Помощь в написании студенческих работ
Антистрессовый сервис

Растровые модели и алгоритм визуализации пространственных данных в системах мониторинга природных и техногенных катастроф

ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Разработаны растровые модели для хранения и обработки пространственных данных в виде системы отношений, полученных на основании кривых, заполняющих пространство, отличающиеся тем, что для хранения координатных и атрибутивных данных используются отдельные отношения, полученные в результате декомпозиции и метода группового кодирования, позволяющие снизить затраты памяти для своего представления и… Читать ещё >

Растровые модели и алгоритм визуализации пространственных данных в системах мониторинга природных и техногенных катастроф (реферат, курсовая, диплом, контрольная)

Содержание

  • 1. Постановка задачи диссертационного исследования
    • 1. 1. Системы мониторинга природных и техногенных катастроф
      • 1. 1. 1. Природные, техногенные катастрофы и чрезвычайные ситуации
      • 1. 1. 2. Мониторинг и системы мониторинга
      • 1. 1. 3. Задачи систем мониторинга
      • 1. 1. 4. Виды и состав систем мониторинга
      • 1. 1. 5. Требования к системам мониторинга
      • 1. 1. 6. Применение методов дистанционного зондирования в системах мониторинга
      • 1. 1. 7. Пространственные данные и пространственные объекты в системах мониторинга
      • 1. 1. 8. Анализ и идентификация пространственных данных в системах мониторинга
    • 1. 2. Растровые модели для хранения и обработки пространственных данных в системах мониторинга
      • 1. 2. 1. Существующие формы представления фрагментов пространственных данных произвольной области
        • 1. 2. 1. 1. Представление фрагментов пространственных данных произвольной области в канонической форме
        • 1. 2. 1. 2. Представление объектов пространственных данных с использованием минимальных ограничивающих прямоугольников и бинарных файлов
        • 1. 2. 1. 3. Представление фрагментов пространственных данных произвольной области с использованием квадродеревьев
        • 1. 2. 1. 4. Представление фрагментов пространственных данных произвольной области с использованием линейных квадродеревьев
        • 1. 2. 1. 5. Представления фрагментов пространственных данных произвольной области с использованием отношений Пеано
      • 1. 2. 2. Предлагаемые новые модели представления
    • 1. 3. Растровые модели для передачи пространственных данных в системах мониторинга
      • 1. 3. 1. Существующие модели представления
      • 1. 3. 2. Предлагаемые новые модели представления
    • 1. 4. Выводы
  • 2. Растровые модели, предназначенные для хранения и обработки пространственных данных состояния объекта мониторинга в виде системы отношений
    • 2. 1. Понятие сложного пространственного объекта, характеризующего состояние объекта мониторинга
    • 2. 2. Структура моделей
    • 2. 3. Построение моделей
      • 2. 3. 1. Трансформация многомерного координатного пространства пространственного объекта в одномерное
      • 2. 3. 2. Декомпозиция
      • 2. 3. 3. Снижение избыточности на основании метода группового кодирования
    • 2. 4. Аналитическое сравнение вариантов реализации моделей для систем мониторинга по показателю требуемого объема памяти
      • 2. 4. 1. Требования и ограничения на характеристики моделей
      • 2. 4. 2. Определение аналитических выражений для модели тЬг
      • 2. 4. 3. Определение аналитических выражений для модели бг
      • 2. 4. 4. Определение аналитических выражений для модели рг
      • 2. 4. 5. Определение аналитических выражений для модели сгс
      • 2. 4. 6. Определение аналитических выражений для модели сг
      • 2. 4. 7. Результаты аналитического сравнения моделей объемов памяти для систем мониторинга в наихудшем и наилучшем случаях
    • 2. 5. Экспериментальное сравнение систем мониторинга по показателю требуемого объема памяти
    • 2. 6. Выводы
  • 3. Растровые модели передачи пространственных данных о состоянии объекта мониторинга в виде последовательности бит
    • 3. 1. Структура моделей
    • 3. 2. Построение моделей
      • 3. 2. 1. Декомпозиция
      • 3. 2. 2. Обход вершин квадродерева в ширину для кодирования и получения последовательностей бит
    • 3. 3. Аналитическое сравнение вариантов реализации моделей по показателю требуемого объема передаваемых данных
      • 3. 3. 1. Определение аналитических аппроксимирующих выражений количества различных вершин в квадродеревьях
        • 3. 3. 1. 1. Определение аналитических аппроксимирующих выражений количества различных вершин в квадродеревьях для наихудшего случая
        • 3. 3. 1. 2. Определение аналитических аппроксимирующих выражений количества различных вершин в квадродеревьях для наилучшего случая
      • 3. 3. 2. Аналитические аппроксимирующие зависимости для определения объема передаваемых данных с использованием исследуемых моделей
      • 3. 3. 3. Результаты аналитического сравнения моделей по показателю требуемого объема передаваемых данных в наихудшем и наилучшем случаях
    • 3. 4. Экспериментальное сравнение моделей по показателю требуемого объема передаваемых данных
    • 3. 5. Выводы
  • 4. Алгоритм визуализации пространственных данных в системах мониторинга94 4.1 Процедуры запросов обработки изменения состояния объектов мониторинга для моделей
    • 4. 1. 1. Аналитические выражения для расчета времени выполнения процедуры обработки изменения состояния объектов мониторинга для модели ¿г
    • 4. 1. 2. Аналитические выражения для расчета времени выполнения процедуры обработки изменения состояния объектов мониторинга для модели тЪг
    • 4. 1. 3. Аналитические выражения для расчета времени выполнения процедуры обработки изменения состояния объектов мониторинга для модели рг
    • 4. 1. 4. Аналитические выражения для расчета времени выполнения процедуры обработки изменения состояния объектов мониторинга для модели сгс
    • 4. 1. 5. Аналитические выражения для расчета времени выполнения процедуры обработки изменения состояния объектов мониторинга для модели сг
    • 4. 2. Процедуры обработки запросов по координатам
    • 4. 3. Процедуры обработки запросов по пространственным атрибутам
    • 4. 3. 1. Определение отношения для выборки данных по пространственным атрибутам
    • 4. 4. Процедуры обработки запросов по непространственным атрибутам
    • 4. 5. Процедуры запросов по комбинации атрибутов
    • 4. 6. Процедура передачи данных в видеосистему
    • 4. 7. Аналитическое сравнение моделей по времени выполнения алгоритма визуализации
    • 4. 8. Экспериментальное сравнение моделей по времени выполнения алгоритма визуализации
    • 4. 9. Выводы

Актуальность работы. В настоящее время одним из приоритетных направлений развития научно-технического комплекса России является разработка методов и алгоритмов систем поддержки принятия решений в научно-технической сфере на основе визуального анализа многомерных слабоструктурированных данных и показателей. Особенно сложным становится такой анализ, когда многомерные слабоструктурированные данные и показатели характеризуют состояние пространственно-распределенного сложного объекта произвольной формы и структуры со слабоформализуемым описанием. Такие данные в геоинформационных системах определяются через понятие пространственных данных. Примером их использования являются системы мониторинга природных и техногенных катастроф на основе геоинформационных технологий, в которых для представления пространственных данных применяют растровую модель.

При увеличении размерности и точности представления пространственных данных система мониторинга приходит в состояние, когда требуемый объем памяти для их представления не соответствует возможностям технических средств системы или время для анализа изменения состояния объекта на их основе не соответствует требованиям оперативности. Особенно критично это противоречие при быстро меняющейся оперативной обстановке в условиях природных и техногенных катастроф с применением мобильных и бортовых технических средств для мониторинга и анализа состояния удаленных объектов в труднодоступных и опасных для человека местах.

Одной из частей системы мониторинга, оказывающей существенное влияние на показатели оперативности и ресурсоемкости, является система представления пространственных данных на основе растровых моделей, которые, в свою очередь, являются сложными системами со слабоформализуемым неоднородным математическим описанием.

Таким образом, имеется актуальная научно-техническая задача разработки новых растровых моделей пространственных данных для повышения эффективности функционирования систем мониторинга природных и техногенных катастроф, для решения которой требуются методы системного анализа.

Повышение оперативности функционирования системы мониторинга повышает оперативность функционирования системы управления рисками природным и техногенных катастроф, в состав которой входит система мониторинга.

Диссертационная работа выполнена в рамках федеральной целевой программы «Снижение риска и уменьшение последствий природных и техногенных катастроф» по теме НИР «Методы и модели создания информационно-аналитических систем мониторинга и прогнозирования рисков возникновения природных и техногенных катастроф на основе геоинформационных технологий», номер гос. регистрации 1.61.10 ГК № П 519 от 14.05.2010 Минобрнауки России.

Цель работы. Повышение эффективности функционирования систем мониторинга природных и техногенных катастроф по показателям оперативности и ресурсоемкости на основании разработки новых растровых моделей пространственных данных, являющихся основой создания специального математического и алгоритмического обеспечения.

Задачи, решение которых необходимо для достижения поставленной цели:

— анализ структурно-функциональной организации систем мониторинга природных и техногенных катастроф, построенных на основе геоинформационных технологий, использующих для представления пространственных данных растровые модели;

— разработка на основе линейных квадродеревьев растровых моделей, являющихся базой для сравнения вариантов эффективной реализации систем мониторинга природных и техногенных катастроф по показателям затрат памяти и оперативности, для хранения, обработки, передачи и визуализации пространственных данных;

— разработка алгоритма визуализации пространственных данных в системах мониторинга природных и техногенных катастроф и оценка вариантов его реализации на основании различных растровых моделей по показателю оперативности его выполнения;

— аналитическое и экспериментальное исследование предложенных растровых моделей и алгоритма визуализации для подтверждения достоверности, полученных на их основе значений показателей эффективности функционирования систем мониторинга природных и техногенных катастроф.

Объект исследования. Подсистема хранения, передачи и обработки пространственных данных в системах мониторинга природных и техногенных катастроф, построенных на основе геоинформационных технологий.

Предмет исследования. Растровые модели представления пространственных данных, использующие линейные квадродеревья, и алгоритмы обработки пространственных данных на основе этих моделей.

Соответствие паспорту научной специальности. Содержание диссертации соответствует п. 5 «Разработка специального математического и алгоритмического обеспечения систем анализа, оптимизации, управления, принятия решений и обработки информации» и п. 12 «Визуализация, трансформация и анализ информации на основе компьютерных методов обработки информации» паспорта специальности 05.13.01 — Системный анализ, управление и обработка информации.

Методы исследований. В работе использовались методы: системного анализа, дискретной математики, алгебры реляционных отношений и систем функциональных зависимостей в реляционных базах данных.

Научная новизна. В диссертации получены следующие результаты, характеризующиеся научной новизной и выносимые на защиту:

— растровые модели для хранения и обработки пространственных данных в виде системы отношений, полученных на основании кривых, заполняющих пространство, отличающиеся тем, что для хранения адресных и атрибутивных данных используются отдельные отношения, полученные в результате декомпозиции и метода группового кодирования, позволяющие снизить затраты памяти в системах мониторинга для представления состояния объекта за счет уменьшения количества кортежей в отношениях.

— растровые модели для передачи пространственных данных о состоянии объекта мониторинга в виде последовательности бит, содержащие структуру квадродерева и его атрибуты, отличающиеся тем, что адресная часть в виде структуры дерева и атрибутивная часть хранятся в отдельных последовательностях, позволяющие снизить объем передаваемых данных в системах мониторинга за счет уменьшения, в зависимости от типа модели, количества вершин дерева или количества бит на кодировку вершин дерева.

— алгоритм визуализации пространственных данных в системах мониторинга техногенных и природных катастроф, отличающийся использованием предложенных растровых моделей в виде системы отношений с применением к ним операций реляционной алгебры для реализации процедур алгоритма, позволяющий повысить оперативность визуализации пространственных данных состояния объекта мониторинга и результатов их анализа.

Практическая значимость и результаты внедрения. Практическое значение работы определяется применением результатов исследования для визуализации, трансформации, хранения, передачи и анализа пространственных данных в информационно-аналитических системах мониторинга и прогнозирования рисков возникновения природных и техногенных катастроф на основе компьютерных методов обработки информации с целыо повышения эффективности их функционирования.

Результаты работы использованы: в учебном процессе Юго-Западного государственного университета на кафедре программного обеспечения вычислительной техники при обучении студентов по направлению магистерской подготовки 231 000.68 «Программная инженерия» в дисциплине «Пространственные базы данных» и в научно-исследовательской работе кафедры по теме «Методы и модели создания информационно-аналитических систем мониторинга и прогнозирования рисков возникновения природных и техногенных катастроф на основе геоинформационных технологий», в ООО «Научно-финансовый центр «ЦЕНТР КАПИТАЛ», ООО «МеталлЭксперт», что подтверждено соответствующими актами (приложение 3).

Апробация работы. Основные положения диссертационной работы докладывались, обсуждались и получили положительную оценку на научно-технических конференциях: IX, X Международных конференциях «Распознавание» (Курск, 2010, 2012 гг.) — Международной конференции «Континуальные алгебраические логики, исчисления и нейроинформатика в науке и техникеКЛИН — 2006» (Ульяновск, 2006 г.) — IV Всероссийской научно-технической конференции «Современные методы и средства обработки пространственно-временных сигналов» (Пенза, 2006 г.) — Международной научно-технической конференции «Современные информационные технологии» (Пенза, 2010, 2011 гг.) и научно-технических семинарах кафедры программного обеспечения вычислительной техники Юго-Западного государственного университета (20 102 012 гг.).

Публикации. Самостоятельно и в соавторстве по теме диссертации опубликовано 14 научных работ, в том числе 6 статей в рецензируемых научных журналах и два свидетельства о регистрации программы для ЭВМ.

Личный вклад автора. Все научные результаты диссертационного исследования получены автором лично. В основных научных работах по теме диссертации, опубликованных в соавторстве и приведенных в конце автореферата, личный вклад соискателя состоит в следующем: в [8] предложена модель представления пространственных данных, основанная на декомпозиции квад-родеревьев на адресную и содержательную частив [9] предложена модель представления пространственных данных, основанная на агрегации содержательных частей данных отдельных объектов в единую содержательную частьв [11] разработаны запросы на языке SQL для реализации основных процедур визуализации пространственных данныхв [49] написана процедура получения линейного квадродерева по фрагменту цветного изображенияв [7] разработана процедура определения пересечения двух фрагментов, представленных в виде квадродеревьевв [10] разработана модифицированная структура записи для линейных квадродеревьев в модели представления пространственных данных.

Структура и объем работы. Диссертация состоит из введения, четырех разделов, заключения, библиографического списка, включающего 59 отечественных и 42 зарубежных наименований, и приложений. Работа изложена на 154 страницах машинописного текста, содержит 52 рисунка и 5 таблиц.

4.9 Выводы.

Результатом раздела является вывод о возможности выполнения алгоритмов визуализации фрагментов растровых данных произвольной области с использованием современных компьютерных методов обработки, которыми являются реляционные СУБД. Использование средств СУБД повышает надежность разработанного программного обеспечения за счет использования неоднократно проверенного программного обеспечения, входящего в состав СУБД.

Использование моделей данных ere и сг в алгоритме визуализации позволило повысить оперативность обработки данных при изменении состояния объектов мониторинга от 1,3 до 1,6 раз в зависимости от сравниваемой модели.

ЗАКЛЮЧЕНИЕ

.

В результате проведенных исследований предложены новые научно обоснованные решения, предназначенные для визуализации, трансформации, хранения, передачи и анализа пространственных данных в системах мониторинга природных и техногенных катастроф на основе геоинформационных технологий.

В диссертационной работе получены следующие основные результаты:

1. Проведен анализ структурно-функциональной организации систем мониторинга природных и техногенных катастроф, построенных на основе геоинформационных технологий, использующих для представления пространственных данных растровые модели, выявивший недостатки их функционирования в реальном масштабе времени по показателям эффективности и затрат памяти из-за вида используемых в них растровых моделей.

2. Разработаны растровые модели для хранения и обработки пространственных данных в виде системы отношений, полученных на основании кривых, заполняющих пространство, отличающиеся тем, что для хранения координатных и атрибутивных данных используются отдельные отношения, полученные в результате декомпозиции и метода группового кодирования, позволяющие снизить затраты памяти для своего представления и, тем самым, повысить эффективность системы мониторинга природных и техногенных катастроф по показателю затрат памяти в диапазоне от 1,3 до 1,7 раза по сравнению с существующими аналогами.

3. Разработаны растровые модели для передачи пространственных данных о состоянии объекта мониторинга в виде последовательности бит, содержащие структуру квадродерева и его атрибуты, отличающиеся тем, что координатная часть в виде структуры дерева и атрибутивная часть хранятся в отдельных последовательностях, позволяющие снизить объем передаваемых данных в системах мониторинга природных и техногенных катастроф от 1,2 до 1,6 раза по сравнению с существующим аналогом.

4. Разработан алгоритм визуализации пространственных данных в системах мониторинга природных и техногенных катастроф, отличающийся использованием предложенных растровых моделей в виде системы отношений с применением к ним операций реляционной алгебры для реализации процедур алгоритма, позволяющий повысить оперативность визуализации пространственных данных состояния объекта мониторинга и результатов их анализа от 1,3 до 1,6 раз по сравнению с существующими аналогами.

5. Проведено аналитическое и экспериментальное исследование предложенных растровых моделей и алгоритма визуализации, подтверждающее достоверность, полученных на их основе значений показателей эффективности функционирования систем мониторинга природных и техногенных катастроф.

Показать весь текст

Список литературы

  1. Автоматизированные системы экологического мониторинга атмосферы промышленно развитых территорий: монография / Панарин В. М. и др. Тула: Изд-во ТулГУ, 2006. 165 с.
  2. В.А., Лесных В. В., Радаев H.H. Основы анализа и управления риском в природных и техногенных сферах. М.: Деловой экспресс, 2004. 352с.
  3. В.В., Горский Н. Д. Представление и обработка изображений: Рекурсивный подход. Л.:Наука, 1985. 192 с.
  4. В.В., Кулешов C.B., Цветков О. В. Цифровая технология инфокоммуникации. Передача, хранение и семантический анализ текста, звука, видео. СПб.: Наука, 2008. 244 с.
  5. A.B. Системный анализ. Учеб. для вузов. М.: Высш. шк., 2004. 454 с.
  6. B.C. и др. Системный анализ в управлении : учеб. пособие / под ред. A.A. Емельянова. М.: Финансы и статистика, 2002. 368 с.
  7. А.О., Белов A.B., Николаев A.B. Использование квадродеревьев в динамических электронных фотокартах // Известия Юго-Западного государственного университета. 2011. № 6 (39). 4.2. С. 36−40.
  8. О.И., Белов A.B., Белов В. Г. Использование адресных и содержательных квадродеревьев для представления и отображения фрагментов изображения // Наукоёмкие технологии. 2012. № 9. С 34−35.
  9. О.И., Белов A.B. Отображение графической и атрибутной информации фрагментов изображения, представленных линейными квадроде-ревьями, на основе операций реляционной алгебры // Наукоёмкие технологии. 2012. № 9. С 52−55.
  10. А. В. Формирование классификатора с нечеткими границами на основании кривых, заполняющих дискретное признаковое пространство // Известия ЮЗГУ. 2012. № 4(43).Ч.2. С. 71 73.
  11. A.B. Передача и хранение фрагментов изображения дистанционного зондирования при помощи различных схем кодирования квадродеревьев. Часть 1. Схемы кодирования квадродеревьев // Телекоммуникации. 2013. № 2. С. 37−41.
  12. A.M. Исследование эффективности одномерных дискретных косинусных преобразований на развертках двумерных сигналов, порожденных каноническими системами счисления // Компьютерная оптика. 2011. Т. 35. № 4. С. 519−521.
  13. A.M. Теоретические проблемы картографии. М.: Изд-во МГУ, 1993. 116 с.
  14. В.Н., Денисов A.A. Основы теории систем и системного анализа : учебник для вузов. СПб.: Изд-во СПбГТУ, 2003.
  15. Гарсиа-Молина Г., Ульман Д., Уидом Д. Системы баз данных. Полный курс.: Пер. с англ. М.: Издательский дом «Вильяме, 2003. 1088 с.
  16. Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2005. 1070 с.
  17. ГОСТ Р 22.0.02−94 Безопасность в чрезвычайных ситуациях. Термины и определения основных понятий. М.: ИПК Издательство стандартов, 1995. Юс.
  18. ГОСТ Р 22.0.03−95 Безопасность в чрезвычайных ситуациях. Природные чрезвычайные ситуации. Термины и определения. М.: ИПК Издательство стандартов, 1995. 9 с.
  19. ГОСТ Р 22.0.05−94 Безопасность в чрезвычайных ситуациях. Техногенные чрезвычайные ситуации. Термины и определения. М.: ИПК Издательство стандартов, 1994. 11 с.
  20. ГОСТ Р 22.0.09−95 Безопасность в чрезвычайных ситуациях. Чрезвычайные ситуации на акваториях. Термины и определения. М.: ИПК Издательство стандартов, 1995. 35 с.
  21. ГОСТ Р 22.1.02−95 Мониторинг и прогнозирование. Термины и определения. М.: ИПК Издательство стандартов. 1996. — 6 с.
  22. ГОСТ Р 22.1.04−96 Мониторинг аэрокосмический. Номенклатура контролируемых параметров чрезвычайных ситуаций. М.: ИПК Издательство стандартов, 1996. 15 с.
  23. ГОСТ Р 22.1.12−05 Структурированная система мониторинга и управления инженерными системами зданий и сооружений. М.: Стандартин-форм, 2005. 13 с.
  24. ГОСТ Р 52 438−2005 Географические информационные системы. Термины и определения. М.: Стандартинформ, 2006. 28 с.
  25. М.Ю., Волчек А.А, Шведовский П. В. Чрезвычайные ситуации и их последствия: мониторинг, оценка, прогноз и предупреждение. Минск: «Белсэнс», 2010. 275 с.
  26. В.Е., Коньков К. А. Основы операционных систем. Курс лекций: учебное пособие. / Под ред. В. П. Иванникова. М.: ИНТУИТ.РУ «Интернет Унивеситет информационных технологий», 2005. 536 с.
  27. Д. Системология. М.: Радио и связь, 1973. 262 с.
  28. Концепция развития российской космической системы дистанционного зондирования Земли на период до 2025 года Электронный ресурс. URL: http://do.gendocs.ru/docs/index-306 053.html (дата обращения: 20.05.2013).
  29. A.B., Тикунов B.C. Геоинформатика. М.: Картгеоцентр-Геодезиздат, 1993. 348 с.
  30. В.В., Красильщиков М. Н., Бобронников В. Т., Нестеренко О. П., Федоров A.B. Спутниковые системы мониторинга. Анализ, синтез и управление / Под ред. В. В. Малышева. М.: Изд-во МАИ, 2000. 568 с.
  31. Д. Теория реляционных баз данных. М.: Мир, 1987. 608 с.
  32. М., Такахара И. Общая теория систем: математические основы М.: Мир, 1978. 311 с.
  33. Методы компьютерной обработки изображений / Под ред. В. А. Сойфера. М.: Физматлит, 2003. 784 с.
  34. H.H. Математические задачи системного анализа. М.: Наука, 1981.
  35. В.И. и др. Теоретические основы системного анализа. / Под ред. В. И. Новосельцева. М.: Майор, 2006. 592 с.
  36. О’Коннор Дж., Макдермот И. Искусство системного мышления: Необходимые знания о системах и творческом подходе к решению проблем. М.: Альпина Бизнес Букс, 2006. 256 с.
  37. Ф.И., Тарасенко Ф. П. Введение в системный анализ : учеб. пособие. М.: Высшая школа, 1989. 367 с.
  38. Рис У. Г. Основы дистанционного зондирования. М.: Техносфера, 2006. 336 с.
  39. A.C. Модели и методы системного анализа: принятие решений и оптимизация: Учебное пособие для вузов. М.: МИСИС. Издательский дом «Руда и металлы». 2005, 352 с.
  40. Свидетельство о государственной регистрации программы для ЭВМ № 2 012 613 730 Программа минимизации и анализа линейного квадродерева для представления фрагментов цветного изображения произвольной формы. /Белов, A.B. заявлено 28.02.2012, опубл. 20.04.2012.
  41. Д. Сжатие данных, изображений и звука. М.: Техносфера, 2004. 368с.
