GIS中曲线特征点模糊集的识别研究.pdf

GIS中曲线特征点模糊集的识别. 许谷声 刘大杰 同济大学测量与国土信息工程系 200092 摘要:为了较好地描述GIs中各种不规外曲线，并分析这些曲线采集数据的猜度，必须分析曲线 的特性和结构。本又将曲线上的点分为特征点、模糊特征点和非特征点三类，而将特征点和模糊特征 点定义为特征点模栩集，并讨论利用隶属函数法构造和识别特征点模糊集的方法 通过对实际曲线的 特征点模糊集的识别，说明这是一种较好的方法，这一方法对恰当描述不规刚曲线并进行精度分析和 质量控制是有益的 关键字:模糊集 隶属函数 特征点 特征点模糊集 在GIS中，等高线、等深线、河流、边界线、低等级道路等，一般都表现为不规则曲线。 为了较好地描述各种不规则曲线，并对这些曲线采集的数据进行精度分析和质量控制，必须 分析这些曲线的特性和结构。本文首先定义了特征点模糊集，并讨论利用隶属函数法构造和 识别特征点模糊集的方法。然后，通过对实际曲线的识别，说明这是一种较好地识别特征点 模糊集的方法，这一方法对恰当描述GIS中不规则曲线并进行精度分析和质量控制是有益的。 1曲经的特征点模栩华 一般认为，曲线是由两类点组成:特征点和非特征点。曲线特征点一般包括极值点、拐 点、端点等，而其他的点称为非特征点。但特征点与非特征点的识别界限并不清晰。对于不 同复杂程度的曲线，在不同划分水平下，某些点既有可能归于特征点集，也可能归于非特征 点集，它们具有模糊性。为此，将这类界于特征点和非特征点之间的点定义为 “模糊特征点”。 在不同复杂程度以及不同划分水平等条件下，模糊特征点分别具有特征点和非特征点的性质。 特征点组成曲线的基本框架，是一个边界清晰的概念，如曲线始末点、变弧始末点、曲线拐 点等;模糊特征点由曲率较大的点 (对一定复杂程度的曲线，在一定的评价水平下)组成， 具有模糊性;其它的点则是非特征点，起局部的补充和加密作用。所以，如何从曲线的点集 中识别,4提取出特征点模糊集是十分重要的。 曲线的特征点一般是采用人工方式来识别的。地形图手扶跟踪数字化就是作业员根据经 验来判断，在曲线的什么地方采点，采点间隔、采点的密度分布都由作业员掌握。曲线数字 化采点问题实质上也就是曲线特征点的识别问题。在作业员采点密集的地方，往往就是特征 点集中的地方，曲线在这些地方变化较大。特征点的提取虽然没有详细的规定，如在什么地 方采点，采多少点，以及采得点的分布情况:但从采集得到的数据能更好地表述曲线的信息 出发，对特征点的采集有一定的规律和要求。一般来说，曲线弧段起始处、曲线拐弯处、曲 率变化较大处都应该采点。每条曲线在作业员采点后得到的大量点中，只有一部分属于特征 点模糊集，可以用来构成曲线的数学模型，而剩下的就是非特征点。通过将这些点按适当的 方式加以分析，可以得到曲线的精度。人工识别是月前最广泛采用的曲线特征点识别方法， 它在生产中大量地应用着。不难理解，这种方法对曲线特征点采集的准确性难以保证 应用扫描仪扫描后进行矢量化是 目前数据采集的重要方法。扫描矢量化程序通过用户定 义一系列的变量，对矢量化 曲线跟踪采点作某些限制 (如定义抽稀因子，同步系数，以及生 成实体时点与点的最小间隔等)，这实际上也就是规定了曲线特征点采集的规则。这些变量主 *国家白然科学基金资助项月 (编号睡 要是从矢量化采点的间隔距离来进行相应的判断，而没有对曲线的性质进行分析。同时，矢 量化程序还根据同样的采点规则采集了大量的非特征点，这造成了曲线变化大的地方可能恰 好没有采点，而变化不大的地方又采集了大量的非特征点造成数据冗余。通过恰当地定义合 适的矢量化变量.可以提高程序识别特征点的正确度。 为了使曲线 卜采集的数据能较好地描述此曲线，并进行精度分析和质量控制，有必要应 用模糊数学中的隶属函数来识别特征点模糊集 2.曲线特征点模糊集的构成和识别 首先，我们定义全集X为某 条曲线 卜所有离散点的总汇;特征点模糊集A由特征点和 模糊特征点组成:元素考在特征点模糊集R中的隶属函数r.1动是全集X到实数区间[0,11上 的一个映射，即p扒}):X--).[0,I].S么A二{(},p抓}))I}C-XI即为X中的特征点模糊集。 隶属度空问M=[o,l〕中的取值是由隶属函数PA得来的·声ATRu,、表示曲线上的离散喜趋 向于该曲线特征点的程度，也就是它属于特征点模糊集A的程度。还定义特征点模糊集A的