基于分块优化的不规则三角网的快速构成方法

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (3): 169-172.

• 图形、图像、模式识别 • 上一篇下一篇

基于分块优化的不规则三角网的快速构成方法

马彩虹1，2，戴芹1，王建民3，刘士彬1

1.中国科学院对地观测与数字地球科学中心，北京 100086
2.中国科学院研究生院，北京 100049
3.太原理工大学，太原 030024

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-01-21 发布日期:2012-01-21

Based on clump organization rules to construct Triangular Irregular Networks（TIN）

MA Caihong1，2, DAI Qin1, WANG Jianmin3, LIU Shibin1

1.Center for Earth Observation and Digital Earth, Chinese Academy of Sciences, Beijing 100086, China
2.Graduate University of Chinese Academy of Sciences, Beijing 100049, China
3.Taiyuan University of Technology, Taiyuan 030024, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-01-21 Published:2012-01-21

摘要/Abstract

摘要： 采用基于分块的方式，提高了TIN的运行效率，并提出采用四边形对角线最短原则、增加内插点或减小块连接中距离阀值等优化处理方法，很好地改善了TIN的构网效果。实验结果表明，该算法建立的三角网无交叉和重复，并具有Delaunay三角网的特性，同时兼顾了空间和时间性能，具有较高的执行效率。

关键词: 数字地面模型, 不规则三角网, 分块, Delaunay三角形

Abstract: In order to improve the computing speed, a new algorithm based on clump organization rules is proposed in this paper. In this method, the original data are divided into several rows and columns. And, minimize the length of diagonal in any quadrangle, insert some points or reduce threshold value of the distance in the connecting of clumps, so as to optimize the connecting results. In addition, some points can be inserted to improve the efficiency in the view of space. The results show that the TIN constructed by this algorithm is not intersected and repeated, also has good properties of Delaunay. So, the algorithm is more correct and efficient in the view of time and space.

Key words: digital terrain models, Triangular Irregular Network（TIN）, clump organization, Delaunay triangle

马彩虹1，2，戴芹1，王建民3，刘士彬1. 基于分块优化的不规则三角网的快速构成方法[J]. 计算机工程与应用, 2012, 48(3): 169-172.

MA Caihong1，2, DAI Qin1, WANG Jianmin3, LIU Shibin1. Based on clump organization rules to construct Triangular Irregular Networks（TIN）[J]. Computer Engineering and Applications, 2012, 48(3): 169-172.

[1]	何雅颖，范昕炜. 改进蚁群算法在机器人路径规划中的应用[J]. 计算机工程与应用, 2021, 57(16): 276-282.
[2]	王国屹，孙永荣，吴雷，曾庆化. 分块检测尺度自适应的圆形目标相关跟踪[J]. 计算机工程与应用, 2020, 56(8): 177-184.
[3]	柴晓菲，刘松，屈彬，王倩，伍卫国. 向量化友好的循环分块因子选择算法[J]. 计算机工程与应用, 2020, 56(15): 37-42.
[4]	张华，曹林. 结合pHash和稀疏编码的素描人脸合成方法[J]. 计算机工程与应用, 2019, 55(22): 187-194.
[5]	杨霞，朱晓冬，刘元宁，冯家凯，刘帅. 分块小波特征结合BP神经网络的虹膜识别方法[J]. 计算机工程与应用, 2019, 55(18): 132-139.
[6]	张哲源，张灵，陈云华. 结合分块LBP与投影字典对学习的表情识别[J]. 计算机工程与应用, 2019, 55(12): 149-154.
[7]	郭蕊，张雪锋. 基于Bloom过滤和分块的组合指纹模板保护算法[J]. 计算机工程与应用, 2018, 54(6): 75-80.
[8]	任胜兵，王志健，王宇. Web页面自动化设计中布局挖掘和样式匹配算法[J]. 计算机工程与应用, 2018, 54(3): 227-232.
[9]	刘帅1，2，刘元宁1，3，朱晓冬1，3，冯家凯1，3，卢时旭1，2. 基于分块搜索的虹膜定位算法[J]. 计算机工程与应用, 2018, 54(18): 212-217.
[10]	方徐伟1，2，付晓薇1，2. 基于投影法和Caffe框架的身份证分割算法[J]. 计算机工程与应用, 2017, 53(23): 113-117.
[11]	黑珊珊1，王晓琴2. 基于LMMSE的分块滑窗信道估计算法[J]. 计算机工程与应用, 2017, 53(16): 79-83.
[12]	范青，于凤芹，陈莹. 基于分块对比的多尺度图像显著区域检测[J]. 计算机工程与应用, 2016, 52(6): 162-166.
[13]	刘晔，傅忠谦. 无线传感器网络中陷阱空洞的有效检测与修复[J]. 计算机工程与应用, 2016, 52(5): 104-109.
[14]	丁祖萍，刘坤，王成. 一种基于颜色和纹理的显著性目标检测算法[J]. 计算机工程与应用, 2016, 52(19): 192-195.
[15]	陈昌龙，孙克辉. 基于图像特征分块的分数阶微分图像增强算法[J]. 计算机工程与应用, 2016, 52(14): 186-191.

基于分块优化的不规则三角网的快速构成方法

Based on clump organization rules to construct Triangular Irregular Networks（TIN）

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics