本科第五章数字地图自动综合.pptVIP

地图自动综合的基本方法 线化简的基础算法 （3）光栏法（圆盘法） 该方法首先由点和限差圆盘来定义一个扇形，根据曲线上点是否在扇形区域内来确定点的取舍。 ①将圆盘置于点P2上，由P1向圆盘引切线，得到一扇形区域，判断P2后点位于扇形区域的情况； ②若P3不在扇形内，保留P2，从P2开始；若P3在扇形内，舍去点P2，连接P1和P3； ③将圆盘置于P3上，由P1向圆盘引切线，得到一扇形区域，同时取两扇形区域的交为新的判断区域； ④判断下一个点，重复②、③，直到发现有点不位于最新定义的扇形区域为止； ⑤当发现在扇形区域外的点时，如图点P4，保留点P3，从点P3开始重复①到④。 地图自动综合的基本方法 线化简的基础算法 (四)无约束的扩展局部处理算法，利用线的复杂程度、坐标点的密度、开始点的定位等来搜索相邻的点。 Reumann-Witkam法（1974） 线化简的基础算法 (五)全局处理算法，它考虑整条线或特定线段的特征，从而选取特征点。 Dauglas-Peucker算法：从曲线整体出发的一种全局的处理方法，它通过递归的方法来选择曲线上点。该算法具有平移、旋转的不变性，给定曲线和限差后，化简结果一定 理论基础是认为曲线图形的信息主要集中在曲线的特征点上，而特征点多发生在弯曲强(转角大)的地方，也就是极值点。 它有五个优点：①选择的点是原始曲线上的点，从而保证了精度；②综合后的曲线与原曲线相比，整体位移最小；③选择的点与手工综合中选择的关键点基本一致；④保持分维值；⑤继承性，就是某一化简层次下选取的点在更低的层次下仍被选取，这在BLG树中有重要应用。 实验表明Dauglas-Peucker算法是从全局角度选择了曲线上的关键点，它能有效地保持图形的分维数，综合后的总体位移矢量最小 Dauglas-Peucker算法 Dauglas-Peucker算法原理 Dauglas-Peucker算法示例 地图自动综合的基本方法 线化简算法分析 严格的曲线综合应包括化简、光滑、位移、增强以及综合后的评估等，其中化简是线性综合最主要的方面，狭义上的线性综合就是指曲线的化简。 线化简有多种类型不同的化简算法，这些算法的一个共同点就是保留几何特征点或删除不合条件的点，判断特征点常常是这些算法的核心，特征点包括曲线的端点、极值点、拐点等。 这些算法都是从曲线的几何特征出发，进行曲线的综合，基本上只适用于单条线而没有考虑地图表示中线的上下文关系，因而不能避免线的自交。 基于图形的弯曲分析进行曲线的化简的方法能较好保持曲线的图形特征，从而照顾曲线的空间分布特征。 ESRI基于弯曲分析开发了一个叫BENDSIMPLIFY的程序 地图自动综合的基本方法 虽然Dauglas-Peucker算法可产生一些好的结果,但由于缺乏拓扑控制，它可能会因删除了一些原始点而产生自相交线。另外，该方法对初始条件（开始点）较为敏感，限差的选择要进行适当的实验，并且选取的点并不完全都是关键点。 一些新的方法试图通过改进Dauglas-Peucker算法以避免自交并保持其总体的数据结构，但关注其限差值的确定问题则不多，尤其是限差与尺度的相关关系方面。 Ruas(1995)提出应用多种方法的集成如拓扑、几何、层次分解以及局部三角剖分,来检测并解决自动综合的冲突。 Harrie(1999)将因空间冲突而需要移位的所有地图目标划分为五类，研究了每一类的移位行为并提出了基于约束的处理方法。 Peter H?jholt(2000)则基于有限元分析提出了一种解决地图综合空间冲突的新方法。 Li和Openshaw(1992)就描述了这样一种称为自然原理的综合算法，其原理类似于从越来越远处察看的效果 自动综合的分形方法 分形分析方法能够有效地描述图形形状及其复杂程度的变化，并建立图形形状变化与尺度变化之间的数量关系。借此可以实现保持图形形状结构特征的自适应自动综合，为有效地控制自动综合过程提供实用模型。 线状要素的分形化简：用步行构造法进行线状要素自动综合的算法。其步骤为： (1)读入综合前线要素的点列坐标，(i=1，2，3，…，n)，和综合前、后的比例尺分母M1，M2； (2)按步行构造法，确定点对序列(logSi,logL(Si))，i=1-M； (3)求出无标度区[d1，d2]和分维值D，其中d1=logS1，d2=logS2； (4)令；利用LM1/LM2=(M2/M1)D-1求出LM2； (5)把LM2代入式中，得。 (6)以为步长，用步行构造法，略去小于尺度的细节，并输出保留点构成综合后的图形。如图5－21。等高线综合应用见图5－22 自动综合的小波分析方法 线状特征(Polyline)数据的自动综合 自动综合的小波分析方法 地貌数据的自动综合 自动综合的小