CN103838829B - 一种基于分层次边界拓扑搜索模型的栅格转矢量系统 - Google Patents
一种基于分层次边界拓扑搜索模型的栅格转矢量系统 Download PDFInfo
- Publication number
- CN103838829B CN103838829B CN201410054741.8A CN201410054741A CN103838829B CN 103838829 B CN103838829 B CN 103838829B CN 201410054741 A CN201410054741 A CN 201410054741A CN 103838829 B CN103838829 B CN 103838829B
- Authority
- CN
- China
- Prior art keywords
- polygon
- node
- data
- vector
- polygonal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000006243 chemical reaction Methods 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims description 108
- 230000008569 process Effects 0.000 claims description 98
- 238000004364 calculation method Methods 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 14
- 125000004122 cyclic group Chemical group 0.000 claims description 11
- 230000001568 sexual effect Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 6
- 238000012217 deletion Methods 0.000 claims description 5
- 230000037430 deletion Effects 0.000 claims description 5
- 238000012986 modification Methods 0.000 claims description 5
- 230000004048 modification Effects 0.000 claims description 5
- MFYFNUKUXIRYFV-JSGCOSHPSA-N Polygonone Natural products O=CC=1C(=O)C[C@H]2C(C)(C)CCC[C@@]2(C)C=1 MFYFNUKUXIRYFV-JSGCOSHPSA-N 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000011835 investigation Methods 0.000 abstract description 2
- 239000000463 material Substances 0.000 abstract description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 11
- 230000008901 benefit Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 239000010410 layer Substances 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000013139 quantization Methods 0.000 description 4
- 241001269238 Data Species 0.000 description 3
- 238000000205 computational method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 241000209094 Oryza Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 239000011229 interlayer Substances 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 238000004919 topotaxy Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
一种基于分层次边界拓扑搜索模型的栅格转矢量系统，属于计算机程序技术领域。对遥感影像数据进行栅格数据矢量化，将遥感影像上具有相同属性内容的像元，转化为包含有：不同面积、不同周长、不同属性、不同形状来表示的矢量图形元素；并且在这些不同矢量图形元素之间，所存在的相邻、包容和被包容的空间拓扑关系也能够得到完全展示。并且在转化后的矢量图形元素属性与遥感影像上所对应的像元，在空间位置上具有完全相同的一一对应关系。本发明在处理其超大数据量、拓扑关系极其复杂的遥感影像数据时，显示出转换效率和高速性能。可以提高在大面积、大范围的各类资源调查中的效率和自动化程度，及时准确地的获取各种资源信息，达到节省人力物力。
