层次Voronoi图及其初步应用

发布时间：2017-06-25 00:11

  本文关键词：层次Voronoi图及其初步应用，，由笔耕文化传播整理发布。

【摘要】：作为地理空间信息的关键技术,可视化主要是采用计算机图形图像处理技术,将繁杂的自然科学现象、地理景观及一些抽象形式概念图形化的过程。详细来说,就是指利用图形图像处理技术,将复杂的空间和属性数据以地理的形式展现出来,使之能够及时准确的对数据挖掘做出相关性层面的判断、发展趋向及辅助决策。本文以空间点群为目标,以Voronoi图为切入点,通过对空间点群的自适应聚类算法、聚类点加权Voronoi图形的可视化,提出了基于层次Voronoi图的空间点群数据的可视化方法。结合概率论与数理统计相关理论知识,对其具体的点群应用性问题进行了相关的研究,最后进行试验验证并对研究成果进行了分析。本论文研究内容如下： (1)对当前空间数据可视化图形的弊端进行了分析。针对当前空间数据可视化的图形多为三角网、格网方格,由于其图形的灵活性限制了空间数据维度信息量的再现,在信息可视化上不利于空间数据的几何形态结构表达。因此,迫切需要一种可观的可视化图形来改善空间数据的可视化表达效果,提高对图形可视化的空间信息量呈现。 (2)提出了基于空间点群的层次树结构自适应聚类算法。对一般可视化的树型数据结构和聚类树数据结构进行了概要论述。固定的树型数据结构固然可以实现空间数据的结构划分,但顾及到空间数据的实时性和整体性原则,本文通过自适应的聚类算法实现对空间点群数据的结构划分,保证了空间数据的群聚完整性与自适剖分性。 (3)提出了基于层次Voronoi图的层次细节(Level of Detail, LOD)可视化表达方法。根据自适应聚类算法构建的层次树结构,以Voronoi图为可视化图形,实现空间点群数据的层次剖分、信息的可视化表达。该空间数据的可视化可在特定的宏观背景下观察其内部的微观信息,实现了信息的层次细节表达。 (4)提出了基于空间点群的层次Voronoi图制图综合方法。依据层次Voronoi图的可视化图形特性,对空间点群进行综合研究。依据点群相似度算法,通过对不同空间点群的层次Voronoi图表达,使用密度、角度、距离、拓扑相似度,及其几何平均值来量化点群之间的相似程度。实现了制图综合后点群在范围、排列和密度上的一致性。 本文提出的基于层次Voronoi图的可视化方法,相对于层次细节可视化、点群制图综合及相似度计算,在处理复杂空间点群目标的空间关系上具有显著的优势,并通过试验实现了预期的目标,证明了其方法的切实可行性。
【关键词】：点群 聚类 层次Voronoi图 综合 相似度
【学位授予单位】：昆明理工大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：P208
【目录】：

• 摘要5-6
• Abstract6-8
• 目录8-11
• 第一章 绪论11-25
• 1.1 研究背景11-14
• 1.2 可视化技术14-15
• 1.3 问题的提出15-19
• 1.3.1 图形生成速度15-16
• 1.3.2 可视化局限性16-18
• 1.3.3 点群综合18-19
• 1.4 解决问题的思路19-20
• 1.5 相关研究及分析20-23
• 1.5.1 LOD可视化方法20-22
• 1.5.2 Voronoi图数据结构生成算法22-23
• 1.5.3 点群综合与相似度23
• 1.6 本文研究内容及章节安排23-25
• 第二章 层次Voronoi图数据结构25-35
• 2.1 普通Voronoi图25-27
• 2.1.1 普通Voronoi图定义25-26
• 2.1.2 普通Voronoi图生成方法26-27
• 2.2 加权Voronoi图27-31
• 2.2.1 加权Voronoi图定义28-29
• 2.2.2 加权Voronoi图生成方法29-31
• 2.3 层次Voronoi图31-35
• 2.3.1 层次Voronoi图定义31-32
• 2.3.2 层次Voronoi图生成方法32-35
• 第三章 基于层次Voronoi图的空间数据LOD可视化表达35-42
• 3.1 加权值分配35-36
• 3.2 自适应聚类36-38
• 3.2.1 自适应聚类算法36-38
• 3.3 构建层次树结构38-39
• 3.4 层次Voronoi图的LOD方法39-40
• 3.5 算例与分析40-42
• 3.5.1 算例实验40-41
• 3.5.2 实验分析41-42
• 第四章 基于层次Voronoi图的点群综合方法42-55
• 4.1 制图综合42-45
• 4.1.1 制图综合一般方法43-44
• 4.1.2 Voronoi图制图综合方法44-45
• 4.2 空间点群45
• 4.3 空间点群相似度45-46
• 4.4 空间相似性特征46
• 4.5 相似性研究方法46-47
• 4.6 层次Voronoi点群综合计算47-51
• 4.6.1 密度与拓扑相似度计算48
• 4.6.2 角度相似度计算48-49
• 4.6.3 距离相似度计算49
• 4.6.4 范围相似度计算49-50
• 4.6.5 排列相似度计算50-51
• 4.6.6 全局相似度计算51
• 4.7 算例与分析51-54
• 4.7.1 算例实验51-54
• 4.7.2 实验分析54
• 4.8 本章小结54-55
• 第五章 结论与展望55-57
• 5.1 主要研究工作55
• 5.2 研究的创新点55
• 5.3 存在的主要问题55-56
• 5.4 研究方向的展望56-57
• 致谢57-58
• 参考文献58-62
• 附录A 硕士期间科研情况62-63
• 一 硕士期间发表的论文62
• 二 硕士期刊参加的科研项目62
• 三 硕士期间主要获奖情况62-63
• 附录B 部分程序代码63-66

【参考文献】

中国期刊全文数据库 前10条

1 毋河海;凸壳原理在点群目标综合中的应用[J];测绘工程;1997年01期

2 钱海忠;武芳;谢鹏;邓红艳;张钊;;基于CIRCLE特征变换的点群选取改进算法[J];测绘科学;2006年05期

3 钱海忠,武芳,张琳琳,陈波;基于极化变换的点群综合几何质量评估[J];测绘学报;2005年04期

4 李佳田;陈军;赵仁亮;陈浩;马力;;基于线性四叉树结构的Voronoi图反向膨胀生成方法[J];测绘学报;2008年02期

5 郭庆胜;郑春燕;胡华科;;基于邻近图的点群层次聚类方法的研究[J];测绘学报;2008年02期

6 江浩;褚衍东;闫浩文;郭丽峰;;多尺度地理空间点群目标相似关系的计算研究[J];地理与地理信息科学;2009年06期

7 李康宁;杜扬;蒋新生;王冬;;基于四叉树的LOD虚拟复杂地形场景简化技术研究[J];后勤工程学院学报;2010年02期

8 张有会;;加权Voronoi图画法的研究[J];计算机科学;2001年06期

9 王臻;胡敏;李响;;基于四叉树的动态多分辨率LOD地形快速简化[J];计算机应用;2007年07期

10 马晓晨;孔小利;;基于深度八叉树的三维数据场LOD可视化[J];计算机应用;2010年01期

  本文关键词：层次Voronoi图及其初步应用，由笔耕文化传播整理发布。

本文编号：480051