一种新的点集平面点集凸壳构建算法.docxVIP

一种新的点集平面点集凸壳构建算法 0 凸壳构建算法 凸壳（cov博物馆）也称为凸壳，是指具有指定聚集距离的最小凸集合。在二维情况下,凸壳是由点集中部分点按一定方向顺次连接形成的凸多边形。凸壳是计算几何中一种最普遍、最基本的结构,许多问题可以归结为凸壳问题,凸壳在图像处理、模式识别、计算机图形学等领域有着广泛的应用。 常见的凸壳构建算法包括“卷包裹”算法、格雷厄姆算法、分治算法和增量算法。“卷包裹”算法时间复杂度均为O(n2);格雷厄姆算法、分治算法、增量算法时间复杂度均为O(nlogn),但这些算法计算过程都较为麻烦。 近年来,又有学者提出新的凸壳构建算法,如2000年周培德提出的Z3-2算法(称文献算法),2006年樊广佺等提出的八方向极值快速凸壳算法(称文献算法),2007年郝建强提出的利用正负划分性求平面点集凸包的算法(称文献算法),2010年吴文周等提出的算法(称文献算法)等。文献算法简化了凸壳计算过程,但由于该算法对凸壳特性利用仍不够(对不参与凸壳构建的点删除程度不够),计算效率仍不高,另外该算法在查找凸壳点的过程中对凸壳边进行不断分裂,随着凸壳边的增多,点到凸壳边距离的计算会变得越来越复杂;文献算法将构建凸壳由以往的四方向极值扩展到八方向极值,初步删除了更多不参与凸壳构建的点,但该算法仍具有与文献算法类似的缺点;文献算法本质上是文献算法的一个改进算法,它简化了求距离最大点过程,但整体运算过程并没有很大程度上的优化;文献算法创造性地应用了分治思想,单纯利用分治减小问题规模,提高了效率,该算法对凸壳点的查找利用了格雷厄姆方法,过程较为麻烦。 本文算法在深入研究前人成果的基础上,充分利用凸壳特性,提出一种新的凸壳构建算法。该算法的内核算法极大地加快了求解进程,在凸壳求解过程中,角域以极快的速度收敛,从而迅速逼近凸壳边。为进一步减少绝对运算次数,算法又引入迭代处理思想,从而再次提高算法效率。本文的效率分析和实验测试表明,新算法是一个时间效率高、空间开销少、可行而且稳定的算法。 1 理论基础 1.1 y特征点的计算 为方便算法依据定理的阐述,先引入几个相关概念,必要时,对这些概念在算法中的运用加以说明。 定义1 特征点。点集中,X坐标值或Y坐标值具有最值特性的点称为特征点。 在二维情况下,对于任意一个给定的点集,总是存在4类特征点:X值最小点、X值最大点、Y值最小点和Y值最大点。把X值最小点和X值最大点统称为X特征点;Y值最小点和Y值最大点统称为Y特征点。显然,特征点位于点集的最小外界矩形上。 一个点可以既为X特征点,也为Y特征点,点集中某类特征点也可以不止一个。本文算法中,如果点集中的某点既为X特征点,也为Y特征点,则对这一点分别按X特征点和Y特征点存储;如果点集中某类特征点不止一个,则选取其中一个作为特征点。最终的特征点总数按4个处理。 定义2 特征项。给特征点以最值特性的坐标项称为特征项。 X特征点具有X特征项,Y特征点具有Y特征项。对各特征点按逆时针方向顺次连接,称位于同一条线段上的两特征点为相邻特征点。容易推知,相邻特征点的特征项必然不同。 定义3 特征轴。过特征点,按其特征项所作的水平线或垂直线称为特征轴,并且称特征轴与该特征点相互关联。 对于一个特征点P,如果它具有X特征项,则它关联X特征轴,直线方程为X=P.x;如果它具有Y特征项,则它关联Y特征轴,直线方程为Y=P.y。 定义4 角域。连接相邻特征点,并分别作过这两个特征点的关联特征轴,形成的直角三角形区域称为角域。如果两相邻特征点对应同一个点,则角域收敛为一个点。 定义5 特征角。一个点和一个特征点的连线与该特征点的关联特征轴之间的夹角称为该点的特征角。 点与X特征点的相连形成的特征角称为X特征角,记为α;点与Y特征点的相连形成的特征角称为Y特征角,记为β。称角域内的所有点中,α值最小的点为α最小点,β值最小的点为β最小点,α最小点和β最小点统称最小角点。 特征角的计算方法为,设A为X特征点,B为Y特征点,P为角域内任意一点,则: ???α(P)=arctan(|P.x?A.xP.y?A.y|),P.y≠A.yβ(P)=arctan(|P.y?B.yP.x?B.x|),P.x≠B.x(1){α(Ρ)=arctan(|Ρ.x-A.xΡ.y-A.y|),Ρ.y≠A.yβ(Ρ)=arctan(|Ρ.y-B.yΡ.x-B.x|),Ρ.x≠B.x(1) 上式要求对角域内的任意点,存在P.y≠A.y且P.x≠B.x,事实上在运算中必然成立。当某点P存在P.y=A.y或P.x=B.x时,它必然位于当前角域边界外部,不会纳入当前角域的考察点集(这样的点会在之前的角域处理中被删除)。 1.2 混合式的聚合点pi、pj 定理1 点集的特征点一定位于凸壳上。 证明 由于特征点