Description
技术领域
本发明涉及一种基于分层次边界拓扑搜索模型的栅格转矢量系统，属于计算机程序技术领域。
背景技术
矢量数据和栅格数据是地理信息系统中最长见的两种空间数据结构。但随着航天技术的快速发展，所能提供的各种类型、各种分辨率的遥感影像数据也越来越丰富，遥感影像信息已经成为地理信息系统中的一个非常重要的信息来源，同时地理信息系统的发展也对对遥感信息的依赖性变得越来越强了。但是由于栅格数据本身所具有的缺陷，使得他在地理信息系统中的应用受到了一定的限制，因此将栅格数据转换为矢量数据也就变得非常重要了；同时栅格转矢量技术也是属于地理信息处理技术中相对比较经典的技术问题，也产生和积累了比较多的计算方法，并在地理信息系统中得到应用。
发明内容
为了克服现有技术的不足,本发明提供一种基于分层次边界拓扑搜索模型的栅格转矢量系统。
本申请采用一种分层次边界拓扑搜索模型，在模型计算中自动生成带有边界节点坐标和节点方向的边界节点，通过对节点的搜索，构造出包含有多边形之间的相邻、包容和被包容等拓扑关系的矢量文件。在栅格转矢量过程中，只需要对需要转换的图像数据加载一次，就能够自动完成整个转换过程；不需要进行任何转换后的后期处理工作，并且在转换后不可能出现多边形相互间重叠、相交；相邻、包容拓扑关系错误和不完整的情况。
本发明所要解决的技术问题是，提供了一种基于分层次边界拓扑搜索模型的栅格转矢量系统，对遥感影像数据进行栅格数据矢量化，将遥感影像上具有相同属性内容的像元，转化为包含有：不同面积、不同周长、不同属性、不同形状来表示的矢量图形元素，并且在这些不同矢量图形元素之间，所存在的相邻、包容和被包容的空间拓扑关系也能够得到完全展示。并且转化后的矢量图形元素属性与遥感影像上所对应的像元，在空间位置上具有完全相同的一一对应关系。
一种基于分层次边界拓扑搜索模型的栅格转矢量系统，采用与传统的转换方法不同的处理方法，通过分层次的边界点拓扑搜索分析计算模型，将栅格数据像元间的拓扑关系简化，在模型计算中自动生成包含有坐标位置信息的边界节点，并且这些边界节点数据还具有他从哪里开始、到哪里结束的边界走向的指向性信息；在多边形搜索中，通过边界节点数据的指向性，可以十分明确的定位与之相连的边界节点的确切位置信息，将这些具有特定关系的边界节点全部连接起来，就自动形成一个封闭多边形，并且通过判断封闭多边形的走向，如果是顺时针他就是一个独立多边形，他可能包含有岛多边形；如果是逆时针他就一定是被某个独立多边形所包容的岛多边形。而不可能出现多边形相互间的重叠、相交；相邻、包容拓扑关系错误和不完整情况，所有本发明具有算法简洁、生成的边界节点数据具有明确的指向性和唯一性的特定拓扑关系。
而且本发明的另外一个特点是，可以对栅格数据中的某些指定的像元属性值或内容，进行栅格转矢量计算。而不存在现有栅格转矢量算法中，只能一次将栅格数据全部转化为矢量数据的强制性限制。因此本发明可以极大的提高转化效率和应用领域。
本发明的栅格转矢量算法，只需要对需要转换的图像数据加载一次，就能够自动完成整个转换过程，不需要进行任何转换后的后期处理工作，并且转换后不可能出现多边形相互间重叠、相交；相邻、包容拓扑关系错误和不完整的情况。
此本发明特别适合于超大数据量、栅格数据中像元相邻关系极其复杂的栅格转矢量计算。该算法提高在森林资源监测、湿地资源监测、土地资源监测等各种资源在分布范围、资源变化、预测分析等方面的数据处理效率；特别是需要对监测目标进行实时跟踪处理的自然灾害在发生、发展情况中的监测分析预警系统；及目标识别、目标制导等军事应用领域中的需要进行栅格转矢量的计算应用；并且该算法在转化后的矢量数据中，不存在转换误差、不需要进行任何后期处理操作，故该算法具有计算模型简单、转换效率高、速度快，自动化程度高和可有选择性的将栅格数据转化为矢量数据的突出特点。
本发明提供了一种基于分层次边界拓扑搜索模型的栅格转矢量系统，包括数据预处理流程、边界搜索流程、多边形搜索流程、创建多边形矢量数据流程、创建矢量文件流程等几个部分。
数据预处理流程；
在获取遥感影像数据后，为了实现算法的简单化、避免在计算中需要对栅格数据中的四个边界上（第一行、最后一行、第一列和最后一列）的数据进行特殊计算，减少计算中的条件分支判断，提高运算效率，达到用一个统一直观的处理流程进行计算的目的，对栅格数据进行了边界扩展处理，即进行数据预处理操作。
数据预处理的目的是在将原栅格数据的四周添加一圈新的像元数据。
对于所要添加的像元数据，要求是该数据的像元值或属性内容，要与原栅格数据中任何一个的像元值或属性内容都不相同。
数据预处理的第二个目的是根据像元值或属性内容的分类，设置栅格转矢量的条件。是将栅格数据全部转换为矢量数据；还是只转换某些指定像元值或属性内容中某些类型的像元，即设置栅格转矢量所依据的基本条件。
边界搜索流程，将根据所设置的栅格转矢量条件，只对满足转换条件的栅格数据进行转换。
边界节点搜索步骤；
对扩展后的数据按照所设置栅格转矢量条件，进行边界拓扑搜索模型计算，在计算中每次采用3*3像元矩阵，按照边界拓扑搜索模型的要求进行边界点计算，对于在计算过程中满足转换条件和边界搜索条件的像元，称之为边界点（边界节点），在多边形搜索中简称节点。
