三维栅格数据生成与剖切算法研究

《三维栅格数据生成与剖切算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中南大学硕士学位论文三维栅格数据生成与剖切算法研究姓名：赵灿申请学位级别：硕士专业：计算机科学与技术指导教师：陈学工20090510摘要在三维地理信息系统(GIS)中，三维数据模型与数据结构是研究的核心。从数据描述格式的角度划分，三维空间数据模型可以归纳为栅格数据(Raster)、矢量数据(Vector)两种。由于栅格数据可以把空间对象以离散的量化栅格值进行表示，并且在三维空间中，在表现空间物体内部特征上有很大的优势，如非均值性的表达和空间分析，所以它是空间信息系统的重要基础之一。本文主要研究了

2、三维栅格数据的生成算法和基于栅格数据表示的模型的剖面显示算法。本文提出了一种改进的距离反LIe_,DH权(IDW)算法，通过此算法生成的三维栅格数据较为接近实际情况。该算法首先对离散点进行预处理，然后使用实验变差函数来估计数据的相关长度，再通过八分域搜索对每个空间域中的数据点按照其到待估数据点进行排序，最后选择每一个空间域中离待估计点最近的N个点使用普通的IDW算法进行插值运算。在本算法中，实验变差函数可以有效的减少搜索距离，而采用八分域搜索降低了“丛聚效应”现象的发生。在基于栅格数据表示模型的

3、剖面显示算法研究中，本文提出了一种快速搜索剖面与栅格体元相交的剖切显示算法，实现了任意平面和栅格体元相截。该算法首先计算剖切面与最外围相交的栅格体元，然后将截面按照Y值由小到大的顺序依次投影到XZ平面上，最后根据间隔之间的数学关系求出所有与剖面相交的栅格体元。该算法减少了所有栅格体元和剖面进行求交判断的计算量，在科学计算可视化中能很好地应用。关键字栅格数据，距离反IZDu权算法，八分域搜索，丛聚效应，剖切显示ABSTRACTIntheresearchofthethree-dimensionalG

4、eographicInformationSystem(GIS)，three—dimensionaldatamodelanddatastructureisthecore．Thethree-dimensionalspatialdatamodelincludestherasterdataandthevectordataaccordingtothedatadescriptionformat．Asaresultofspatialobjectscanberenderedbythediscreteraster

5、values，rasterdatastructurehasmoreadvantagesinshowinginnercharactersofspatialobject．Ithashigherefficiencyinheterogeneouscharacterandsomespatialanalysis．Soitisoneofimportantbasisforspatialinformationsystem．Thealgorithmofthree—dimensionalrasterdatacreat

6、ionandthealgorithmofsectiondisplayforrasterdatamodelaremostlyresearchedinthethesis．Amodifiedinverse—distanceweighting(IDW)algorithmisproposedinthethesis，whichgeneratestherasterdatacorrespondingtotherealsituation．Thisalgorithmfirstlymakesthediscretepo

7、intspre—processed，andsecondlyexperimentalvariationfunctionisusedtoestimatethecorrelationlengthofthedata．Thesearchmethodimplementedinthepapersearchesalleightneighboringoctantsofraster-node．Intheoctant—searchmethod，foreveryoctant，alldata—pointsaresorte

8、dbasedontheEuclidiandistanceoftheknownpointtotheestimatedpoint，finallyaselectednumberofdata—points，startingwiththeclosestones，isusedtocomputebytheordinaryIDWinterpolationalgorithm．Inthealgorithm，experimentalvariationfunctioncanreducethesearchdistance