利用可视化技术自动生成地质图件的研究

研究利用可视化技术自动生成地质图件。首先给出限制条件下的区域Delaunay剖分原理;其次采用了地质统计学中的克里金插值技术建立图件模型,提出了＂多边形＂扩张法搜索待插值三角网格顶点邻域内的已知采样点,以＂距离环绕法＂处理了断层和边界对插值结果造成的影响;结合地质图件自动建立过程;最后给出了一个具体的应用实例。     

矿山地质逆断层边缘子带合成矢量重构

由于层位面插值点缺失,对逆断层区域矿山地质层矢量建模和三维重构是技术难点。传统方法采用网格内三角剖分和数据内插的栅格网最小对角线插值方法,算法在重叠区域内产生种子点分布不均匀,对逆断层区域的三维重构效果不好。提出一种改进的基于逆断层区域边缘子带合成和矢量重构的矿山地质逆断层三维重构技术。基于不规则三角网的断面形成约束曲面构建,构建矿山地质逆断层区域复杂地质构造层面重构方法,在中层位和断层面的矢量相交点进行矢量裁剪,通过这些交点序列实现矿山地质逆断层区域复杂地质构造层面重构。按照拓扑约束条件,连接成面实现对矿山地质逆断层区域的矢量重构。仿真结果表明,算法计算的层面构造图实现了交线多边形的矢量表达和等值线与交线多边形的严格相交,能使得层面上下盘划分清楚,矿山重构准确性较高,展示了优越的应用性能。     

空间插值分析算法综述

空间插值分析算法是一种应用于将离散点的测量数据转换为连续数据表面的算法,能够将连续数据曲面与其他空间现象的分布情况进行比较,它在空间信息方面具有广泛的应用场景,尤其是地理信息方面.对泰森多边形法、反距离权重插值法、样条函数插值法、克里金插值法等空间插值算法的插值原理和应用场景进行综述,对空间插值分析算法的进展和未来研究方向进行了探讨.     

硬件加速的渐进式多边形模型布尔运算

多边形模型的布尔运算中包含复杂的求交计算以及多边形重建过程,精度控制和处理效率是其中的关键.为了降低布尔运算复杂度,提出一种适合硬件加速的基于渐进式布尔运算的多层次细节网格模型生成方法.该方法采用分层深度图像来近似表示多边形实体的封闭边界,将多边形的求交计算简化为坐标轴平行的采样点的实体内外部判断;为了免去各层次细节模型的重复采样过程,渐进式地将边界采样点归并到低分辨率下的立方体中;运用特征保持的多边形重建算法将相同立方体内的边界采样点转换成多边形顶点,根据邻接关系生成网格模型.上述算法使用支持图形硬件加速的CUDA编程并行实现.实验结果表明了算法的可行性.     

基于Delaunay三角网的克里金并行算法优化

当采样点数据量较大时, 可以采用Delaunay三角剖分建立三角网来使用局部邻域采样点进行克里金插值. 但是该算法需要对每个插值点拟合半变异函数, 插值点规模大时造成巨大开销. 为此, 本文提出了一种以三角形为单位拟合半变异函数的克里金插值方法, 采用CPU-GPU负载均衡将部分计算优化, 充分考虑不均匀样本对克里金插值效果的影响. 结果表明, 本文算法能够保证不均匀样本集的插值效果, 提升了计算性能且能够保证较高的精度.     

VAOS克里金插值在三维地震属性平面图的应用

三维地震属性数据巨大,在实际应用中一般采用局域克里金插值算法进行插值。目前常用的指定距离半径、指定点数、kd-tree等搜索算法均涉及距离计算、遍历已知点,相对较为费时。对此,提出一种无须距离计算、无须遍历已知点而直接利用待插值点位置的增减实现邻域点的选取方法(VAOS),以高效实现克里金插值。经过实验验证,在同精度下,该算法比距离半径搜索法快数十倍。     

一种基于ROI的自适应3维医学图像插值方法

断层间插值是医学图像3维重建的一个重要环节。为克服现有算法带来插值图像边界模糊和计算量大等问题,提出了一种新的适合医学图像处理的自适应插值算法。该算法充分利用组织相关性和体素相关性等特点,先判断待插值点是否属于感兴趣区域,再根据曲面相似性原理确定最佳点对进行插值。实验结果表明,插值出的新图像不仅在灰度值上,而且在组织形状上更符合实际需求。此外,该算法在计算时间上比现有的同类插值算法有了很大的改善,能有效地应用于3维重建。     

判断点与多边形拓扑关系的改进算法

为了解决射线法不能有效地判断点在复杂多边形内或外的问题,根据射线与多边形边界相交的特性,分析射线所经过的多边形的不同类型顶点,提出了对顶点数加1、加2和加3的运算方法。通过判断交点个数的奇偶性,改进了射线法,并给出了计算模型和算法的详细步骤,简单有效的将现有的射线法扩展到更复杂的多边形中,能准确的判断点与多边形的位置关系。4种不同算法对比分析结果表明,该算法能解决其它3种算法存在的问题,并且在简单多边形和复杂多边形中都是有效的。     

