一種聚集性面群中毗鄰區(qū)自動識別與處理方法

李成名,殷 勇,武鵬達(dá),劉曉麗

1. 中國測繪科學(xué)研究院，北京 100830; 2. 空天地海一體化大數(shù)據(jù)應(yīng)用技術(shù)國家工程實驗室, 陜西 西安 710072

毗鄰化(agglomeration)是保持具有毗鄰特性的聚集性面狀要素群(簡稱毗鄰區(qū))結(jié)構(gòu)化特征的幾何變換，具體地講，是指通過將毗鄰區(qū)內(nèi)的狹長空白分割(簡稱橋接面)收縮為線，從而使被其分割的相離面要素成為毗鄰面要素的幾何變換過程[1]。當(dāng)?shù)貓D表達(dá)的比例尺從大變小時，圖上毗鄰區(qū)內(nèi)部的帶狀橋接面由于較為狹長難以在圖上表現(xiàn)，而現(xiàn)實應(yīng)用中又要求其結(jié)構(gòu)特征必須保持，故毗鄰化操作十分重要。

文獻(xiàn)[1]率先提出了毗鄰化操作的基本原理，即以空間疊加分析獲取橋接面，并基于Delaunay三角網(wǎng)提取橋接面骨架線的方式實現(xiàn)聚集面群的毗鄰化；文獻(xiàn)[2—3]進(jìn)一步總結(jié)并細(xì)化了毗鄰化實現(xiàn)的具體思路；文獻(xiàn)[4—5]將毗鄰化操作應(yīng)用于水系要素中的散列湖泊、養(yǎng)殖水域多邊形等要素的綜合，并形象地將沿著骨架線將多邊形邊界進(jìn)行縫合的毗鄰化過程形容為“拉上拉鏈”，通過試驗驗證了良好的處理效果。然而，這些研究建立在一個假定前提下，即適合進(jìn)行毗鄰化操作的聚集性面狀要素群(即毗鄰區(qū))已確認(rèn)。在實際的地圖數(shù)據(jù)中，面要素通常離散分布在各處，這一假定通常不成立，故如何準(zhǔn)確識別毗鄰區(qū)是一個難點和重點；另外，對于邊界存在凹凸結(jié)構(gòu)的復(fù)雜毗鄰區(qū)，如何合理、準(zhǔn)確地完成其毗鄰化也是一個難點。針對以上兩點，本文提出了一種聚集性面群中毗鄰區(qū)自動識別方法，并對現(xiàn)有的毗鄰化操作方法進(jìn)行了改進(jìn)，增強普適性。

1 相關(guān)工作

1.1 現(xiàn)有毗鄰化方法

文獻(xiàn)[2]給出了毗鄰化操作的實現(xiàn)思路：計算聚集面群的最小外接矩形(minimum bounding rectangle,MBR)，并通過最小外接矩形對原始面群求補，從而提取面群之間狹長橋接面，并將其轉(zhuǎn)換為可操作的面要素，進(jìn)而計算其骨架線，作為面群新的邊界線，達(dá)到毗鄰化操作的目的，如圖1所示。

圖1 矢量多邊形的毗鄰化Fig.1 Agglomeration of vector polygon

1.2 現(xiàn)有毗鄰化方法存在的不足

毗鄰化操作是由計算最小外接矩形、提取橋接面等幾個關(guān)鍵算法組合而成的地圖綜合操作，但它并不是上述幾個算法的簡單疊加，而是要求綜合前后具有毗鄰特性的聚集性面狀要素群(毗鄰區(qū))具有一致的幾何邊界輪廓，橋接面骨架線具有與橋接面一致的主體形狀及延展性，并能準(zhǔn)確反映要素之間的鄰近關(guān)系。由于實際地圖數(shù)據(jù)的復(fù)雜性，現(xiàn)有方法存在以下不足：

(1) 形狀多樣的面要素通常無規(guī)律地分布在一定的地理區(qū)域內(nèi)，根據(jù)其形狀及結(jié)構(gòu)特征識別出具有毗鄰特性的聚集面群(毗鄰區(qū))是實現(xiàn)毗鄰化自動處理的重要前提，但現(xiàn)有研究均未對此給予足夠的關(guān)注。

