边形的化简中;针对线实体则利用该模型对曲线进行化简。
最后，对本文的研究工作做了全面总结，指出了目前研究中存在的不足之处，给出了需要解决的问题和进一步的研究构想，比如对形态骨架是否具有旋转、平移、缩放不变性的验证，矢量表达模型下的相似性模型建立以及点群形态特征在网络分析中的应用。