《地图影像的几何纠正与识》由会员分享，可在线阅读，更多相关《地图影像的几何纠正与识（48页珍藏版）》请在金锄头文库上搜索。
1、地图影像的 几何纠正与识别,现阶段，纸质地图是获取数字地理信息的主要来源，而实现这一信息获取的主要途径是对地图进行扫描，形成栅格影像图，然后进行矢量化处理，生成矢量图。 经过处理后的数字影像地图和矢量地图是GIS最重要的组成部分，而上述方式是目前GIS数据采集的最主要方式。,影像地图以栅格形式存储，格式简单，容易与遥感影像和DEM进行联合空间分析并易实现数据共享，但数据量大且不是面向对象的。,矢量地图数据量小，结构紧凑，且面向对象存储，便于附加实体的属性信息和对实体的定义和操作，但数据结构相对复杂。,直接扫描得到的栅格影像经过几何纠正、镶嵌等处理可生成影像地图，即GIS中的DRG数据。 对已处
2、理的影像地图人工矢量化或自动识别可生成GIS中最主要的数据源DLG。,目前，GIS管理的数据大多为矢量格式。,一、扫描影像几何纠正,减小几何变形,地理编码,扫描影像几何纠正的目的,扫描影像几何纠正研究现状,整体纠正方法 分块纠正方法,整体纠正方法（1）,四点定向,整体纠正方法（2）,假定上下图廓边变形相同，左右图廓边变形也相同,整体纠正（3-1）,多项式模型,线 性 变 换,整体纠正（3-2）,非线性变换,分块纠正方法,雷震提出对每一公里格网块采用仿射变换进行纠正,张继贤、林宗坚、洪刚提出分格网采用双线性变换模型进行纠正,韩晶，司连法，陈成永 等提出三角网分块纠正,遥感影像局部自适应纠正,传统
3、纠正方法的不足,分块较多，影响纠正速度,在分块过程中没有考虑栅格影像的变形特征,（1）、选取影像纠正的控制点，以大比例尺地形图为例，选择图廓角点和公里格网线的交点作为控制点，这些点的地理坐标已知，需要精确量测出影像坐标。,栅格影像变形特征的可视化,（2）、采用仿射变换数学模型，把控制点中的影像坐标当作观测值，建立误差方程式，按最小二乘原理进行平差计算，解算出仿射变换的参数，得出变换公式。,（3）、利用变换公式，计算出各控制点的变形矢量，利用向量场可视化方法中的箭头表示法，绘制出变形矢量图,其中箭头表示变形方向，长短表示变形的大小。,（4）、计算各点变形值，利用二维平面数据场的可视化方法中的等值
4、线方法，根据3.1.4.1节所述的步骤绘制变形等值线图,（5）、在平面影像坐标基础上，把变形值D作为第三维坐标，利用二维数据场可视化方法中所述的立体图法，采用Unigraphics绘制影像变形的三维效果图,变形矢量图,变形等值线图,三维变形效果图,顾及变形特征的Delaunay三角网分块纠正方法,Delaunay三角网 Vip选择性构网 顾及变形特征的Delaunay三角网构网方法 阀值的选定,Delaunay三角网定义,Delaunay三角网29（简称D三角网）是Voronoi图的对偶元， V图的计算几何的定义为：假设P是一离散点集合, 定义P的Voronoi图V(P)为 其中 为第 点的V
5、oronoi区域， Delaunay三角网由对应的Voronoi 多边形共边的点连接而成,Delaunay三角网性质,唯一性 空外接圆性质 最大的最小角性质,VIP选择性构网,VIP法选择性构网的本质,判断点是否重要,终止判断条件,VIP法选择性构网的两个关键步骤,顾及变形特征的Delaunay三角网构网方法（关键点）,判断点是否重要： 是否大于给定的阈值 。 为整体纠正时得到的各个控制点的点位误差， 为各个 控制点在相应的纠正变换模型下得到的误差值 ，即 终止判断条件：已经形成的所有三角形中不存在 值大于阈值的点。,连接地形图图廓的四角点，然后连接其中一条对角线，组成两个初始三角形，如图,顾
6、及变形特征的Delaunay三角网构网方法（步骤）,在两个三角形中分别寻找备选扩展点。,在每个三角形的备选扩展点中寻找Vip点,在两个三角形内部搜索VIP点5，6后，根据空圆法则重新构建Delaunay三角网,继续在所形成的每个三角形中寻找 大于阈值的最大值点，然后根据空圆法则重新构建Delaunay三角网,顾及变形特征的Delaunay三角网构网方法（流程）,阀值的选定,根据1：500、1：1000、1：2000地形图数字化规范,底图的影像图的定位中误差不超过图上0.16MM。阈值的选定可以根据影像的变形情况而定，若变形很大，阈值可以适当变小，以提高纠正精度。但是如果阈值过小，则会影响纠正速
7、度。所以阈值的选定应以纠正精度和纠正速度达到最优化为目标。经试验证明，一般阈值选定为，即能达到很好的纠正效果,试验方法,未纠正 四点整体纠正 规则三角网纠正 顾及变形特征的Delaunay三角网纠正,实验结果对比,纠正后影像三维变形效果图,二、地图影像的自动识别,地图影像自动识别的目的及含义,人工矢量化,自动识别,劳动强度大，精度低,智能化GIS的发展趋势,地图识别：计算机实现人对地图的阅读和理解，从二维数字扫描图像中自动提取目标的色彩、形状和语义信息，并通过特征信息的处理和分析，完成对不同地图模式的分类决策，自动为智能化GIS提供数据信息。,识别：发现什么东西，在什么地方。,地图由符号构成，
8、地图影像的识别就是对不 同的点、线、面符号要素的识别。,国内外研究现状,针对地图的特点和点线面符号的特点进行了 的研究，提出了相应的算法，并进行了实验。,现有的一些商用软件如CASSCAN、GEOSCAN、 MAPGIS等相继开发了扫描矢量化的功能，并不断完善。,目前已较成熟的OCR技术及线状符号自动识别最为 成功的分版等高线的自动矢量化。,但总的来说，理论研究基本处于尝试阶段，距离实用还相差较远，软件系统大多只能进行线划目标的提取而不能识别或只能识别具有规则几何形状的地物和简单符号，离真正的自动化和智能化还有一段距离。,研究内容和方法,分析符号的构图规律,点状符号的识别,地图识别方法,线状符
9、号的识别,线划跟踪法 数学形态学法 统计结构法 神经网络法 人工智能法等,点状符号的描述与识别,点状符号的描述 点状符号包括数字和文字注记，点状符号形状稳定、符号相对较小、有一个定位点。 符号分类 形状相对规则或结构比较简单的符号 复杂符号或受噪声影响较大的符号 数字和文字注记 识别 基于形状分析的点状符号识别 基于神经网络的点状符号识别 OCR技术 符号库的设计 符号库是标准地图符号特征描述的集合，也是地图符号识别的依据，包括栅格符号库和矢量符号库。,基于形状分析的点状符号识别 形状是最主要的视觉变量，对识别影响大。 从输入的待识点阵图形中选择提取描述该符号的形状特征,再根据一定的准则判定该
10、符号所属的类别。 特征的选取原则：较强的分类能力、较高的稳定性和抗干扰性、容易提取，大小、旋转、平移不变性 利用欧拉数、体态比、密度集、面积、周长等组合特征对点状 符号逐级分类识别 基于傅里叶系数特征识别 采用傅里叶系数表示点状符号的轮廓线，并计算特征不变量（圆形度F1、细长度F2、密集度F3),基于傅里叶系数特征的点状符号识别,同一符号多次扫描 形状特征基本不变,平移不变性,基于傅里叶系数特征的点状符号识别,大小不变性,旋转不变性,基于傅里叶系数特征的点状符号识别,基于神经网络的点状符号识别,神经网络的信息处理特点及优点,y为输出，f是作用函数，xi是神经元 接收到的信息，为内部阈值,i为
11、连接强度，称之为权。,能识别带有噪声或变形的输入模式，有很强的自适应学习能力和自组织能力，并且识别速度快。,常用的有 Hopfield网络、BP网络等。,对于给定的符号样本，根据一定的学习规则学习，求出权重。 识别时，给待识符号一个对应的网络初始状态，神经网络按照运 行规则作动态运行，直至到达一个吸引子，若此吸引子是网络中 存贮的样本符号，待识符号被识别。,点状符号识别,对网络进行训练，使其记住以上8个样本符号,输入的带噪声的符号的联想识别，通过神经网络的重复反馈，最终输出正确结果。,线状符号的描述与识别,线状符号的描述 线状符号（含面状符号）种类繁多，结构复杂，线状符号由许多长线划或短线链组
12、成，线段以一定的规律相连；随地物的不同变化较大，没有确定的长度和方向；本身之间和与点状符号之间经常相互粘连、交叉重叠。 符号分类 长实线类 虚线类 组合线划类 房屋类 识别 自动跟踪 人机协同策略,目前，线状符号识别一般采用的方法为线划跟踪法和数学形 态学法及其联合运用。,等高线的识别,采用线划跟踪法跟踪骨架线，自动搜索和跨越断点，个别交叉情况人工干预。,人机协同策略,即利用人自顶向下的和计算机从低向上的解译目标的特性，采用人工引导技术，属性编码等目标信息的赋值由人工完成，符号基元线段的提取和符号的构建在人工引导下由计算机完成。 对于不同的符号人工引导的方式不同，计算机根据不同的输入信息选择不
13、同的算法计算描述，提取语义目标。,举例 房屋、陡坎的识别,房屋的识别,人工输入编码信息，计算机根据以下几种引导方式选择不同的 识别算法。,如选择点方式引导，任给多边形内一点，以此点为中心，采用螺旋式方式搜索多边形上的点，得到房屋轮廓的矢量串。 计算机充分利用闭合多边形的结构特征，在给定阈值内自动连接断点，然后通过多边形拟合检测角点及直角化处理。,陡坎的识别,陡坎是由棱缘线和与棱缘线垂直且等间隔排列的示坡线构成的组合线划符号，线划追踪时受噪声及细化的结果影响大。,用栅格跟踪提取基元线段，在矢量方式下计算线段的特征参数，以特征参数为基础进行棱缘线的启发式搜索。特征参数包括线段长度、曲率以及和与之相
14、连的已提取的棱缘线的角度。,识别思想：,流程 人工输入属性信息并在靠近棱缘线附近给定一点，计算机以这点为中心找到棱缘线上的点S。从S点分别向两个方向跟踪，直至分别遇到一个三结点，将跟踪过栅格矢量化，计算线段长度和两端处的曲率，线段长度即为示坡线间隔。从其中的一个三结点开始跟踪1像元，直至遇到结点或断点，将跟踪过的像元作标记并矢量化，根据曲率判断是否是棱缘线，根据曲率和线段长度判断是否有断点，有则作扇形搜索，不断重复上述过程。,示意图,总体技术路线,关键性技术,图文分离技术 点状符号和线状符号构图规律不同，识别方法 和矢量化要求也不同。扫描地图中点状、线状符号相互连接、互相影响和干扰，识别前，首先要进行两者的自动分离，不同符号分层存取。,图像细化技术 细化是特征提取和线划跟踪的基础，细化时需保留 细线的端点和较短线，尽量避免信息丢失。,结束语,扫描地图自动识别是数字制图和GIS数据采集的必然要求。 随着计算机技术、计算机视觉、图像处理、模式识别、人工智能等学科的发展以及高速大容量计算机和高质量图像扫描输入设备的出现，对此的研究将越来越深入并逐步走向实用化。,谢谢！,