(2) 實際地物邊界輪廓并不規(guī)整，通常帶有凹凸結(jié)構(gòu)。當(dāng)使用凸殼、最小外接矩形(MBR)或最小面積外接矩形(minimum area bounding rectangle，MABR)[6-7]對其外邊界進(jìn)行概括時，存在冗余的邊界空間，如圖2所示，現(xiàn)有方法在毗鄰化過程中對原圖求補時，所得結(jié)果比真實面積大，如圖2(c)中陰影部分所示，這些冗余空間會導(dǎo)致骨架線的誤提取。

(3) Delaunay三角網(wǎng)因具備鄰近性、最優(yōu)性、區(qū)域性、凸多邊形等多種優(yōu)異特性[8-9]，常被用于面要素骨架線提取，但據(jù)此提取的主骨架線并非是毗鄰化操作的最優(yōu)骨架線(稱為毗鄰化線)。由橋接面獲取方式可知，毗鄰區(qū)中各個面要素自身的幾何凹凸結(jié)構(gòu)同樣會反映在橋接面的幾何形狀中，并對橋接面邊界處的骨架線取舍有直接影響。若依骨架線長度或骨架線所占三角形面積作為最優(yōu)骨架線的判別選取標(biāo)準(zhǔn)，容易造成骨架線的誤提取，如圖3所示。依據(jù)主骨架線提取方法，則凹陷結(jié)構(gòu)處形成的骨架線OB會取代OA成為最優(yōu)骨架線，末端節(jié)點受凹陷部分影響并非落在邊界，這是不合理的。

圖2 面群最小面積外接矩形示例Fig.2 MABR of area group

圖3 最優(yōu)骨架線末端點未落在邊界Fig.3 The end point of the optimal skeleton line does not fall on the boundary

2 一種毗鄰區(qū)自動識別及處理方法

本文所提方法的核心包括3部分：①毗鄰區(qū)自動識別。總結(jié)提煉毗鄰區(qū)的典型結(jié)構(gòu)特征，并基于這些特征漸進(jìn)式辨識。②優(yōu)化外圍邊界輪廓算法。引入緩沖區(qū)變換實現(xiàn)對外圍邊界輪廓的準(zhǔn)確計算。③邊界約束下的骨架線修正。以橋接面邊界作為約束修正主骨架線，規(guī)避其末端節(jié)點未落邊界的缺陷，形成適宜毗鄰化線的最優(yōu)骨架線。

2.1 毗鄰區(qū)自動識別

人在視覺感知過程中，往往服從于某些圖形特定的組成規(guī)律，自然而然地會追求事物的結(jié)構(gòu)整體性或守形性[10]，Gestalt心理學(xué)的圖形理論在這方面進(jìn)行了深入的研究和討論[11]。毗鄰區(qū)是具有毗鄰特性的聚集性面狀要素群，其通常被狹長條帶狀橋接面分割且呈集中連片分布狀態(tài)，因此，對于毗鄰區(qū)識別，適用的Gestalt原則包括：鄰近性原則(proximity)、連續(xù)性原則(continuation)、緊湊性原則(compactness)。遵從上述原則，提煉總結(jié)了毗鄰區(qū)的結(jié)構(gòu)特征，并開展基于這些特征的自動識別。

2.1.1 毗鄰區(qū)典型特征

2.1.1.1 帶狀橋接面寬度

(1) 寬度閾值

聚集性面狀要素群個體形狀多樣，帶狀橋接面寬度(width index，WI)實質(zhì)上是相鄰面要素之間的間距(TBDistance)。假設(shè)從原始尺度1∶Oscale綜合縮編至目標(biāo)尺度1∶Tscale(Tscale>Oscale)時，首要任務(wù)是通過分割寬度閾值(BWthreshold)來辨識帶狀橋接面，以確定聚集性面狀要素群是否為毗鄰區(qū)。依據(jù)目標(biāo)比例尺，根據(jù)公式(1)計算出寬度閾值。

TBDistance=BWthreshold×Tscale

(1)