三峡区间面雨量空间插值方法对比分析

空间插值是常用的面雨量计算方法,以三峡区间为研究对象,选取反距离加权、普通克里金、协同克里金3种空间插值算法,进行面雨量空间插值计算和对比分析,其中协同克里金插值将地形作为影响因素。三峡区间面雨量插值结果表明:克里金插值在精度上要优于反距离加权插值,插值效果也更平滑;协同克里金的插值精度优于普通克里金,平均绝对误差、误差均方根相对于普通克里金插值分别降低了19%,10%。因此,在山区或地形复杂区域的面雨量计算,将地形作为协同区域化属性的协同克里金插值更合适。     

一种断层多边形自动平滑方法

提出了一种断层多边形平滑方法。该方法针对利用边界追踪算法提取断层多边形,利用断层多边形折线之间的角度,边长等因素,在保持断层多边形形态的前提下对断层多边形进行平滑,改善了断层多边形的视觉效果和美观,为地震资料解释提供了一种很好的方法。经过大庆油田多地区地震图像的验证,此断层多边形提取与平滑方法可以有效提取出断层多边形并去除断层多边形的毛刺,对断层多边形平滑效果显著。     

通用点线面集Delaunay三角剖分与动态编辑

总结并提出了一种通用点线面集Delaunay三角剖分与动态编辑的统一算法。可以实现离散点的Delaunay三角剖分,约束线、面的Delaunay三角剖分,任意多边形内带特征约束(包括点、线、面)的三角剖分,一般Delaunay三角剖分的外边界都是其离散点集的凸包,且内岛屿一般没有挖掉,本算法实现了Delaunay三角剖分时内、外边界的保界处理。     

Kriging方法在输电线路气象环境建模中的应用

由于气象测点个数有限、分布不均匀且与线路走廊不一致,无法为研究灾害引发的线路故障及其防御技术提供精确的输电线路气象环境数据模型.为此,本文分析了Kriging空间插值方法的实现原理,应用Kriging插值方法实现对输电线路气象环境数据的网格化建模,并制定插值结果校验方法及评价标准,选取江苏省级电网可获取的996个气象测点2017年某日的温度数据,通过Kriging法进行网格化插值并对结果进行分析比较,验证了适用于该区域输电线路的温度数据网格化插值的Kriging半变异函数模型的选取过程.     

基于网格简化的参数化方法

提出一种基于网格简化的三角网格参数化方法，该方法通过构建并参数化边界三角网格来自动完成复杂三角网格边界的参数化，然后通过一系列局部计算完成网格内部点的参数化．采用该方法得到的参数值可较好地反映三角网格的特性，而且计算具有较高的效率．     

基于顶点与邻边相关性的多边形填充算法

为了加快多边形填充算法的运算速度，在深入挖掘顶点与相邻边关系对填充算法影响的基础上，提出了一种基于顶点与邻边相关性的多边形填充算法。该算法首先归纳了多边形顶点与邻边相关性的5种典型类型，然后依据顶点与邻边的相关性，对原有多边形进行了分割与重新组合，使其完全由简单的三角形和梯形这样的单元区域组成，这样就将复杂的多边形填充问题转化为这些单元区域的填充问题，并由此将扫描线与多边形边求交的乘除计算转化为加减运算。通过实验分析，新算法大大减少了运算的时间和复杂度，从而为多边形填充创造了一种有效的新途径。     

点云数据压缩中的边界特征检测

点云数据压缩是逆向工程产品建模中必要的数据预处理手段之一。常见的数据压缩算法未考虑点云边界数据点的保留问题，因此在大比例压缩过程中会出现边界数据丢失的情况，从而破坏了数据的完整性。为此，提出了一种利用点云数据小邻域内点的相邻关系来检测边界特征点的算法。该算法能检测出点云数据的内、外边界特征点，同时对边界上的点进行排序，检测出边界特征点中的过渡点，最后构建点云轮廓的边界多边线。该算法不仅能满足在点云数据压缩过程中检测并保留边界特征点的要求，而且生成的边界多边线也为后面的3维模型重建奠定了基础。     

针对Kriging插值结果的空间查询方法

Kriging插值方法及其各种改进模型已被广泛应用,但由于其插值结果是栅格形式,因此不利于与矢量数据叠加分析。为了更加便捷地使用插值结果,在衡量Voronoi图和最小外接矩形特点的基础上,提出了适用于Kriging插值结果的数据结构及空间查询方法。查询某一点位的特征值时,先通过区域的最小外接矩形初步判断出该位置可能存在的区域,进而逐一判断点与所选区域的空间关系,根据点所在区域的属性值得到该点位的特征值。该方法实现了对Kriging插值结果的空间查询,其正确性通过某露天矿的实际运行数据得到了验证。实验结果表明,该方法的查询效率控制在毫秒级,能够满足矿区车载终端程序及类似应用的需求。     

基于不规则网格的传感数据Kriging插值算法

传感器网络节点数量的有限性和部署的随机性使其监测区域存在测量空洞,导致传感数据集不完整。为此,提出一种基于不规则网格的传感数据Kriging插值算法,对监测区域做不规则划分,以适应节点随机部署的特性。通过近点邻域搜索算法,确定待插值点的邻居节点,并据此求解Kriging矩阵,实现快速插值。基于英特尔-伯克利传感数据集的实验结果表明,该算法具有较高的插值精度。