  42. В.А. Компрессия изображений с помощью дискретных ортогональных преобразований, определённых на развёртках двумерных областей // Компьютерная оптика. 2005. № 28. С. 132−135.
  43. Фотография Электронный ресурс. URL: http://landsat.usgs.gov/images/gallery/52L.jpg (дата обращения: 20.05.2013).
  44. Фотография Электронный ресурс. URL: http://www.kaloshino.ru/userfiles/Image/mapgoogle.jpg (дата обращения: 20.05.2013).
  45. Фотография Электронный ресурс. URL: http://www.termografia.ru/about/gallery/ (дата обращения: 20.05.2013).
  46. Фотография Электронный ресурс. URL: http://www.geosystema.net/gallery/analytica/Gamalia3.jpg (дата обращения: 20.05.2013).
  47. Фотография Электронный ресурс. URL: http://devmag.org.za/201 l/02/23/quadtrees-implementation/ (дата обращения: 20.05.2013)
  48. М.А., Епихин A.B., Щербенко Е. В., Дорошенко С. Г., Челюканов A.B. Космический мониторинг наводнений и их последствий // Технологии гражданской безопасности. 2003, № 1−2. С. 54 61.
  49. Ш., Чаула С. Основы пространственных баз данных. /Пер. с англ. М.: КУДИЦ-ОБРАЗ, 2004. 336 с.
  50. O.B. Концептуальные основы мониторинга рисков в условиях системных конфликтов // Проблемы анализа риска. 2007. Т. 4. № 3. С. 281 291.
  51. , D.J. (1984). A B+tree structure for large quadtrees. International Journal of Computer Vision, Graphics and Image Processing, 27(1), 19−31.
  52. Arc View GIS. The Geographic Information System for Everyone. (1996). ESRI, Inc. USA
  53. , H.K., & Chang, J-W. (1994). The fixed binary linear quadtree coding scheme for spatial data. The International Society for Optical Engineering SPIE, Visual Communications and Image Processing, 2308, 1214−1220.
  54. Chang, H.K.-C., Liu, S.-H. & Tso C.-K. (1997). Two-Dimensional Template-Based Encoding for Linear Quadtree Representation. Photogrammetric Engineering & Remote Sensing, 63(11), 1275−1282.
  55. Chen, C.-S., Liang, J.-Y., Lee, Y.-K., Fan, M.-H. & Huang, C.-H. (2011). Large Efficient Searching Algorithms for Multi-dimensional Space Data Using Hilbert Space-filling Curves. Journal of Information & Computational Science, 8(1), 41−50.
  56. Chen, P-M. (2002). Variant code transformations for linear quadtrees. Pattern Recognition Letters, 23(11), 1253−1262.
  57. Chung, K.-L., Huang, Y.-L. & Liu Y.-W. Efficient algorithms for coding Hilbert curve of arbitrary-sized image and application to window query. Information Sciences, 177(10), 2130−2151.
  58. Chung, K.-L., Tsai Y.-H. & Hu, F.-C. (2000). Space-Filling Approach for Fast Window Query on Compressed Images. IEEE Transaction on Image Processing, 9(12), 2109−2116.
  59. Chung, K.-L., Tsai, Y.-H & and Hu, F.-C. (2000). Space-Filling Approach for Fast Window Query on Compressed Images, IEEE Transaction on Image Processing, 9(12), 2109−2116.
  60. S. (2004). Getting Started With Arcgis: ArcGIS 9. ESRI.
  61. Dai, H.-K. & Su, H.-C. (2003). Approximation and Analytical Studies of Inter-clustering Performances of Space-Filling Curves. Discrete Mathematics and Theoretical Computer Science AC, 53−68.
  62. , R.A., & Bentley, J.L. (1974). Quadtrees: A data structure for retrieval on composite keys. Acta Informatica, 4, 1−9.
  63. , A.U. & Timpf, S. (1994). Multiple Representations for Cartographie Objects in a Multi-scale Tree An Intelligent Graphical Zoom. In Computer and Graphics Special Issue on Modelling and Visualization of Spatial Data in GIS, 18(6), 823−829.
  64. , I. (1982). An effective way to represent quadtrees. Communications of A CM, 25{ 12), 905−910.
