作为地理空间信息的关键技术,可视化主要是采用计算机图形图像处理技术,将繁杂的自然科学现象、地理景观及一些抽象形式概念图形化的过程。详细来说,就是指利用图形图像处理技术,将复杂的空间和属性数据以地理的形式展现出来,使之能够及时准确的对数据挖掘做出相关性层面的判断、发展趋向及辅助决策。本文以空间点群为目标,以Voronoi图为切入点,通过对空间点群的自适应聚类算法、聚类点加权Voronoi图形的可视化,提出了基于层次Voronoi图的空间点群数据的可视化方法。结合概率论与数理统计相关理论知识,对其具体的点群应用性问题进行了相关的研究,最后进行试验验证并对研究成果进行了分析。本论文研究内容如下：(1)对当前空间数据可视化图形的弊端进行了分析。针对当前空间数据可视化的图形多为三角网、格网方格,由于其图形的灵活性限制了空间数据维度信息量的再现,在信息可视化上不利于空间数据的几何形态结构表达。因此,迫切需要一种可观的可视化图形来改善空间数据的可视化表达效果,提高对图形可视化的空间信息量呈现。(2)提出了基于空间点群的层次树结构自适应聚类算法。对一般可视化的树型数据结构和聚类树数据结构进行了概要论述。固定的树型数据结构固然可以实现空间数据的结构划分,但顾及到空间数据的实时性和整体性原则,本文通过自适应的聚类算法实现对空间点群数据的结构划分,保证了空间数据的群聚完整性与自适剖分性。(3)提出了基于层次Voronoi图的层次细节(Level of Detail, LOD)可视化表达方法。根据自适应聚类算法构建的层次树结构,以Voronoi图为可视化图形,实现空间点群数据的层次剖分、信息的可视化表达。该空间数据的可视化可在特定的宏观背景下观察其内部的微观信息,实现了信息的层次细节表达。(4)提出了基于空间点群的层次Voronoi图制图综合方法。依据层次Voronoi图的可视化图形特性,对空间点群进行综合研究。依据点群相似度算法,通过对不同空间点群的层次Voronoi图表达,使用密度、角度、距离、拓扑相似度,及其几何平均值来量化点群之间的相似程度。实现了制图综合后点群在范围、排列和密度上的一致性。本文提出的基于层次Voronoi图的可视化方法,相对于层次细节可视化、点群制图综合及相似度计算,在处理复杂空间点群目标的空间关系上具有显著的优势,并通过试验实现了预期的目标,证明了其方法的切实可行性。