欢迎来到天天文库
浏览记录
ID:33074409
大小:4.65 MB
页数:45页
时间:2019-02-19
《线和面目标间空间关系集成表达方法与应用-研究》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、硕士学位论文第一章绪论1.1空间关系概述第一章绪论空间关系一直是国际学术界对GIS基础理论问题的研究重点之一,空间关系是指地理实体之间存在的一些具有空间特性的关系,如拓扑关系、方向关系等,是空间数据组织、查询、分析、推理的基础,是人类对地理现象和环境的认知概念在GIS中的直接反应,为GIS分析提供基本的理论和方法支持。早在八十年代,Boyle为代表的学者们提出了需要发展空间关系的基本理论,同时强调了空间关系理论研究对GIS发展的重要性【1嗣,近年来,空间关系理论已经应用到一些热门领域,如时空数据挖掘13]、图像检索【4】、制图综合质量评价与控制【51、多源/多类
2、型/多尺度空间数据集成(融合)与更新【61171、人工智能领域的空间推理【81等。空间关系表达了空间数据之间不同层次的一种空间约束,包括拓扑关系、方向关系、度量关系【9】【10l,可以用来减少空间计算复杂性和计算量,加快空间查询速度和提高空间分析精度。目前国际上对空间关系的研究主要集中在空间关系的语义问题、空间关系描述、空间关系的表达、基于空间关系的查询分析等方面,其中空间关系的描述和表达方法一直是国内外学者研究的热点,并且一般都从拓扑关系、方向关系和度量关系三个方面来进行探讨。其中拓扑关系被认为是最基本的空间关系,为此国内外学者提出了众多拓扑关系描述模型,模型
3、的描述和区分能力是重点,已提出的模型各有特色、区分能力各异,因此目前还没有统一的模型,还需要有更好的发展。另外,方向关系和度量关系作为更强的空间约束,其发展不仅是GIS发展的需要,更是许多领域比如空间场景变化探测和结构相似性分析【ll】发展的需要。因此,空间关系理论的研究和发展是一个长期的课题。下面分别对拓扑关系、方向关系、度量关系三个方面的研究现状进行归纳、评价分析,指出目前存在的问题。国内外学者提出了众多的拓扑关系表达模型,包括Egenhofer等人提出的基于点集拓扑方法(即点集边界、内部和外部)的4交【12l和9交模型【13l。陈军等人利用目标的Voron
4、oi区域来改进9交模型中目标的外部,并提出了基于Voronoi区域的9交模型【141,为了区分不同维数的拓扑关系情形,Clementini等人发展了维数扩展方法(TheDimensionExtended胁历D正简称DEM)115J,并对4交和9交模型进行了维扩展,即取交集的维数,从而得到维数扩展的4交和9交模型(DE-4IMor9zM)。随后,Clementini&DiFelice对上述模型的区分能力进行了比较分析,并提出了一种基于演算的描述方法(Calculus-basedMethod,CBM)061。为了生产研究需要,人们还在不断研究合适的更好的拓扑关系表达
5、模型。硕士学位论文第一章绪论方向关系是一种描述空间目标相对方位的几何约束。在应用空间方向关系时,一个最基本的问题是如何有效地建立描述空间方向关系的形式化模型。虽然已经出现了一些较为成熟的模型,但它们多是一种近似模型,描述的并不是两个原始目标本身之间的空间方向关系,而是对原空间目标进行形状简化后所得的替代空间目标方向关系的描述。这种近似简化处理导致了根据模型所判断的结果与实际情形不完全一致。例如,锥形模型(Cone.shapedModel)t"J是以参考目标的质心代替参考目标,利用指向分别为东、南、西和北的四条相互垂直的射线划分平面。最小约束矩形模型(Minimu
6、mBoundingRectangleModel,MBR)[¨】描述的是两个空间目标在X、Y轴上的MBR之间的方向关系。最小外接矩形模型(MinimumEnclosingRectangleModel)[19l描述的是两个原空间目标的最小外接矩形之间的方向关系。方向关系矩阵模型(DirectionRelationMatrixModel)120】描述的是参考目标的MBR与源目标的空间方向关系。方向Voronoi模型【2l】贝0首先对两个原目标进行图形综合,然后确定所得新图形之间的可视区域,生成DelaunayTIN信息,并得到相应的可视区域的Voronoi图,最后结合
7、目标和Voronoi边的侧位关系,计算Voronoi边的方位角,将它们的并集作为原目标间的方向关系。杜世宏等提出了细节方向关系表达模型瞄】。特别地,由于计算机无法自动地模拟人脑的思维过程,无法直接从两目标的图形信息中提取定性的空间方向关系信息,因此空间方向关系的形式化描述必须遵从“先定量计算,后定性描述”的次序。提高定性描述模型精度的关键在于减少对原始空间目标进行过多的简化假设,并发展定量演算模型。度量关系用来描述空间目标之间的相对位置分布情况,反映空间邻近目标之间的接近程度和相似性程度。空间目标间的距离关系在邻近分析、相似性分析、聚类分析、缓冲区分析、图像匹配
8、、目标跟踪识别等诸多应用
此文档下载收益归作者所有