  65. Hamilton, C.H.& Rau-Chaplin, A. (2008). Compact Hilbert indices: Space-filling curves for domains with unequal side lengths. Information Processing Letters, 105, 155−163.
  66. , M. & Chmurny, J. (1996). Image Generation by Octree. Radio-ingineering, 5 (3), 1 -5.
  67. , G.M. (1979). Operations on Images Using Quad Trees. IEEE Transactions on Pattern Analysis and Machine Intelligence, Pami-1(2), 145−153.
  68. , H.V. (1990). Linear Clustering of Objects with Multiple Attributes. Proc. ACMSIGMOD Conf., 332−342.
  69. Kothuri, R., Godfrind, A., & Beinat, E. (2007). Pro Oracle Spatial for Oracle Database 1 lg. Apress.
  70. Kothuri, R.K.V., Ravada, S., & Abugov, D. (2002). Quadtree and R-tree indexes in oracle spatial: a comparison using GIS data. Proceedings of the ACM SIGMOD International Conference on Management of Data, (SIGMOD 2002), 546 557.
  71. , R. & Thompson, D. (1992). Fundamentals of Spatial Information Systems. The Apic Series 37. Academic Press.
  72. Li, S.X. & Loew, M.H. (1987). The quadcode and its arithmetic. Communications of ACM, 30(7), 621−626.
  73. Lin, T-W. (1997a). Compressed quadtree representations for storing similar images. Image and Vision Computing, 75(11), 833−843.
  74. Lin, T-W. (1997b). Set operations on constant bit-length linear quadtrees. Pattern Recognition, 30(7), 1239−1249.
  75. Liu, X. & Schrack, G.F. (1996). Encoding and decoding the Hilbert order. Software: Practice and Experience, 26(12), 1335−1346,.
  76. Liu, X. & Schrack, G.F. (1997). An algorithm for encoding and decod-ingthe 3-D Hilbert order. IEEE Transaction on Image Processing, 6(9), 1333−1337.
  77. Manolopoulos, Y., Nanopoulos, A., Papadopoulos, A.N. & Yannis Theodoridis, Y. (2006). R-Trees: Theory and Applications. Springer-Verlag London Limited.
  78. Manolopoulos, Y., Papadopoulos, A.N. & Vassilakopoulos, M.Gr. (2005). Spatial databases: technologies, techniques and trends. Idea Group Publishing Hershey, Inc.
  79. Moon, B., Jagadich, H.V., Faloutsos, C. & Saltz, J.H. (2001). Analysis of the Clustering Properties of the Hilbert Space-Filling Curve. IEEE Transaction on Knowledge and Data Engineering, 13(1), 1−18.
  80. PCRaster Documentation. Release 3.0.1. PCRaster Team. (2011). URL: http://pcraster.geo.uu.nl/documentation/PCRaster/PCRaster.pdf (20.05.2013).
  81. , P. (2010). Introducing PostGIS WKT Raster. Seamless Raster/Vector Operations in a Spatial Database. URL: http://2010. foss4g.org/presentations/3221 .pdf (20.05.2013).
  82. Rigaux, P., Scholl, M. & Voisard, A. (2002). Spatial Databases with Application to GIS. Morgan Kaufmann Publishers.
  83. , H. (1994). Space-filling curves. Springer-Verlag New York, Inc.
  84. , H. (1990a). The design and analysis of spatial data structures. Reading, MA: Addison Wesley.
  85. , H. (1990b). Applications of spatial data structures: computer graphics, image processing, and GIS. Reading, MA: Addison Wesley.
  86. , C.A. & Samet, H. (1990). Set Operations for Unaligned Linear Quadtrees. Computer Vision, Graphics and Image Processing, 50, 29−49.
  87. Shaffer, C.A., Samet, H., & Nelson, R.C. (1990). QUILT: A geographic information system based on quadtrees. International Journal on Geographical Information Systems, 4(2), 103−131.
  88. Vassilakopoulos, M., Manolopoulos, Y. & K Economou, K. (1993). Overlapping quadtrees for the representation of similar images. Image and Vision Computing, 11(5), 257−262.
  89. , J. & Guillemant, P. (2002). An image processing technique for automatically detecting forest fire. International Journal of Thermal Sciences 41, 1113−1120.131
Заполнить форму текущей работой