基于骨架特征选择的可变地形多尺度建模与交互可视化研究

本项目针对地形模型跨学科的应用特点，结合骨架特征分析与三维可视化建模方法，研究基于大数据集的可变地形多尺度建模理论，建立满足高精度需求的实时交互可视化系统。解决三维地形可视化建模过程中面临的两大难题：其一缺乏与可视化算法相结合的支持动态形变的复杂地势表示方法，并且模型一旦建立很难更新；其二地形模型所包含的海量数据超出计算机直接处理能力而导致的简化模型可信度差，而高精度可视化模型又缺乏全局性，且建模效率较低。本项目在建立自适应、自组织外存数据模型基础上，通过提取地形的骨架特征在全局范围内进行特征选择，作为多维复杂地势表示的内核，再引入群智能优化思想求解地形的多尺度简化模型，满足模型精度和建模效率双重需求。在该建模框架下，提出有专家经验指导的动态地形重构及合成建模方法，可以在地形受力形变后快速动态更新多尺度可视化模型，为地质灾害模拟、军事演习等领域中地形可视化建模提供新思路和理论依据。

本项目针对三维地形建模过程中面临的若干科学问题展开了研究工作。由于地形模型通常包含海量数据，模型的表示和动态更新是地形模型调度的主要难题之一。我们提出了一种支持大规模数据高效存储和调度的地形多分辨率模型的隐式层次结构,该结构的两级存储模式既实现了对地形全分辨率数据的统一表示、划分与存储，又为基于地表特征的外存模型建立数据分块及索引关系。在我们的前期工作中提出了基于特征的多分辨率层次模型（简称FMRH），本项目进一步解决了FMRH模型多分辨率数据外存调度及模型更新问题，提出了新的多尺度特征建模方法。在该模型中，我们将误差相近的分布在不同层次上的结点作为一个子集，并给出了基于聚类分析的空间数据块划分策略，提出一种基于特征的多分辨率Hilbert空间填充曲线方法，引导聚类内数据块的索引编码过程，结合空间邻域结构有效解决了数据调度、模型更新的效率问题和简化模型的精度问题。.我们引入群智能优化理论实现地形简化模型，在此基础上利用剖面识别与多边形拆解算法定义层次信息的特征点集合，提出了隐式层次结构及检索方法对特征点进行重表达，保持地形简化模型的细节特征完整性与地形骨架特征连续性。针对地表特征复杂、环路特征提取困难、大数据特征提取效率较低等问题，我们提出了一个基于形态学理论的特征点简化算法，特征点经过形态学简化算法的优化处理后，再将特征点的子集相连，与传统的PPA方法相比需要剪枝处理的特征线的数量明显减少，因此，多边形拆解与剪枝的效率得到了显著提升，同时由于去除了噪音点的影响，骨架特征的精度明显提高。我们提出了外分支的概念，并给出外分支识别算法提取足够长的主干特征，与真实地形骨架的一致性较好。.利用已有的骨架特征线，引入流体建模思想，给出高程偏移方向矩阵，以骨架特征线作为静态的轴线，更新地形高程，实现自然形变效果。通过引入河网产生式规则，并对样本地形进行形变和拼接，实现了具有真实特征的虚拟地形合成建模。进一步，根据用户草图特征曲线求解投影区域，建立投影点和高程栅格点之间的映射关系，得到符合用户要求的三维矢量地形模型。区别于传统的基于过程函数的方法，我们提出的方法的投影区域可以自适应求解，仿真效果较好。

内容获取失败，请点击重试