对于搜索到的节点，将其保存到节点数据结构中，供多边形搜索时时使用。
多边形搜索流程；
是从创建一个多边形数据结构后开始的，通过遍历节点数据的方式，找出那些节点间相互连接符合特定条件的方向要求和坐标点位置要求的节点，并且这些节点通过相互间的连接，形成一个首尾相连的闭合多边形，将这个闭合多边形作为多边形数据结构中的一条多边形记录进行保存，并且需要删除在节点数据中的这些节点。重复上述操作，直到将节点数据中的所有节点全部都变成一个个封闭多边形，作为一条条多边形记录，添加到多边形数据结构中，即当节点数据中已经没有节点时，完成一个分层次栅格转矢量的多边形搜索过程。
创建多边形矢量数据流程；
在完成多边形搜索后，启动创建多边形矢量数据流程；创建多边形矢量数据的目的是，为多边形数据结构中的每个岛多边形，找到一个能够包容他的最小独立多边形，找到这个独立多边形后，将岛多边形的坐标链表中的坐标数据，添加到包容他的独立多边形的坐标链表的末端，修改独立多边形的面积为：S=S-Sd，S为独立多边形面积，Sd为岛多边形面积；并给独立多边形的岛多边形数量的属性值+1，他的初始值为0。
重复上述操作直到为所有岛多边形找到包容他的独立多边形为止。
创建矢量文件流程；
首先根据栅格数据所使用的坐标系信息，创建矢量文件和坐标系，然后根据多边形矢量数据中独立多边形的数量，建立循环搜索过程，每次读取一个多边形矢量数量，并按照多边形矢量数据的结构写入到矢量文件中，当将多边形矢量数据中的所有独立多边形矢量数据全部写入到矢量文件中时，完成创建矢量文件流程，结束栅格转矢量流程，结束对一个栅格文件的转换工作。
本发明的优点是对经过预处理（指数计算、阈值分割、分类等计算处理）的遥感影像进行矢量化，将遥感影像上具有相同属性内容的像元，转化为能够用包含有：不同面积、不同周长、不同属性、不同形状来表示的矢量图形元素，并且也能够表现出这些不同矢量图形元素之间，所存在的相邻、包容和被包容的空间拓扑关系。通过转化后的矢量图形，可以更方便的对图形元素的属性信息，分析他在空间位置上所发生的面积变化、空间位置变化、属性信息间的相互转化和演替过程进行监测和预测，为进行缓冲区分析、叠加分析（叠加求交、叠加求和）等与空间分析计算相关联的地理信息处理能力提供了可能，增加和扩大了遥感影像数据在地理信息应用领域的范围，也为地理信息应用领域提供了更多的基础数据。
本申请通过分层次边界拓扑搜索模型，在模型计算中自动形成带有边界节点坐标和节点方向的边界节点，节点的方向性是进行闭合多边形搜索的限制条件，同时也是构造多边形之间相邻、包容和被包容拓扑关系的基础。在栅格转矢量过程中，不需要进行任何转换后的后期处理工作，就能够自动完成整个转换过程；同时由于该算法采用分层次边界拓扑搜索模型的计算方法，在转换后不可能出现多边形相互间重叠、相交；相邻、包容拓扑关系错误和不完整情况。
因此本发明在处理其超大数据量、拓扑关系极其复杂的遥感影像数据时，更能够显示出该发明的转换效率和高速性能。该技术的应用可以提高在大面积、大范围的各类资源调查中的效率和自动化程度，及时准确地的获取各种资源信息，从而达到节省人力物力的目的。
附图说明
当结合附图考虑时，通过参照下面的详细描述，能够更完整更好地理解本发明以及容易得知其中许多伴随的优点，但此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定，如图其中：
图1为本发明的系统图。
图2为本发明的数据预处理流程示意图。
图3为本发明的上部向右型-搜索方向示意图。
图4为本发明的右侧向下型-搜索方向示意图。
图5为本发明的下部向左型-搜索方向示意图。
图6为本发明的左侧向上型-搜索方向示意图。
图7为本发明的边界拓扑搜索模型流程示意图。
图8为本发明的多边形搜索流程示意图。
图9为本发明的创建多边形矢量数据流程示意图。
图10为本发明的创建矢量文件流程示意图。
下面结合附图和实施例对本发明进一步说明。
具体实施方式
显然，本领域技术人员基于本发明的宗旨所做的许多修改和变化属于本发明的保护范围。
实施例1：如图1、图2、图3、图4、图5、图6、图7、图8、图9、图10所示，
一种基于分层次边界拓扑搜索模型的栅格转矢量系统：
一、数据预处理流程；
在本发明中，对栅格数据结构的描述如下：
用N表示该数据的最大行数，第一行为0，最后一行为N，具体到某一行时用n表示。
用M表示该数据的最大列数，第一列为0，最后一列为M，具体到某一列时用m表示。
在获取遥感影像数据后，为了实现算法的简单化、避免在计算中需要对栅格数据中的四个边界上（第一行、最后一行、第一列和最后一列）的数据进行特殊计算，减少计算中的条件分支判断，提高运算效率，达到用一个统一直观的处理流程进行计算的目的，对栅格数据进行了边界扩展处理，即进行数据预处理操作。
数据预处理的目的是在将原栅格数据的四周添加一圈新的像元数据。
对于所要添加的像元数据，要求是该数据的像元值或属性内容，要与原栅格数据中任何一个的像元值或属性内容都不相同。
数据预处理的第二个目的是根据像元值或属性内容的分类，设置栅格转矢量的条件。是将栅格数据全部转换为矢量数据；还是只转换某些指定像元值或属性内容中某些类型的像元，即设置栅格转矢量所依据的基本条件。
在边界搜索流程中，将根据所设置的栅格转矢量条件，只对满足转换条件的栅格数据进行转换。栅格转矢量条件，用数组ZHTJ（i）表示，需要进行转换的属性类型数量，用ZHLX_SL表示。
数据预处理流程见图2.
如原栅格数据为18行，13列，包含有9种属性类别，原栅格数据见表1所示；扩展处理后的栅格数据为为20行，15列，包含有10种属性类别，扩展后的栅格数据见表2所示。
在算法中规定采用将原像元属性类别的最大数值+1所得到的属性值，作为扩展数据的属性值，添加到原栅格数据四周，以保证所添加的扩展数据与原栅格四周边界上数据属性值的完全不同。或者用栅格数据的像元的最大值+50的方式添加扩展数据。数据扩展后的栅格数据包含有10中属性种类，比原数据增加了一种属性类型。
表1 原栅格数据示例，N*M=18*13
| 1 | 1 | 1 | 3 | 3 | 4 | 4 | 3 | 3 | 5 | 5 | 2 | 2 |
| 1 | 1 | 2 | 3 | 3 | 3 | 4 | 4 | 4 | 5 | 1 | 5 | 2 |
| 1 | 2 | 2 | 2 | 3 | 3 | 3 | 4 | 4 | 5 | 1 | 5 | 5 |
| 5 | 2 | 2 | 3 | 3 | 3 | 3 | 5 | 5 | 5 | 5 | 5 | 5 |
| 5 | 3 | 3 | 3 | 3 | 3 | 7 | 7 | 5 | 5 | 5 | 5 | 6 |
| 5 | 5 | 5 | 3 | 3 | 7 | 7 | 7 | 5 | 8 | 5 | 6 | 6 |
| 5 | 5 | 4 | 4 | 4 | 7 | 7 | 7 | 8 | 8 | 6 | 6 | 6 |
| 4 | 4 | 4 | 4 | 4 | 6 | 7 | 7 | 7 | 7 | 8 | 4 | 6 |
| 9 | 4 | 4 | 4 | 6 | 6 | 6 | 7 | 8 | 8 | 8 | 4 | 4 |
| 9 | 9 | 6 | 6 | 6 | 6 | 6 | 9 | 9 | 8 | 8 | 4 | 4 |
| 9 | 9 | 6 | 6 | 9 | 6 | 9 | 9 | 9 | 8 | 4 | 4 | 5 |
| 5 | 9 | 6 | 6 | 9 | 9 | 9 | 9 | 9 | 9 | 7 | 7 | 5 |
| 5 | 9 | 9 | 6 | 9 | 1 | 1 | 1 | 1 | 9 | 7 | 5 | 5 |
| 4 | 9 | 9 | 9 | 9 | 1 | 1 | 3 | 1 | 9 | 7 | 7 | 5 |
| 4 | 9 | 9 | 1 | 1 | 1 | 3 | 3 | 1 | 1 | 9 | 5 | 5 |
| 4 | 6 | 9 | 9 | 1 | 3 | 3 | 3 | 3 | 3 | 1 | 9 | 9 |
| 2 | 8 | 9 | 9 | 1 | 1 | 1 | 1 | 1 | 3 | 1 | 9 | 9 |
| 2 | 8 | 8 | 8 | 9 | 9 | 9 | 9 | 1 | 1 | 1 | 9 | 5 |
表2 扩展后栅格数据N*M=20*15
| 10 | 10 | 10 | 10 | 10 | 10 | 10 | 10 | 10 | 10 | 10 | 10 | 10 | 10 | 10 |
| 10 | 1 | 1 | 1 | 3 | 3 | 4 | 4 | 3 | 3 | 5 | 5 | 2 | 2 | 10 |
| 10 | 1 | 1 | 2 | 3 | 3 | 3 | 4 | 4 | 4 | 5 | 1 | 5 | 2 | 10 |
| 10 | 1 | 2 | 2 | 2 | 3 | 3 | 3 | 4 | 4 | 5 | 1 | 5 | 5 | 10 |
| 10 | 5 | 2 | 2 | 3 | 3 | 3 | 3 | 5 | 5 | 5 | 5 | 5 | 5 | 10 |
| 10 | 5 | 3 | 3 | 3 | 3 | 3 | 7 | 7 | 5 | 5 | 5 | 5 | 6 | 10 |
| 10 | 5 | 5 | 5 | 3 | 3 | 7 | 7 | 7 | 5 | 8 | 5 | 6 | 6 | 10 |
| 10 | 5 | 5 | 4 | 4 | 4 | 7 | 7 | 7 | 8 | 8 | 6 | 6 | 6 | 10 |
| 10 | 4 | 4 | 4 | 4 | 4 | 6 | 7 | 7 | 7 | 7 | 8 | 4 | 6 | 10 |
| 10 | 9 | 4 | 4 | 4 | 6 | 6 | 6 | 7 | 8 | 8 | 8 | 4 | 4 | 10 |
| 10 | 9 | 9 | 6 | 6 | 6 | 6 | 6 | 9 | 9 | 8 | 8 | 4 | 4 | 10 |
| 10 | 9 | 9 | 6 | 6 | 9 | 6 | 9 | 9 | 9 | 8 | 4 | 4 | 5 | 10 |
| 10 | 5 | 9 | 6 | 6 | 9 | 9 | 9 | 9 | 9 | 9 | 7 | 7 | 5 | 10 |
| 10 | 5 | 9 | 9 | 6 | 9 | 1 | 1 | 1 | 1 | 9 | 7 | 5 | 5 | 10 |
| 10 | 4 | 9 | 9 | 9 | 9 | 1 | 1 | 3 | 1 | 9 | 7 | 7 | 5 | 10 |
| 10 | 4 | 9 | 9 | 1 | 1 | 1 | 3 | 3 | 1 | 1 | 9 | 5 | 5 | 10 |
| 10 | 4 | 6 | 9 | 9 | 1 | 3 | 3 | 3 | 3 | 3 | 1 | 9 | 9 | 10 |
| 10 | 2 | 8 | 9 | 9 | 1 | 1 | 1 | 1 | 1 | 3 | 1 | 9 | 9 | 10 |
| 10 | 2 | 8 | 8 | 8 | 9 | 9 | 9 | 9 | 1 | 1 | 1 | 9 | 5 | 10 |
| 10 | 10 | 10 | 10 | 10 | 10 | 10 | 10 | 10 | 10 | 10 | 10 | 10 | 10 | 10 |
二、边界搜索流程；
分层次边界拓扑搜索模型；
栅格转矢量算法研究的问题是，如果有一块像元类型或像元值（或像元值在一定范围内）完全相同的区域（可以是任意形状），那么与该区域相邻的所有其他像元，其像元类型或像元值（或像元值不在那个范围内的像元）就一定与这块区域不同；如何用一条矢量线，将这个区域处于边缘位置上像元，和与之相邻的所有像元分割开来，并且这条矢量线还要将这块区域完全包围起来，形成一个封闭的多边形；并且在这个多边形中还不能出现线段交叉、重复等情况，同时这个多边形还应该具有完整的拓扑关系，如包容、被包容等拓扑关系。
针对栅格转矢量问题，本申请提出了基于分层次边界拓扑搜索模型的栅格转矢量方法，含有步骤如下；
栅格数据中的一个像元就是对应于地表上的一个二维正方形区域（也有矩形的），该矩形的四条边，就是此像元与其他相邻像元的分界线；对于一个由3*3像元组成的像元矩阵来讲，处于矩阵中心的像元，称之为中心点像元，在中心点像元周围还分布有八个像元。
从拓扑关系上来讲，与中心点像元共同拥有分界线的相邻像元，只有位于中心点像元的上、下、左、右四个像元；这四个像元称为（边）相邻像元。与此中心点像元相关的像元，还有位于正方形四个顶点上的四个像元，这四个像元与中心点像元共同拥有正方形的四个顶点坐标，这四个像元称为点相邻像元。
从中心点像元与相邻像元的关系中可以看出，在进行栅格转矢量时，既要考虑（边）相邻像元之间共用分界线的问题，还要考虑点相邻像元可能出现的不同情况；一个中心点像元与周围八个像元间所构成的排列组合情况，将会是一个非常庞大和极其复杂的相邻关系组合，这也是现有栅格转矢量技术所共同面临的一个共同技术难题。
如果在栅格数据中，如果有一块像元类型或像元值（或像元值在一定范围内）完全相同的区域（可以是任意形状），将这个区域的像元当作一个独立数据层；那么与该区域相邻的所有像元，他的像元类型或像元值（或像元值不在那个范围内的像元）就一定不同，将所有这些相邻像元都当作一个相邻数据层；依据上述分层次处理的技术路线，通过将独立数据层与相邻数据层间的分界线都提取出来，连接成一个个封闭多边形，达到栅格转矢量的目的，是本申请的一个核心技术，即分层次栅格转矢量。
由于采用分层次的栅格转矢量方法，使得该申请具有一次只对一种或几种像元类型或像元值（或像元值在一定范围内）进行栅格到矢量的转换，突破了一次只能对栅格数据进行全部转换的传统限制，是本发明的一个突出特点。
采用分层次的进行栅格转矢量的优点有：一、彻底的简化了栅格数据像元间的相邻关系；二、避免了矢量化后出现的多边形相互交叉、重复、空洞、悬挂线等拓扑关系不完整和错误的情况；三、该算法特别适合于超大数据量、栅格数据像元关系极其复杂的栅格数据处理；四、可以对栅格数据中的某些指定的属性类型进行栅格转矢量操作，而不需要全部进行矢量化，可以极大的提高他的应用领域和转化效率；五、由于分层次后栅格数据拓扑关系简单，算法简单清楚，特别适合于使用硬件电路技术实现栅格转矢量；及使用并行计算、集群计算、网格计算、云计算等高性能计算平台中实现栅格转矢量技术。
针对如何将独立数据层与相邻数据层间的分界线提取出来的问题，本发明提出了边界拓扑搜索模型算法，该算法采用3*3像元矩阵进行描述，按照顺时针方向从与中心点像元上部相邻的像元开始、依次向右侧相邻像元、下部相邻像元和左侧相邻像元的顺序，分别将中心点像元与四个相邻像元进行比较计算，看他们间的属性值或像元值是否相同，来决定中心点像元与四个相邻像元间是否存在分界线，如果不同，表示有分界线，用1来表示，；如果相同，表示没有分界线，用0来表示。3*3像元矩阵定义见表3所示。
表3 3*3像元矩阵定义
| 0a | 0b | 0c |
| 1a | 1b | 1c |
| 2a | 2b | 2c |
为了便于描述算法，对3*3矩阵中的行列像元数据进行如下定义：
第一行像元数据分别定义为：0a，0b，0c；第二行为1a，1b，1c；第三行为2a，2b，2c。
第一列像元数据分别定义为：0a，1a，2a；第二行为0b，1b，2b；第三行为0c，1c，2c。
在3*3像元矩阵的中心位置上的像元，称为中心点像元1b，其像元位置在矩阵的中心位置（1，1）。相对于该中心点像元，矩阵的第一行位于中心点上方，称为上部；矩阵的第三行位于中心点下方，称为下部；矩阵的第一列位于中心点的左侧，称为左侧；矩阵的第三列位于中心点的右侧，称为右侧。
与中心点像元相邻的四个像元，按照顺时针顺序计算的四个像元分别为：0b、1c、2b和1a。
将中心点像元与四个相邻像元的比较计算结果，组成一个四位编码，即节点编码；用来描述中心点像元与四个相邻像元间分界线的分布情况。边界拓扑搜索模型计算产生的节点编码表见表4所示。
表4 边界拓扑搜索模型计算产生的节点编码表
从表3中可以看到，节点共有16种类型，节点编码从0000到1111；
节点编码为0000时，表示中心点像元与四个边相邻像元的相同，说明此像元不是边界节点；节点编码为1111时，中心点像元与四个边相邻像元的都不相同，说明此像元是一个独立节点，此像元可以独自形成一个封闭多边形；而节点编码从0001到1110的所有节点，是从包含一条边界线到三条边界线的一个排列组合情况。
虽然节点类型有很多种（15种），但归纳起来其开始方向和结束方向相对于节点来说，只有上部向右型、右侧向下型、下部向左型、左侧向上型顺时针排列的四种类型。
结束方向与相邻节点的开始方向，节点间相互连接的指向性见图3，图4，图5，图6所示。
由于边界节点是采用具有指向性的边界拓扑搜索计算模型计算产生的，所以一个节点的构成是由：节点的开始方向、结束方向、和几个坐标点组成的一条具有指向性的线段；并且在节点间相互连接时，也必须符合指向性所限定的两个方向中的某一个、才能将两个节点连接起来。同时在节点间相互连接时，可以是以结束方向连接开始方向，也可以是以开始方向连接结束方向的一个双向连接指向性，节点的双向连接指向性保证了独立数据层的所有边界节点能够形成一个首尾衔接的封闭多边形。
从图3，图4，图5、图6中可以发现，一个节点的结束方向，正好指向与之相连节点的开始方向；而节点的结束点坐标，也是与之相连节点的开始点坐标，这个坐标点是两个节点间相互连接的一个共用坐标点。
节点间的相互连接，在连接方向和连接点（坐标点）的唯一性，保证了栅格数据和矢量数据在空间位置对应关系上的精准度和相互间的可还原性。同时他也保证了由这些节点形成的多边形，其拓扑关系具有完整性，不会在多边形中出现重叠、相交等线段连接错误；同样在拓扑关系上也不会出现相交、重叠、包容等错误，及拓扑关系不完整的情况，为多边形搜索和创建多边形拓扑关系奠定了基础。同时通过节点的指向性信息，在对多边形进行搜索时，可以极大的提高运算速度和搜索效率。
节点坐标（x，y），采用栅格数据中的一个的像元相对大小来表示，这样在进行多边形搜索时会更方便一些，因为他们都是一个像元大小的整倍数。
中心点像元b1（n，m）的四个顶点坐标按照边界拓扑搜索模型要求按顺时针顺序排列。
1、左上角坐标：n，m；2、右上角坐标：n+1,m；
3、右下角坐标：n+1,m+1；4、左下角坐标：n,m+1。
节点（n，m）的结束方向类型与相邻节点的开始方向连接类型及位置坐标关系如下：
上部向右型：
节点1000的结束点坐标为（n，m+1），与节点1000相连接的节点开始方向有1000或0001；连接节点的开始坐标为（n，m+1）；
右侧向下型：
节点0100的结束点坐标为（n+1，m+1），0100相连接的节点开始方向有0100或1000；连接节点的开始坐标为(n+1,m+1)；
下部向左型：
节点0010的结束点坐标为（n，m+1），0010相连接的节点开始方向有0010或0100；连接节点的开始坐标为（n，m+1）；
