Page 158 - 《武汉大学学报（信息科学版）》2025年第10期

第 50 卷第 10 期 郭庆胜等：使用正对投影的建筑物群毗邻化新算法 2093

表 1 实验中的阈值
Table 1 Experimental Thresholds
阈值取值
阈值符号 描述
城中村&复合建筑物 独立建筑物
2
建筑物最小面积阈值（实地）/m 8
T 1
最小长度阈值（实地）/m 0.8
T 2
最小距离阈值（实地）/m 3
T 3
邻近度阈值/% 5 50
T 4
方向差异阈值/(°) 20 10
T 5
数据的特征给出的经验值。本文算法在应用过
程中可以自动识别出不同类型的建筑物子群，人

工干预很少，实验中的阈值见表 1。
图 11（a）中的建筑物群毗邻化结果见图 11（b），
图 11（b）中 红 色 线 段 是 毗 邻 化 后 的 正 对 投 影 线
段。为了更好地说明和分析本文算法的实验效
果 ，选 取 图 11 中 的 方 框 D 区 域 放 大 ，图 12（a）、
12（b）分别是毗邻化前后建筑物群图形，通过对比
分析可以看出：消除了独立建筑物图形之间的狭
长缝隙（如图 12（b）中方框 A 所示）；解决了复合建
筑物中图形之间的边界不一致问题（如图 12（b）中
方框 B 所示）；解决了城中村建筑物目标图形之间

的狭长缝隙和边界不一致问题（如图 12（b）中方
框 C 所示）。
为了更好说明不同建筑物群使用本文方法
毗邻化的图形效果，进一步选取了图 11（b）中 A、
B 和 C 等 3 个区域的放大图进行展示，图 13（a）是
图 11（b）中区域 A 复合建筑物的毗邻化结果；图
13（b）是图 11（b）中区域 B 城中村的毗邻化结果；
图 13（c）是图 11（b）区域 C 独立建筑物的毗邻化
图 12 毗邻化前后局部放大图
结果。由图 13 可知，相较于图 11 所示的原始建 Fig. 12 Local Enlarged Map of Before and After
筑物群，这些毗邻化后的建筑物群依然能较好地 Agglomeration
保持建筑物的形状特征以及建筑物群内的排列
结构。
良好的地图制图综合结果能够确保地图要
素空间特征尽可能少发生改变。本文通过毗邻
化前后面状建筑物的形状、方位以及大小变化评
价建筑物群毗邻化的综合结果，在每一个方面选

择一个或多个空间特征指标，这些指标包括：建
筑物形状的紧密度 ［24-25］ 、建筑物的边数 ［24，26］ 、建筑 图 13 建筑物群毗邻化的细节放大图
物的直角数量，建筑物的最小外接矩形长轴的方 Fig. 13 Enlarged Details of Building Groups
Agglomeration Results
位 ［24，26］ 和建筑物的凸包面积 ［24］ 。上述指标在建
筑物群毗邻化前后的变化情况可以从 5 个方面进 n
a
b
C IPQ =[( ∑ |Q i - Q i |)/n ]×100% （5）
行评价，包括：
i = 1
1）建筑物群的平均形状因子差 C IPQ： Q = 4πA/P 2 （6）