(2) 寬度計算

步驟1：利用最小面積矩形計算聚集性面狀要素群邊界，如圖4所示。

步驟2：加密最小面積矩形邊界及面群各要素邊界節(jié)點[12]。因為這些節(jié)點通常被用于描述面狀地物重要形態(tài)特征，如拐點、相交點等，一般數(shù)量較少，為提高后續(xù)分割寬度計算精度，需加密兩類邊界上的節(jié)點。具體方法為：設(shè)定加密步長d，d的取值通常采用要素邊界最短弧段的長度；以d為基元在兩個節(jié)點之間進(jìn)行采樣得到加密點，如圖5所示。

步驟3：采用逐點插入算法建立邊界約束的Delaunay三角網(wǎng)，如圖6(a)所示。

圖4 聚集性面狀要素群邊界Fig.4 Boundary of aggregated area group

圖5 面要素節(jié)點加密Fig.5 Increasing density for area element nodes

圖6 橋接面寬度計算Fig.6 Width calculation of bridging area

步驟4：約束Delaunay三角網(wǎng)中三角形連接了兩個具有鄰近關(guān)系的面狀要素，圖6(b)為圖6(a)中三角網(wǎng)的局部放大。不難發(fā)現(xiàn)，通過三角形ABC的邊AB或AC很容易獲知P1和P2為鄰近面狀要素。計算兩個相鄰面狀要素之間所有Delaunay三角形的高(在要素邊界輪廓上的邊所對應(yīng)的高)，并將其平均值作為鄰近要素之間的間距(BDistance)

(2)

式中，n為兩相鄰面之間Delaunay三角形的總個數(shù)。

步驟5：根據(jù)帶狀橋接面寬度閾值(TBDistance)，若兩個鄰近面狀要素的BDistance≤TBDistance，則識別為候選毗鄰區(qū)子集，以此類推，提取候選毗鄰區(qū)全集。

2.1.1.2 有效連接特征

針對彼此鄰近的面要素，根據(jù)Gestalt連續(xù)性原則(continuation)，當(dāng)其中一個面要素某些部分視覺上與另一個面要素連接在一起，那么這兩個要素可以認(rèn)知為一個整體，故判斷兩鄰近要素之間的可連接區(qū)域面積在整體中的占比是識別毗鄰區(qū)的核心指標(biāo)。本文引入有效連接指數(shù)(effective connection index，ECI)來反映該指標(biāo)。指標(biāo)計算的具體步驟為：

步驟1：基于邊界約束Delaunay三角網(wǎng)，識別連接兩鄰近要素的Ⅱ類三角形[13-15](有兩個鄰近三角形的一類三角形)，并將其作為兩要素之間的連接區(qū)域，如圖7中黃色及綠色背景區(qū)域。

步驟2：計算各個三角形的內(nèi)角，將內(nèi)角不包含鈍角，且其鄰近三角形的內(nèi)角同樣不包含鈍角的三角形稱為有效三角形。這些有效三角形覆蓋的區(qū)域稱為有效連接區(qū)域(connectable area，CA)，如圖7中綠色背景區(qū)域，其他區(qū)域稱為無效連接區(qū)域，如圖7中黃色背景區(qū)域。

圖7 有效連接區(qū)域Fig.7 Connectable area

步驟3：依據(jù)有效連接區(qū)域在整體連接區(qū)域中的面積占比計算有效連接指數(shù)(ECI)

(3)

式中，ECIXs,Xt為兩鄰近面狀要素Xs、Xt之間的有效連接指數(shù)，CAXs,Xt、TAXs,Xt分別為兩要素間的有效連接區(qū)域面積和整體連接區(qū)域面積。

由式(3)可知，當(dāng)其值介于0～1之間，值越大表明鄰近要素間可連接區(qū)域越大，更適宜進(jìn)行毗鄰化操作。根據(jù)多次試驗，閾值一般設(shè)置為0.5，若ECI≥0.5，認(rèn)為適宜毗鄰化操作；反之，不適合。

2.1.1.3 相靠鄰近特征

有效連接指數(shù)可以較好體現(xiàn)連續(xù)性原則，當(dāng)ECI等于1時，鄰近要素間的區(qū)域?qū)儆谕耆蛇B接區(qū)域，通常包括圖8所示3種情況。

圖8 ECI值為1的情況Fig.8 Three situations of ECI=1

然而，由圖8(c)可以發(fā)現(xiàn)，若對短邊相對鄰近的兩要素進(jìn)行毗鄰化，則不利于保持緊湊性原則。對于面要素而言，長邊相對短邊可以更好地概括要素的主體結(jié)構(gòu)及延展方向，所以在計算有效連接指數(shù)時，若長邊參與計算，則認(rèn)定其相靠鄰近，適宜毗鄰化處理，如圖8(a)、(b)所示；反之，若短邊相對鄰近，則認(rèn)為不適宜毗鄰化處理，如圖8(c)所示。故本文提出投影點重疊度指數(shù)(overlap index，OI)以區(qū)分鄰近要素的相靠和相對鄰近兩種情況。指標(biāo)計算的具體步驟為：

步驟1：分別以主骨架線[16-18]代替兩鄰近面狀要素P1、P2的長邊，并相互投影，OI為面要素P1(或P2)的骨架線首末端點在面要素P2(或P1)上的兩個投影點(projection point)與P2(或P1)骨架線端點的歐氏距離，見式(4)。為方便計算，本文所提投影并不是原有幾何意義上的投影，而是將某一面要素主骨架線端點在另一面要素主骨架線上的最鄰近點作為投影點。

(4)

式中，(x1,y1)、(x2,y2)分別為P1在P2上(或P2在P1上)的投影點p1、p2的坐標(biāo)；(xi,yi)為P2(或P1)的骨架線兩端點坐標(biāo)，i=1,2，OI1、OI2分別為兩投影點距端點pi的距離。

若OI1=OI2=0，表明面要素P1在P2上的投影點是P2主骨架線的同一個端點；若P2在P1上的投影是同樣情形，說明兩要素短邊相對相鄰。如圖9所示，若P1的骨架線投影至P2，P2上骨架線的端點N3是N1、N2的最鄰近點，所以它為N1、N2的投影點；同理，N2為N3、N4的投影點，此時，OI1=OI2=0，不宜毗鄰化處理。

2.1.1.4 基高比率特征

面要素基高比是對其平均寬度的描述，文獻(xiàn)[19]提出了面要素基高比計算方法

W=S/BL

(5)

式中，W為要素的近似平均寬度；S為圖斑面積；BL為圖斑最長長度基線，即面狀要素最長骨架線的長度，如圖10所示。

要素基高比及其與鄰近要素之間的間距從另外視角反映了聚集性面狀要素群的內(nèi)部結(jié)構(gòu)。當(dāng)兩鄰近面群要素的基高比之和大于或遠(yuǎn)大于狹長橋接面間距時，毗鄰化結(jié)果在保持面群要素空間分布特征不變的條件下，可以較好地突出聚集狀態(tài)，適宜毗鄰化處理，如圖11(a)所示；當(dāng)兩鄰近面群要素的基高比之和小于狹長橋接面間距時，若毗鄰化處理會發(fā)生較大變形，此情形不適宜毗鄰化，如圖11(b)所示。

圖9 識別短邊相對鄰近Fig.9 Identifying side-adjacent along short edges

圖10 面要素基高比計算示意圖Fig.10 Diagram of calculating the average width of area elements

圖11 相鄰要素內(nèi)部結(jié)構(gòu)特征Fig.11 Internal structure characteristics of adjacent elements

為此，本文引入分布格局指數(shù)(distribution pattern index，DPI)，反映兩面要素空間主體程度及鄰近度，其計算公式如下

(6)

式中，DPIXs,Xt表示空間中彼此鄰近的兩面狀要素Xs、Xt形成的分布格局；WXs、WXt分別為要素Xs、Xt的基高比；BDistance(Xs,Xt)為要素Xs、Xt之間的間距。

