摘要：提出了一种基于地理特征约束的曲线化简方法。该方法依据曲线形态特征,利用约束Delaunay三角网模型对曲线弯曲进行了初步划分,利用弯曲探测方法识别基本弯曲和复合弯曲,利用弯曲追踪方法获取弯曲间的层次与相邻关系,实现了曲线形态的完全结构化;获取了曲线有效空间邻域内包含的其他地理要素知识,并依据曲线形态分解到各个弯曲中;设计了弯曲取舍的判断规则以及弯曲删除的完整实现过程。实例证明,本算法无论在线要素的整体形态保持上,还是在地理特征的一致性保持上都非常有效。

摘要：提出一种基于遗传算法的曲线化简方法。根据曲线化简问题的特点,设计了保证有效的交叉算子和局部寻优的分裂变异算子;针对固定遗传概率容易引起早熟的问题,设计了可根据个体适应度及种群整体状态自适应调节的遗传概率。试验证明:与传统化简方法相比,该方法能得到更优的化简结果;与基于现有典型遗传算法的曲线化简方法相比,该方法具有更好的全局收敛性。

摘要：等深线化简是海图综合的重要研究内容。针对现有化简方法存在的化简弯曲识别不准确、化简不彻底等问题,提出了一种Delaunay三角网支持下的等深线化简算法。首先,对等深线构建约束Delaunay三角网,实现了等深线弯曲结构的二叉树表达;其次,基于约束Delaunay三角网结构,改善了等深线上需要化简弯曲的识别方法;最后,设计了多种化简手段,建立了新的等深线化简模型,实现了对等深线形状的彻底化简。实验结果表明,化简结果能够满足航行安全要求,等深线的主要弯曲特征得到了有效保持和清晰表达,化简精度符合制图要求,且能够有效避免自交。

摘要：针对现有曲线弯曲识别方法在弯曲划分结果上与人眼感受不相符的问题,提出一种顾及空间认知规律的曲线弯曲识别方法.从空间认知的角度出发,通过综合运用视觉思维、抽象思维,对曲线弯曲识别过程及曲线弯曲的本质属性进行科学的认知分析,设计了自适应的曲线弯曲识别方法,实验验证了算法的有效性与合理性.研究结果表明:以认知规律为指导的曲线弯曲识别方法,准确地揭示了曲线弯曲的4个共性,明确了曲线弯曲识别的基本流程,采用该方法得到的曲线弯曲在数量与质量上均与人眼感受保持很好的一致性.该研究突破了传统单纯以几何形态为指导的弯曲识别思路,研究成果初步实现了基于知识指导的曲线弯曲识别方法.

摘要：随着网络地图不断发展,个性化网络地图也得到快速发展。个性化网络地图需要以矢量数据为数据基础,以满足人们对地图色彩、符号等个性化要求,所以需要实时、快速进行大量数据化简。本文以经典Douglas-Peucker算法作为曲线化简算法,利用开源云计算平台Hadoop建立多机协作的曲线并行化简服务框架,设计和实现了多机并行Douglas-Peucker算法,并在集群上进行实验分析,验证算法的效率和适用性。算法核心是设计数据的逻辑分片,利用MapReduce计算原理,将分片分配到集群中,实现并行运算。实验分别分为两个方面:(1)比较在固定阈值不同数据量情况下,传统DP算法与多机并行DP算法效率;(2)比较在相同数据量不同阈值情况下,传统DP算法与多机并行DP算法效率。实验表明,在大数据量和高复杂度情况下,多机并行DP算法的效率更高。

摘要：地图综合要顾及目标的几何特征、语义特征和拓扑特征 ,其中地理意义是控制综合算子选择、参量调整的决定性因素。就线状要素而言 ,单从角度、距离、矢高等几何特征出发设计的曲线化简算法只能算作对曲线坐标串的几何压缩 ,不是真正意义上的地图综合。由于曲线的弯曲特征在表达线状地物地理特征上具有重要意义 ,对弯曲特征的识别、结构描述及操作分析成为目前线要素制图综合的研究热点。本文基于约束 Delaunay三角网模型提出一种方法描述曲线弯曲特征在深度上的层次结构 ,对曲线上的矢量点构建三角网 ,在三角网覆盖区域里 ,由外向内进行三角形的“剥皮”操作 ,根据“剥皮”行进过程中遇到的特征三角形构建二叉树 ,实现大弯曲套小弯曲层次结构的表达。该方法基于 Gestalt对称性、连续性原则 ,对二叉树结点进行考察 ,可提取认知意义上的真正弯曲。本文同时给出了弯曲特征二叉树在多边形 (闭合曲线 )