本發(fā)明公開了一種地形視域選點(diǎn)的高效、精確多候選視點(diǎn)過濾算法，涉及視域分析及空間優(yōu)化領(lǐng)域。

背景技術(shù)：

1、隨著視域算法的發(fā)展，可見性分析已成為gis(geographic?information?system)領(lǐng)域中人類與周邊環(huán)境交互研究的重要支柱?？梢娦苑治龅膽?yīng)用范圍通常取決于輸入數(shù)據(jù)源的內(nèi)容。如果僅包含地形文件信息，則主要涉及選址、考古、城市規(guī)劃等方面的問題。而如果輸入數(shù)據(jù)源同時(shí)包含地形文件和視點(diǎn)屬性信息，則通常涉及到視覺評(píng)估、房地產(chǎn)預(yù)測(cè)、通信等領(lǐng)域。

2、近年來，解決多視點(diǎn)問題的方法主要分為兩大類，第一類是基于地形文件利用gpu的并行計(jì)算能力、apache?spark的多級(jí)分布式技術(shù)、智能算法對(duì)大量視點(diǎn)進(jìn)行視域分析。第二類是基于地形文件，選擇特征地形點(diǎn)作為候選視點(diǎn)。通常，候選視點(diǎn)被選定為山峰確定候選視點(diǎn)?；诤蜻x視點(diǎn)，有兩種實(shí)施策略。第一種是增量策略，通過定義規(guī)則逐個(gè)增加視點(diǎn)，最終確定視點(diǎn)集合。例如，zhang等人將其視為子模集函數(shù)最大化問題，并開發(fā)了四種不同的模型，以滿足擴(kuò)展過程的實(shí)際需求。第二種策略是過濾策略，對(duì)候選點(diǎn)整體進(jìn)行計(jì)算后，設(shè)計(jì)過濾算法，篩選候選點(diǎn)滿足要求為止。例如wang等人提出cvf算法對(duì)候選點(diǎn)進(jìn)行聚類，并根據(jù)ivc指標(biāo)對(duì)簇內(nèi)視點(diǎn)進(jìn)行排序，通過與相鄰簇視點(diǎn)進(jìn)行比較來實(shí)現(xiàn)視點(diǎn)的過濾。

3、綜上所述，隨著地形文件分辨率的提高，第一類算法所需處理的數(shù)據(jù)量會(huì)成倍增加，需要更多的計(jì)算資源和時(shí)間。第二類算法中的增量策略，雖然可以逐個(gè)增加候選視點(diǎn)來確定最終的視點(diǎn)集合，但無法從宏觀整體的角度衡量視點(diǎn)的視域貢獻(xiàn)程度，可能導(dǎo)致視域分析結(jié)果的不準(zhǔn)確性。針對(duì)過濾策略，cvf算法在計(jì)算效率和覆蓋率方面優(yōu)于其他算法，但該算法在視點(diǎn)過濾過程中進(jìn)行了大量的視域計(jì)算，影響整體性能。此外，在簇更新時(shí)，cvf算法未考慮刪除和新增視點(diǎn)對(duì)簇整體覆蓋率和重疊率的影響，可能導(dǎo)致視域分析結(jié)果的不穩(wěn)定性。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的提供一種地形視域選點(diǎn)的高效、精確多候選視點(diǎn)過濾算法，以實(shí)現(xiàn)多視點(diǎn)空間優(yōu)化。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供了如下步驟：

3、步驟a：讀取研究區(qū)域數(shù)字表面模型dsm，獲取地形參考參數(shù)信息；

4、步驟b：對(duì)dsm柵格數(shù)據(jù)進(jìn)行鄰域分析，將結(jié)果柵格與原始dsm作差分處理獲取相對(duì)高程，基于相對(duì)高程來提取候選特征點(diǎn)；

5、步驟c：采用eckm算法通過計(jì)算幾何確定初始簇中心，基于初始簇中心采用k-mean算法以歐幾里得距離為度量來更新簇，通過將觀測(cè)點(diǎn)聚類到不同簇中，并選擇視域貢獻(xiàn)程度最高的視點(diǎn)作為最終保留視點(diǎn)；