主要計算步驟：①采用公式(5)計算各要素的基高比；②采用公式(2)計算兩鄰近面要素之間的間距(BDistance(Xs,Xt))；③結(jié)合步驟①、②計算結(jié)果，利用公式(6)計算分布格局指數(shù)(DPI)。

DPIXs,Xt的值越大表明兩鄰近面狀要素聚集性特征越強，通常情況下，該閾值設(shè)定為1。當(dāng)DPIXs,Xt≥1時，適宜毗鄰化操作；反之，不適宜。

2.1.2 毗鄰區(qū)識別

根據(jù)上述4個特征對區(qū)域內(nèi)的面狀要素集{Pi}(i=1,2,…,n)進(jìn)行毗鄰區(qū)識別是一個迭代計算的過程，因為初始階段識別的毗鄰區(qū)極有可能成為下一階段毗鄰區(qū)的組成要素。毗鄰區(qū)識別的主要步驟如下：①計算包含全部面狀要素的最小面積矩形，并將其作為區(qū)域邊界，構(gòu)建邊界約束Delaunay三角網(wǎng)，并計算任意兩個相鄰面狀要素之間的平均寬度；②利用帶狀橋接面寬度進(jìn)行毗鄰區(qū)初步識別，將符合帶狀橋接面寬度閾值約束的相鄰面要素放入候選毗鄰區(qū)全集O；③按照面積由小到大的順序?qū)蜻x毗鄰區(qū)全集O內(nèi)的面要素進(jìn)行排序，從面積最小的面要素Pi開始，依據(jù)有效連接指數(shù)(ECI)、分布格局指數(shù)(DPI)、重疊度指數(shù)(OI)約束識別適宜與其進(jìn)行毗鄰化操作的鄰近要素，識別順序為其鄰近要素中面積最小的要素至面積最大的要素，合并識別出的所有要素，得到要素Pi所在的毗鄰區(qū)Ai；④將毗鄰區(qū)Ai的外圍邊界形成的多邊形要素替換其包含的面要素，放入候選毗鄰區(qū)全集O中，并更新其與各個鄰近要素的寬度；⑤重復(fù)步驟③、④，探索候選毗鄰區(qū)全集O內(nèi)未參與識別要素所在的毗鄰區(qū)，直至候選毗鄰區(qū)全集O內(nèi)所有要素都被處理，迭代計算識別毗鄰區(qū)結(jié)束。

2.2 外圍邊界輪廓計算

針對現(xiàn)有方法在保持邊界結(jié)構(gòu)特征方面存在明顯不足(如圖2)，本文引入Miter型緩沖區(qū)變換[20-21]進(jìn)行外圍邊界輪廓計算。其主要步驟如下：

步驟1：毗鄰區(qū)面群的擴張-腐蝕變換。先對原始多邊形面群向外進(jìn)行距離為L的數(shù)學(xué)形態(tài)學(xué)[22-23]意義上的擴張變換，以融合各個多邊形擴張后重疊部分，得到邊界多邊形P1，如圖12(b)所示，然后對多邊形P1向內(nèi)進(jìn)行距離為L的腐蝕變換得到多邊形P2，如圖12(c)所示。

圖12 擴張-腐蝕變換示例Fig.12 Dilation and erosion transformations

該變換具有“保凸”、“保平”、“減凹”等特點，變換前后，圖形的總體形態(tài)不變，凸起和直線部分形態(tài)無變化，即“保凸”、“保平”；圖形凹陷部分在變換過程中發(fā)生融合，使形態(tài)趨于光滑，即“減凹”。當(dāng)然，“減凹”的強度與距離L相關(guān)。

步驟2：“補凹”。將多邊形P2與原始面群統(tǒng)一構(gòu)建拓?fù)?，并把語義信息賦予相應(yīng)弧段，若多邊形中的弧段僅由某一語義及無語義信息的弧段組成，則該多邊形為腐蝕變換中舍去的凹陷。那么，將具有語義信息的弧段代替無語義信息弧段以形成新的面群邊界多邊形P，則該多邊形為毗鄰區(qū)的最小包絡(luò)多邊形，其邊界為毗鄰區(qū)外圍邊界輪廓。如圖13(a)所示，拓?fù)涠噙呅蜲由弧段L1、L2組成，其中，L2中具有多邊形D的語義信息，但因L1為P2中的弧段，因此，其不具有語義信息，由此可判定多邊形O為凹部區(qū)域，將L2代替L1作為邊界P的弧段，得到如圖13(b)所示邊界輪廓P。

