三维地质建模中八叉树压缩算法研究.docVIP

三维地质建模中八叉树压缩算法的研究 　　摘要:由于Morton码值的排序是实现八叉树编码压缩的基础,为此,根据Morton码排序的特殊性,提出了采用时间复杂度为O(n)的计数排序算法,使排序速度大为提高,在此基础上进行压缩处理,并对算法的时间及空间复杂度进行了分析. 　　关键词:八叉树 计数排序 压缩算法 　　 　　0 引言 　　 三维地质建模的最大的不利是要存储的数据量是海量的,为了实体建模需要的存储空间,使用性能优良的数据结构就是当务之急,其关键问题是空间数据的算法及其空间数据的组织。由于八叉树特别适合于描述地学中的复杂地物现象,近些年来被广泛地应用于地学空间分析研。因此对八叉树的编码的压缩算法的研究也就很有必要。 　　 　　1 计算编码 　　 存放八叉树编码常用的地址码是Morton码【7677】,定义为:Q=Morton(n,x,y,z),式中x,y,z分别表示X、Y、Z方向的编码,n为树的深度,Q为线性编码。实现Morton编码的最普通的方法是求余数法。由于该方法运行速度慢,特别当n较大时,因此后来有学者提出采用比特位运算法,即先分别对二进制表示的K、J、I,从高位到低位依次移入八叉树编码的地址,最后从编码地址中,取出八叉树的编码,这样,其编码速度将有所提高。 　　 　　2 编码排序及其时间复杂度分析 　　 将栅格坐标变换成Morton编码后,得到的是一组无序的Morton编码记录,包括Morton代码和属性数据。首先应对Morton编码进行排序。若采用如冒泡排序[7880]这种基于比较的排序方法,其时间复杂度为O(n2),当n较大时,其排序所需时间会增加很快。即使采用效率较高的快速排序法,其时间复杂度的下界也是O(nlgn),排序依然需要很多时间,由于待排序对象的排序关键字是非负整数,并且事先知道关键字的取值范围,且在排序过程中没有比较过程,所以我们选择计数排序[79]作为排序算法。具体思路是首先分配一个大小为最大关键值的数组,然后用此数组对排序关键字进行计数,即计数数组中每个元素的值为待排序数组中关键字值出现的次数,最后从大到小,根据计数数组将待排序数组提取到结果数组中,从而完成排序过程,其整个算法的时间复杂度为O(n)。在本次工作中考虑到八叉树编码排序的实质是要按Morton码的大小进行排序,在排序后的数据中,由于Morton码是从小到大连续排列的,且Morton码本身又是自然数,因此,采用具有线性运行时间O(n)的计数排序是最佳策略。其核心代码如下: 　　 for(i=0;ipointNumber;i++) 　　resData[rowData[i]。mortonValue]。attrib=rowData[i]。attrib; 　　具体做法是: 　　 (1)将栅格坐标对应点的属性值,依照一定的次序(按x,y,z方向),读入内存readData[i]中; 　　 (2)通过查表(Morton = morTab [x] +(morTab[y]1)+(morTab[z]2))将栅格坐标转换成Morton编码Qi,这时得到的是一组无序的Morton编码记录; 　　 (3)为排序后的Morton编码记录开辟一块新的内存writeData[Qi],用于存放属性值,将与栅格坐标对应的属性值readData[i]赋予排序后的Morton编码记录writeData [Qi],即writeData[Qi]=readData[i]。 　　 在具体的操作中,假设计算机配置(主要指内存)不需读盘就能支持的分割阶次是m阶,在栅格化处理对象时,如果要求的精度大于m阶(如需要m+1阶),则可先将对象划分为m阶大小的8个立方体,同时对这8个立方体分别进行栅格化,然后按顺序对各块进行Morton码转换、排序、合并和生成八叉树。因为计数排序的实质是以Qi编码作为排序后的属性数组的下标,所以实现了Morton编码的自然排序,其时间复杂度为O(n)。表3.1为快速排序与计数排序算法的时间对比,7阶时,比快速排序法要节省32倍的时间。 　　 　　3 压缩算法 　　 把线性八叉树编码经过排序后再压缩,形成优化后的线性八叉树编码,具体做法如下: 　　 排序后的8m个记录,按顺序检查是否有属性相同的连续节点,如果节点的编码是i×8+0,i×8+1,…,i×8+7,(i=0,1,2,…,8m-1-1)的m级八分体属性相同,则用一个编码为i的m-1级八分体来代替这8个m级八分体,且它们的属性相同时,可以用一个上级较大的立方体来代替,表示为IX,此时8个存储空间就减少到了一个存储空间,这样可得到8m-1个m-1级八分体。此时,m级八分体的数目将减少为原数据的八分之一,从而实现了压缩;对m-1级八分体继续进行合并处理,一直到