建筑物聚类旨在通过空间聚类方法,根据符合人类视觉感知的原理和规律将建筑物划分到不同的群组中,使得同一群组内建筑物的相似性尽可能最大。研究建筑物的聚类方法对空间对象的多尺度表达、地理要素分布规律的识别、空间场景相似性的比较等方面都有重要的意义。因此,本文以最小生成树(MST)为基本聚类算法,结合建筑物模式识别的格式塔(Gestalt)准则对街区建筑物进行聚类,旨在提出更加符合人类视觉认知的空间聚类方法作为探测空间分布模式的有效手段,为空间场景相似性比较提供有力支持。本文首先研究了适用于建筑物分布模式的格式塔心理学原则,并探讨了描述建筑物几何特征的各种Gestalt因子的计算方法。之后对建筑物聚类所采用的几何模型——约束Delaunay三角网进行了描述和优化,在此基础上得到描述建筑物间邻接关系的邻近图,计算建筑物间的邻近距离。在艾廷华(2007)提出的将欧氏距离、方向差异、大小差异三者融合在一起的“视觉距离”的基础上,对“视觉距离”中所考虑的Gestalt因子进行了补充及改进,用邻近距离来描述建筑物间的距离远近,加入了形状差异和密度差异,并且将建筑物的楼层高度也作为建筑物聚类的一个约束条件。最后以建筑物的视觉距离为权值构建最小生成树(MST),通过对MST的剪枝得到以视觉距离为约束的街区建筑物的聚类结果。为了验证以视觉距离为约束的建筑物MST聚类结果的有效性,对同一实验区域不同约束条件和不同聚类方法进行对比分析。首先分别以建筑物质心点间的欧氏距离、建筑物间通视区域的平均距离——邻近距离、以及在邻近距离的基础上顾及Gestalt因子的视觉距离这三种不同的距离为约束条件对建筑物进行MST聚类;其次,在以视觉距离为约束的前提下,分别对建筑物进行MST方法聚类、基于划分的K-Means方法聚类、基于层次的系统聚类法聚类。实验结果表明:在不同的约束条件下,以视觉距离为约束得到的聚类结果中,各子簇内建筑物几何特征参数的变异系数CV要小于其他两种距离约束的聚类结果,说明以视觉距离为约束得到的聚类结果要明显优于其他两种距离约束的结果。在不同的聚类方法下,用MST方法得到的聚类结果中,各子簇内建筑物几何特征参数的变异系数CV要小于其他两种聚类方法的聚类结果,说明MST方法得到的聚类结果要优于其他两种聚类方法。因此可以认为,以顾及Gestalt原则的视觉距离为约束对街区建筑物进行MST聚类得到的结果合理,效果符合人类的视觉认知。