圖13 “補凹”過程示例Fig.13 Restore concave structure

2.3 邊界約束下骨架線修正

現(xiàn)有研究中基于邊界約束Delaunay三角網(wǎng)法提取的主骨架線[24-25]，已可以很好地反映面要素的主延伸方向和主體形狀特征，并可以有效去除橋接面匯聚處的“抖動”現(xiàn)象，本文針對主骨架線在邊界處存在的不足(圖14(a))進(jìn)行修正，克服末端節(jié)點提取不準(zhǔn)確的缺陷。主要過程如下：

首先，將橋接面與原始面群統(tǒng)一構(gòu)建拓?fù)?，并把語義信息賦予相應(yīng)弧段，若某一弧段無語義信息且屬于橋接面的組成弧段，則該弧段為邊界弧段，與此弧段相連的骨架線優(yōu)先得到保留；同時，若所提骨架線的末節(jié)點不在邊界上，則該段骨架線應(yīng)去除。由此規(guī)避骨架線末端結(jié)點未落邊界的缺陷，形成適宜毗鄰化線的最優(yōu)骨架線。如圖14(b)所示，節(jié)點A在邊界L1上，因此骨架線OA得到保留；節(jié)點B在非邊界的弧段L2上，因此骨架線OB應(yīng)去除。

圖14 骨架線修正Fig.14 Skeleton line correction

2.4 毗鄰化自動處理

基于識別的毗鄰區(qū)，進(jìn)行毗鄰化自動操作包括4步，一是計算各個毗鄰區(qū)的外圍邊界輪廓，二是提取橋接面，三是提取橋接面毗鄰化線，四是依據(jù)毗鄰化線融解橋接面，其迭代計算流程如圖15所示。

圖15 毗鄰化計算流程Fig.15 Calculating flow chart of agglomeration

3 試驗與分析

3.1 試驗數(shù)據(jù)與試驗環(huán)境

依托中國測繪科學(xué)研究院研制的WJ-Ⅲ地圖工作站，嵌入本文提出的毗鄰區(qū)特征識別及自動處理方法，以坑塘面群為例進(jìn)行合理性及效率驗證。試驗數(shù)據(jù)取自江蘇省某市地形圖數(shù)據(jù)庫中的一個標(biāo)準(zhǔn)圖幅，該市水產(chǎn)養(yǎng)殖發(fā)達(dá)，其內(nèi)坑塘密布、形狀多樣，空間分布特征很有代表性。試驗數(shù)據(jù)空間范圍為23.91×18.67 km2，共有坑塘面要素18 559個，源比例尺1∶1萬、目標(biāo)比例尺1∶5萬，軟件系統(tǒng)運行環(huán)境為Windows7 64位操作系統(tǒng)、CPU為Intel Core I7-3770、主頻3.2 GHz、內(nèi)存16 GB、固態(tài)硬盤1024 GB。

本次毗鄰化試驗總計用時792 s。其中，毗鄰區(qū)識別耗時760 s，占總用時的95.96%；毗鄰化處理用時32 s。

3.2 可靠性分析

3.2.1 自動識別準(zhǔn)確性

本次試驗中，以0.4 mm作為圖上的最小可視距離[26]，帶狀橋接面寬度閾值設(shè)定為20 m，進(jìn)行毗鄰區(qū)自動識別與處理。本方法共自動識別出毗鄰區(qū)1065個，其中，由排列規(guī)則、形狀相似的面要素形成的簡單毗鄰區(qū)158個，占比14.83%；由形狀多樣、邊界不規(guī)則的面要素形成的復(fù)雜毗鄰區(qū)907個，占比85.17%。