6、步驟d：根據(jù)公式(1-3)計(jì)算每個(gè)候選點(diǎn)wcom值，并比較候選點(diǎn)可視域和簇內(nèi)總視域?qū)?yīng)網(wǎng)格值，將可視點(diǎn)拆分為覆蓋貢獻(xiàn)點(diǎn)和重疊貢獻(xiàn)點(diǎn)；

7、步驟e：將候選點(diǎn)存儲(chǔ)在最小堆中，從當(dāng)前分析的簇中彈出堆頂值，將該值與相鄰的簇進(jìn)行比較，如果該值小于相鄰簇中的值，則繼續(xù)彈出下一個(gè)堆頂值；否則將該值插入到相鄰簇中，并將該簇設(shè)為當(dāng)前的操作簇，直至每個(gè)簇滿足終止條件。

8、進(jìn)一步地，相對(duì)高程提取候選特征點(diǎn)具體包括以下步驟：

9、步驟b1：基于地形文件的網(wǎng)格點(diǎn)數(shù)、分辨率以及可視半徑等參數(shù)，選擇適當(dāng)?shù)某叨?，將地形劃分為多個(gè)矩形區(qū)域；

10、步驟b2：利用選定的尺度，對(duì)地形文件中的每個(gè)網(wǎng)格點(diǎn)進(jìn)行鄰域分析，求得其周圍區(qū)域的平均值，并將原始地形文件與求得的平均值后的地形文件進(jìn)行差分處理，得到相對(duì)高程地形文件；

11、步驟b3：根據(jù)所選尺度下每個(gè)矩形區(qū)域中最大相對(duì)高程值所對(duì)應(yīng)的點(diǎn)，確定視域候選點(diǎn)。

12、進(jìn)一步地，候選點(diǎn)聚類過程具體包括以下步驟：

13、步驟c1：利用候選點(diǎn)構(gòu)建voronoi圖，進(jìn)而找出與voronoi圖中每個(gè)頂點(diǎn)距離最近的候選點(diǎn)，并基于這些距離構(gòu)建空?qǐng)A，并對(duì)空?qǐng)A按照半徑長度非遞增的順序進(jìn)行排序，其中與候選點(diǎn)相交的點(diǎn)即被選為初始簇中心；

14、步驟c2：利用k-mean算法對(duì)候選點(diǎn)進(jìn)行聚類，并通過歐幾里得距離更新簇，當(dāng)簇中心不再發(fā)生變化或達(dá)到一定迭代次數(shù)時(shí)，更新過程終止。

15、步驟c3：完成聚類后，利用空?qǐng)A方法對(duì)最終的簇中心進(jìn)行確定，以識(shí)別相鄰的簇，將最終確定的空?qǐng)A按照半徑長度非遞減的順序進(jìn)行排序，同一空?qǐng)A上的候選點(diǎn)所代表的簇被視為相鄰的簇。

16、進(jìn)一步地，計(jì)算候選點(diǎn)wcom、覆蓋貢獻(xiàn)點(diǎn)、重疊貢獻(xiàn)點(diǎn)具體包括以下步驟：

17、步驟d1：設(shè)研究區(qū)域所含像元對(duì)應(yīng)行數(shù)為m，列數(shù)為n，每個(gè)像元由其行索引i和列索引j唯一確定，其中1≤i≤m，1≤j≤n。

18、步驟d2：定義可視域數(shù)組a為一個(gè)m×n的二維數(shù)組，表示研究區(qū)域內(nèi)每個(gè)像元的可視性，若像元(i,j)可被視，則aij＝1，否則aij＝0。

19、步驟d3：定義簇內(nèi)總視域數(shù)組b為一個(gè)m×n的二維數(shù)組，表示研究區(qū)域內(nèi)每個(gè)像元被視的總數(shù)，若像元(i,j)被簇內(nèi)i個(gè)視點(diǎn)可視，則bij＝i。

20、步驟d4：定義覆蓋貢獻(xiàn)點(diǎn)集合cc表示滿足條件的點(diǎn)集合，即滿足a和b中對(duì)應(yīng)位置的值都等于1的點(diǎn)索引集合，定義如式(1)所示：

