道路网与兴趣点相结合的城市中心提取方法

来源 :测绘学报 | 被引量 : 0次 | 上传用户:chrong
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为空间数据添加接近人们思维以及适宜认知的高阶信息是改善其可用性的重要途径。城市中心是这一类信息的典型案例,它在人们的社会活动中具有重要作用。本文提出一种单纯运用道路网和兴趣点提取城市中心的方法。该方法首先运用G?提取了路网的密集区域,确定了包含城市中心的大致区域;然后根据该区域中特定类型兴趣点的网络核密度确定了城市中心的精确范围。对英国利物浦、加拿大多伦多和巴西库里蒂巴进行了试验,查准率为0.74~0.8,查全率为0.53~0.67,结果表明该方法能较为有效地提取城市中心。对方法的两个关键影响因素:G1*
其他文献
对转子模型中的广义能量均分定理相关问题进行了数值模拟与理论分析.数值模拟的结果表明在一定温度下广义能量均分定理对于该系统不成立.进一步基于玻尔兹曼概率分布进行理论
针对场景复杂的光学遥感图像中加性噪声估计问题,提出了一种结合分形理论和自适应图像块划分的噪声估计方法。区别于传统的基于规则图像块划分的噪声估计方法,本文提出了一种自适应于图像局部信息的图像块划分算法,更大程度地保证了自适应图像块内部的平滑性。结合基于分形理论的图像低粗糙度纹理区域选取和基于统计分析的图像噪声标准差计算,实现了光学遥感图像加性噪声强度的自动估计。利用资源三号卫星图像进行定量试验分析,
为了进一步提高合成孔径雷达(SAR)图像中河流分割的精度和速度,提出了一种基于人工蜂群优化的倒数灰度熵多阈值选取与改进Chan-Vese(CV)模型相结合的分割方法。考虑SAR图像中河流目标和背景类内灰度的均匀性,提出了基于蜂群优化的倒数灰度熵多阈值选取方法,以此对河流图像进行粗分割;针对基本CV模型收敛速度低、对初始条件敏感的问题,利用图像边缘强度取代Dirac函数,将粗分割结果作为改进CV模型
期刊