為了檢驗毗鄰區(qū)自動識別結(jié)果的可靠性和準(zhǔn)確性，將該結(jié)果與制圖專業(yè)人員人工識別出的毗鄰區(qū)進(jìn)行比對分析并計算疊置度。疊置度=1-[|毗鄰區(qū)面積(人工識別)-毗鄰區(qū)面積(自動識別)|]/毗鄰區(qū)面積(人工識別)。以該疊置程度為核心指標(biāo)，將識別結(jié)果區(qū)分為4種情況：第一種情況(完整符合)，疊置度=100%；第二種情況(高度符合)，90%≤疊置度<100%且細(xì)微差異出現(xiàn)在邊、角處；第三種情況(一般符合)，50%≤疊置度<90%且主體存在部分重疊；第四種情況(不符合)，疊置度<50%。

結(jié)果對比見表1。其中，簡單毗鄰區(qū)符合度為98.44%，復(fù)雜毗鄰區(qū)符合度86.71%。

表1毗鄰化識別結(jié)果準(zhǔn)確性比較

Tab.1Accuracycomparisonofagglomerationarearecognitionresults

毗鄰區(qū)人工識別結(jié)果本文方法識別結(jié)果完全符合高度符合一般符合不符合簡單毗鄰區(qū)158156200復(fù)雜毗鄰區(qū)886145702372

3.2.2 毗鄰化效果比較

從上述自動化處理結(jié)果中，選擇代表性強的毗鄰區(qū)，將本文方法與傳統(tǒng)毗鄰化算法處理結(jié)果進(jìn)行效果對比。對于簡單毗鄰區(qū)，兩者處理結(jié)果基本一致，均能夠較好保持原始面群的結(jié)構(gòu)特征，所提毗鄰化線自然延展且形態(tài)光滑，不存在抖動，如圖16所示；對于復(fù)雜毗鄰區(qū)，本文方法相對傳統(tǒng)毗鄰化算法，在毗鄰化處理效果方面更好，如圖17所示。這是由于傳統(tǒng)方法未顧及外圍邊界在提取毗鄰化線時的約束，邊界有凹凸結(jié)構(gòu)面要素的毗鄰化線誤提取所致，其結(jié)果與地物真實分布不一致。

圖16 簡單毗鄰區(qū)處理效果比較Fig.16 Comparison of processing effect in common agglomeration area

圖17 復(fù)雜毗鄰區(qū)處理效果比較Fig.17 Comparison of processing effect in complex agglomeration area

4 結(jié)論與討論

針對傳統(tǒng)毗鄰化方法應(yīng)用于實際地圖數(shù)據(jù)時存在的毗鄰區(qū)難以自動識別、復(fù)雜區(qū)域骨架線誤提取等問題，本文提出了一種毗鄰區(qū)自動識別及處理方法，既實現(xiàn)了毗鄰區(qū)的自動識別，又實現(xiàn)了毗鄰化操作的自動處理。通過實際地形圖數(shù)據(jù)驗證，得出結(jié)論如下：

(1) 在毗鄰區(qū)識別準(zhǔn)確性方面，本文通過1∶1萬地形圖一個標(biāo)準(zhǔn)圖幅內(nèi)的坑塘面群的毗鄰化識別試驗，證實簡單毗鄰區(qū)和復(fù)雜毗鄰區(qū)自動識別結(jié)果與人工識別的符合度均達(dá)到85%以上。

(2) 在毗鄰化處理效果方面，本方法不僅適用于簡單毗鄰區(qū)，而且對于復(fù)雜毗鄰區(qū)處理結(jié)果比傳統(tǒng)毗鄰化算法更加合理。

(3) 在效率方面，本方法主要耗時于毗鄰區(qū)自動識別，大致占總用時的96%。

下一步的研究重點，一是提高形態(tài)各異、分布不規(guī)律毗鄰區(qū)識別準(zhǔn)確度；二是通過主流域(如有名河流或高等級河流)對大范圍面群要素進(jìn)行分區(qū)，從而減少毗鄰化處理的要素數(shù)量，提高毗鄰化處理的效率；三是設(shè)定一定閾值對提取面群外圍邊界輪廓時產(chǎn)生的空洞進(jìn)行區(qū)分，消除小面積空洞對毗鄰化結(jié)果的影響。