左侧向上型：
节点0001的结束点坐标为（n，m），0001相连接的节点开始方向有0001或0010；连接节点的开始坐标为（n，m）；
采用边界拓扑搜索模型进行边界节点计算时，需要将栅格数据中的每个像元，都作为中心点像元，同时读取中心点像元和四个相邻像元进行比较计算，确认每个中心点像元是否为边界节点，对栅格数据进行全遍历的一个搜索计算过程。
这也是要求对栅格数据进行扩展的根本目的，扩展后的栅格数据在1，1位置上的像元，对应于原栅格数据0，0位置上的像元；而扩展后的栅格数据N-1，M-1位置上的像元，就是原栅格数据N，M位置上的像元；在对扩展后的栅格数据进行全遍历时，从1，1位置像元开始到N-1，M-1位置像元结束，就达到了对原栅格数据的全遍历，并且原栅格数据处于四周边缘位置上的像元，也全部成为了中心点像元；在依据边界拓扑搜索模型进行边界节点计算时，就不需要对处于四周边界上是像元进行条件判别和分支处理，达到简化算法和提高效率的目的。
边界拓扑搜索流程步骤；
边界拓扑搜索计算流程，是一次只针对栅格数据中某一个像元属性类型或像元值（数据预处理流程中的设置栅格转矢量条件中的一个具体参数），对栅格数据进行遍历搜索的过程，对在搜索中得到的节点（边界点）保存为节点数据，供多边形搜索时使用。
同样也可以在对栅格数据进行遍历搜索的过程中，根据栅格转矢量条件中的每一个参数同时进行边界拓扑搜索计算，然后分别保存为不同的节点数据，供多边形搜索时使用。
边界拓扑搜索模型步骤，见图7。
对于某个具体的边界拓扑搜索流程而言，他的搜索过程是：首先从列方向开始，选择3列栅格数据，如第一次选择0，1，2列，第二次选择1，2，3列，一次增加一列，直到选择M-2，M-1，M列，完成栅格数据列方向的循环；结束边界拓扑搜索计算流程，列循环次数为M-2。
在每个列循环中嵌套一个行循环过程，行循环过程是：每次选择3行数据，构成3*3像元矩阵，如第一次选择0，1，2行，第二次选择1，2，3行，一次增加一行，直到选择N-2，N-1，N列，完成一次行方向的循环；进入下一个列循环。行循环次数为N-2。
从上述循环过程来看，他的行列循环次数正好对于原栅格数据的行列数。
在行循环中，对每次选取的3*3像元矩阵中的五个像元，将中心点像元与上部相邻、右侧相邻、下部相邻和左侧相邻的这四个相邻像元进行比较计算，其计算结果构成一个四位编码，如果编码不为0000，则保存这个编码为节点数据。在保存节点数据时，还需要根据节点数据结构内容要求进行保存。节点数据结构见表5.
表5中的信息，是充分利用了边界拓扑搜索计算模型的优势，将节点中所包含的拓扑信息进行显化处理，其内容如下：
表5 节点数据结构表
三、多边形搜索流程；
是从创建一个多边形数据结构后开始的，通过遍历节点数据的方式，找出那些节点间相互连接符合特定条件的方向要求和坐标点位置要求的节点，并且这些节点通过相互间的连接，形成一个首尾相连的闭合多边形，将这个闭合多边形作为多边形数据结构中的一条多边形记录进行保存，并且需要删除在节点数据中的这些节点。重复上述操作，直到将节点数据中的所有节点全部都变成一个个封闭多边形，作为一条条多边形记录，添加到多边形数据结构中，即当节点数据中已经没有节点时，完成一个分层次栅格转矢量的多边形搜索过程。
多边形数据结构；
多边形数据结构是一个包含有：多边形图形信息和多边形搜索信息两部分内容的数据结构。多边形数据结构见表6。
表6 多边形数据结构表
| 字段 | 类型 | 精度 | 说明 |
| 多边形编号 | 生成多边形时产生的顺序编号 | ||
| 面积 | 多边形面积 | ||
| 多边形类型 | 1多边形、0岛 | ||
| 像元属性类型 | 像元值或属性类型 | ||
| 坐标点链表 | 坐标点双向链表 | ||
| 岛多边形数量 | 记录他包含的岛多边形数量 | ||
| Xmin | 多边形范围 | ||
| Xmax | 多边形范围 | ||
| Ymin | 多边形范围 | ||
| ymax | 多边形范围 | ||
| 开始点坐标 | 多边形的开始点坐标 | ||
| 开始方向 | 多边形开始方向 | ||
| 结束点坐标 | 多边形的结束点坐标 | ||
| 结束方向 | 多边形结束方向 |
多边形图形信息用于记录多边形的面积、最大范围、多边形类型、像元属性类型、及用于记录多边形中所有节点的坐标点链表，此链表为双向链表；