21、cc＝{(i,j)∣1≤i≤m,1≤j≤n,aij＝1,bij＝1}???????????????????(1)

22、步驟d5：定義重疊貢獻(xiàn)點(diǎn)集合oc表示滿足條件的點(diǎn)集合，即滿足a中對(duì)應(yīng)位置的值等于1和b中對(duì)應(yīng)位置大于1的點(diǎn)索引集合，定義如式(2)所示：

23、oc＝{(i,j)∣1≤i≤m,1≤j≤n,aij＝1,bij＞1}???????????????????(2)

24、步驟d6：本發(fā)明提出了一個(gè)新的評(píng)估視點(diǎn)指標(biāo)wcom公式如式(3-5)所示：

25、coverage＝|cc|??????????????????????????????(3)

26、overlap＝|oc|??????????????????????????????(4)

27、f＝w1×coverage-w2×overlap??????????????????????(5)

28、其中，w1，w2分別是覆蓋點(diǎn)數(shù)量coverage和重疊點(diǎn)數(shù)量overlap的權(quán)重。

29、進(jìn)一步地，簇內(nèi)排序與簇過濾具體包括以下步驟：

30、步驟e1：從堆中彈出當(dāng)前操作簇的堆頂元素值，并將其與相鄰簇的堆頂元素的wcom值進(jìn)行比較，如果當(dāng)前視點(diǎn)的wcom值大于相鄰簇的堆頂元素，則插入相鄰簇中，并將其轉(zhuǎn)為操作簇；如果小于，則繼續(xù)彈出堆頂元素，直至每個(gè)簇僅剩一個(gè)候選點(diǎn)。

31、步驟e2：當(dāng)需要?jiǎng)h除簇內(nèi)視點(diǎn)時(shí)，需先更新簇的總視域，然后計(jì)算刪除元素的重疊貢獻(xiàn)點(diǎn)集oc與簇總視域數(shù)組值為1的點(diǎn)交集記為d；接著，遍歷簇內(nèi)其余候選視點(diǎn)，將每個(gè)視點(diǎn)oc與d的交集從oc中刪除，并合并到覆蓋貢獻(xiàn)點(diǎn)集cc中。

32、步驟e3：當(dāng)需要添加某個(gè)點(diǎn)時(shí)，同樣需要更新簇的總視域；在插入操作時(shí)，由于該點(diǎn)與原先的簇脫離，其覆蓋和重疊貢獻(xiàn)失去意義；因此，將該點(diǎn)的重疊貢獻(xiàn)點(diǎn)集oc和覆蓋貢獻(xiàn)點(diǎn)集cc均視為可見點(diǎn)，接著，求出可視點(diǎn)集中對(duì)應(yīng)總視域數(shù)組中值為2的坐標(biāo)點(diǎn)集合u，并遍歷簇內(nèi)其余視點(diǎn)；將視點(diǎn)cc與u的交集從cc中刪除，然后將其合并到覆蓋貢獻(xiàn)點(diǎn)集oc中。

33、根據(jù)本發(fā)明提供的具體實(shí)施例，本發(fā)明公開了以下技術(shù)效果：

34、本發(fā)明提出的用于地形視域選點(diǎn)的高效、精確多候選視點(diǎn)過濾算法evp(efficient?precise?viewshed?point?selection)在多視點(diǎn)規(guī)劃中展現(xiàn)了出色的性能表現(xiàn)；通過基于地形文件的特征，我們確定了候選視點(diǎn)，并利用eckm算法有效地對(duì)這些候選視點(diǎn)進(jìn)行了聚類；通過提出wcom評(píng)估指標(biāo)，我們能夠全面評(píng)估候選視點(diǎn)的貢獻(xiàn)價(jià)值，并通過過濾算法進(jìn)行精準(zhǔn)的視點(diǎn)篩選，以最大程度地優(yōu)化視域分析的結(jié)果；因此，evp算法為多視點(diǎn)規(guī)劃提供了一種高效且可靠的解決方案，對(duì)于環(huán)境研究、城市規(guī)劃、通信、軍事戰(zhàn)略等領(lǐng)域具有重要的應(yīng)用價(jià)值。