排序方式: 共有9条查询结果,搜索用时 0 毫秒
1
1.
在诸多研究领域中,判断点是否在多边形内是一个非常基本的问题。在分析了解决这一问题的传统方法基础上,提出了一种基于梯形分割的点面包含算法。该算法将多边形分割成若干个梯形网格单元,将判断点是否位于多边形内的问题转化为判断点是否位于梯形网格单元中这一问题。算法已用于GIS平台软件相应的包含分析模块,试验结果证明该算法稳定可靠、适用于任意复杂多边形而无需对奇异情况进行单独处理。 相似文献
2.
论文提出一种基于点集自适应分组构建Voronoi图的并行算法,其基本思路是采用二叉树分裂的方法将平面点集进行自适应分组,将各分组内的点集独立生成Voronoi图,称为Voronoi子图;提取所有分组内位于四边的边界点,对边界点集构建Voronoi 图,称为边界点Voronoi图;最后,针对每个边界点,提取其位于Voronoi子图和边界点Voronoi 图内所对应的两个多边形,进行Voronoi多边形的合并,最终实现子网的合并.考虑到算法耗时主要在分组点集的Voronoi图生成,而各分组的算法实现不受其他分组影响,采用并行计算技术加速分组点集的Voronoi图生成.理论分析和测试表明,该算法是一个效率较高的Voronoi图生成并行算法. 相似文献
3.
论文提出一种基于点集自适应分组构建Voronoi 图的并行算法,其基本思
路是采用二叉树分裂的方法将平面点集进行自适应分组,将各分组内的点集独立生成
Voronoi 图,称为Voronoi 子图;提取所有分组内位于四边的边界点,对边界点集构建Voronoi
图,称为边界点Voronoi 图;最后,针对每个边界点,提取其位于Voronoi 子图和边界点Voronoi
图内所对应的两个多边形,进行Voronoi 多边形的合并,最终实现子网的合并。考虑到算法
耗时主要在分组点集的Voronoi 图生成,而各分组的算法实现不受其他分组影响,采用并行
计算技术加速分组点集的Voronoi 图生成。理论分析和测试表明,该算法是一个效率较高的
Voronoi 图生成并行算法。 相似文献
4.
考虑到基于直接编码的栅格数据在计算效率和存储能力上的不足,提出一种便于代数操作的游程编码数据结构,以优化基于直接编码栅格数据的代数运算。介绍了基于该数据结构的游程“交”运算的实现方法,并在算法实现过程中完成游程属性的各种代数运算。提出使用这种游程的“交”运算完成多边形的叠置分析,其基本思路是:分别将两个图层中的多边形数据转换为游程集合,在栅格场中的任一行上使用叠加图的游程单元与底图上该行的游程集合执行“交”运算,逐行执行这种游程“交”运算得到两个图层之间多边形相交的结果游程集合,并根据“Union”、“Erase”等不同的叠置方式提取满足条件的游程单元,最后将游程矢量化为多边形数据输出。在叠置运算过程中,通过游程的“交”运算即能够实现图层间多边形的各种叠置方式,表明该运算具有很强的通用性。 相似文献
5.
一种基于矢量边界追踪的缓冲区生成方法 总被引:6,自引:0,他引:6
利用缓冲区边界曲线上各点离缓冲目标距离相等的性质,尝试应用中心线生成的矢量追踪方法的思想,以线目标缓冲为例,设计了一种基于矢量追踪技术的缓冲区生成算法。该方法可回避现有矢量方法中进行的弧段求交、切割重组、边界闭合等复杂矢量计算过程,通过追踪即可一次性获得完整的闭合边界曲线,同时又具有矢量方法计算精度高的特点。论文阐述了算法的基本原理、实现步骤和关键问题,分析了该方法的存在问题,并对其优化措施进行了原则性讨论。 相似文献
6.
地图产品由传统纸质地图发展到电子地图,空间信息的可视化表达手段发生了巨大变化,从平面到三维,从静态到动态,从实体到虚拟。为克服传统分级统计图法在表现形式、视觉感受存在的局限性,以中国大陆各省区2004—2013年GDP制图为例,探讨了三维动态柱状图的专题地图表达方法,以三维柱状图的高度和柱体颜色2个变量表达2个不同的属性值,合成不同时间点的三维柱状图进行动态显示。结果表明,三维动态柱状图能够较好地反映分区统计数据的空间分布、动态变化等特征,较其它表现形式更有直观、表现力强、易于理解等优势。 相似文献
7.
8.
9.
与中低分辨率相比,高分辨率遥感影像的信息比较丰富,在使用常规k-NN分类方法基于像元进行高分辨率遥感影像分类时会产生大量的“椒盐噪声”和地物类别错分。根据地理学第一定律,引入地统计模型,将地理权重加入到常规k-NN分类方法中,形成新的地理权重k-NN分类器(Geographically Weighted k-NN,GWk-NN)。该方法首先通过条件概率函数计算出训练样本数据的空间分布特征,然后通过地统计模型对空间分布特征进行拟合,为每种地物选择合适的权重模型,这样既保留了遥感影像中地物的光谱特征,又融入了地物的空间特征,在一定程度上减少甚至消除了“椒盐噪声”,提高了分类精度。GWk\|NN和常规k\|NN分类器分析对比表明:GWk-NN分类方法提高了高分辨率影像的分类精度。 相似文献
1