Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: databases - MRDB

Sortuj według:

Ogranicz wyniki do:

The use of merging and aggregation operators for MRDB data feeding

Lupa M., Kozioł K.

Geoinformatica Polonica

2013

T. 12

17--24

This paper presents the application of two generalization operators - merging and displacement - in the process of automatic data feeding in a multiresolution data base of topographic objects from large-scale data-bases (1 : 500-1 : 5000). An ordered collection of objects makes a layer of development that in the process of generalization is subjected to the processes of merging and displacement in order to maintain recognizability in the reduced scale of the map. The solution to the above problem is the algorithms described in the work; these algorithms use the standard recognition of drawings (Chrobak 2010), independent of the user. A digital cartographic generalization process is a set of consecutive operators where merging and aggregation play a key role. The proper operation has a significant impact on the qualitative assessment of data generalization.

Artykuł przedstawia zastosowanie dwóch operatorów generalizacji - łączenia oraz przesuwania w procesie automatycznego zasilania danych w wielorozdzielczej bazie obiektów topograficznych na podstawie danych baz wielkoskalowych (1 : 500-1 : 5 000). Uporządkowany zbiór obiektów stanowi warstwę zabudowy, która w procesie generalizacji, zostaje poddana procesom łączeniajak i przesuwania, aby zachować rozpoznawalność w zmniejszonej skali mapy. Rozwiązaniem powyższego problemu są opisane w pracy algorytmy, które wykorzystują normę rozpoznawalności rysunku (Chrobak 2010), niezależną od użytkownika. A proces cyfrowej generalizacji kartograficznej to zbiór następujących po sobie operatorów, w którym łączenie i agregacja pełnią kluczową rolę. Ich poprawne ość działania mają znaczący wpływ na ocenę jakościową uogólnienia danych.

The role of least image dimensions in generalization of object in spatial databases

Chrobak T.

Geodesy and Cartography

2010

Vol. 59, no 2

99-120

The paper presents the least admissible dimensions of lines of spatial object images, according to Saliszczew, adjusted to the needs of database generalization. It is pointed out, that the adjusted dimensions are in agreement with the cartographic norm included in the National Map Accuracy Standards, and their application to the generalization (processes: simplification and elimination of linear and surface objects, creation of regions, rectangularization of objects, joining of objects, determination of the "Ratajski" generalization thresholds) will allow, for any map scale, the determination of the: - value of the scale-dependent parameter of the generalization process, without user action; - measure of recognizability of the shortest linear section on the map, what helps to obtain unique results of line generalization; - measure of recognizability of lines in the image - using a standard (elementary triangle) - helpful in obtaining unique result of line simplification, and an assessment of the process; - recognizability distance between lines of close buildings, securing unique aggregation of them; - verification of spatial object image lines visualization. The new solutions were tested with the Douglas-Peucker (1973) generalization algorithm, modified by the author, which treats the minimal dimensions as geometric attributes, while object classes and their data hierarchy as descriptive attributes. This approach secures uniqueness of results on any level of generalization process, in which data of spatial objects in the DLM model are transformed to conform with the requirements for the DCM model data.

W artykule przedstawiono minimalne wymiary linii rysunku obiektów przestrzennych, wg Saliszczewa, dostosowane do potrzeb generalizacji baz danych. Wykazując, że dostosowane wymiary są zgodne z normą kartograficzną ustaloną przez National Map Accuracy Standards, a ich zastosowania w generalizacji (procesy: upraszania i eliminowania obiektów liniowych i powierzchniowych, tworzenia regionów, prostokątowania obiektów, łączenia obiektów, ustalania progów generalizacji "Ratajskiego") pozwolą w dowolnej skali mapy, określić: - wartość parametru procesu generalizacji zależnego od skali, bez udziału użytkownika; - miarę rozpoznawalności najkrótszego odcinka linii rysunku mapy, pomocnej w otrzymywaniu jednoznacznych wyników generalizacji linii; - miarę rozpoznawalności kształtu linii rysunku - z użyciem wzorca (trójkąta elementarnego) - pomocnej w uzyskaniu jednoznacznego wyniku procesu upraszczania linii i ocenie procesu; - odległość rozpoznawalności pomiędzy liniami sąsiadujących budynków, pomocnej w jednoznacznym ich łączeniu; - weryfikację wizualizacji linii rysunku obiektów przestrzennych. Nowe rozwiązania testowano zmodernizowanym przez autora algorytmem generalizacji Dauglas-Peuckera, w którym są uwzględnione minimalne wymiary jako atrybuty geometryczne, a klasy obiektów i hierarchię ich danych jako atrybuty opisowe. Pozwala to na jednoznaczność wyniku dowolnego uogólnienia danych przestrzennych obiektów modelu DLM, przekształcanego dla potrzeb danych modeli DCM.