多边形搜索信息用于记录当前状态下，未闭合多边形的首尾位置上的节点的方向和坐标点信息，如多边形的开始节点的开始方向、开始点坐标；和多边形的末端节点的结束方向、结束点坐标信息；这些信息将为多边形搜索下一个与之相连的节点，提供相连节点所需要的方向信息和坐标信息，也为即将搜索到的相连节点是添加到多边形坐标链表的末端，还是插入到多边形坐标链表的开始位置提供明确的指示信息。
多边形搜索流程；
多边形搜索流程步骤，见图8所示。
在多边形搜索流程中，首先根据节点数据中节点数量建立遍历节点循环过程，读取一个节点（第一个节点，并且不是独立节点），将这个节点作为一个多边形搜索的种子节点，根据种子节点所包含的坐标数量信息，对多边形面积、最大范围进行计算，计算后将多边形图形信息和坐标点位置信息记录到多边形数据结构中，形成一条多边形数据；同时根据种子节点，设置这条多边形数据中多边形的头部和尾部的方向和坐标点信息，即多边形的开始方向、开始点坐标；和多边形的结束方向、结束点坐标；同时删除节点数据中的这个种子节点，将节点数据的节点数量-1，为多边形后续节点的搜索建立条件。
根据多边形搜索流程继续读取节点数据中的节点，判断此节点是否是这个多边形的后续节点，其过程是分别用此节点的结束方向、结束点坐标与多边形的开始方向、开始点坐标进行判别；及用此节点的开始方向、开始点坐标与多边形的结束方向、结束点坐标进行判别；
1、如果此节点有一个方向符合节点间相连的指向性关系和坐标点唯一性原则，则此节点是这条多边形中的一个节点，根据这个节点所包含的坐标数量信息，对多边形面积、最大范围进行计算，计算后将多边形图形信息和坐标点记录到这条多边形数据中，同时根据此节点，修改这条多边形数据中多边形的头部和尾部的方向和坐标点信息，即多边形的开始方向、开始点坐标；和多边形的结束方向、结束点坐标；同时删除节点数据中的这个节点，将节点数据的节点数量-1，为多边形后续节点的搜索建立条件。
2、如果此节点的两个方向都符合节点间相连的指向性关系和坐标点唯一性原则，则通过此节点将这条多边形的首尾连接在一起了，证明这个多边形已经封闭，不需要为这个多边形继续搜索他的后续节点了。在此同样需要根据这个节点所包含的坐标数量信息，对多边形面积、最大范围进行计算，计算后将多边形图形信息和坐标点记录到这条多边形数据中。同时还有根据此时的多边形面积值判断多边形类型，如果多边形面积>0，证明多边形是按顺时针方向形成封闭多边形，此多边形为独立多边形；给多边形数据结构中的多边形类型赋值1。否则（面积<0）,证明多边形是按逆时针方向形成封闭多边形，此多边形为岛多边形；给多边形数据结构中的多边形类型赋值0。为创建矢量多边形流程创造条件。
同时根据此节点，修改这条多边形数据中多边形的头部和尾部的方向和坐标点信息，即多边形的开始方向、开始点坐标；和多边形的结束方向、结束点坐标；删除节点数据中的这个节点，将节点数据的节点数量-1，设置，读取节点数量为0，为继续搜索一个新多边形创造条件。
3、如果此节点的两个方向都不符合节点间相连的指向性关系和坐标点唯一性原则，则证明此节点不包含在这个多边形中，在继续读取下一个节点数据中的节点，重复上述操作流程，直到找到一个两个方向都符合节点间相连的指向性关系和坐标点唯一性原则的节点，将这个多边形闭合，完成这个多边形的搜索。
4、重复上述操作，直到将节点数据中的所有节点都通过搜索形成一个个封闭多边形，节点数据中的节点数量=0时，完成对节点数据的多边形搜索过程。
多边形面积、最大范围计算；
在多边形搜索过程中需要对多边形的面积和最大范围进行计算，其计算方法分别进行介绍：
多边形最大范围计算；
从建立一条多边形数据第一个种子节点开始，根据节点中的坐标点数量，按照X、Y坐标值逐个进行对比计算，得到多边形的最大范围Xmin，Xmax，Ymin、Ymax；对于后续添加到多边形中的每个节点，同样根据节点中的坐标点数量逐点与多边形的最大范围进行对比计算，一直进行到最后一个使多边形产生闭合的节点为止，完成多边形最大范围的计算工作。
多边形面积计算；
多边形的面积计算与多边形最大范围计算过程中完全相同。同样从建立一条多边形数据第一个种子节点开始，根据节点中的坐标点数量N，计算多边形的面积，其计算公式为：其中S为多边形面积，初始值为0；Xn、Yn为此节点几个坐标点中某个坐标点的坐标值，Ymax为栅格数据的最大行数N-1。
同样对于后续添加到多边形中的每个节点，根据节点中的坐标点数量逐点进行面积计算，一直进行到最后一个使多边形产生闭合的节点为止，完成多边形面积的计算工作。
多边形类型判别；
当多边形搜索结束时，将根据所计算的多边形面积值的正负情况，进行多边形类型判断。按照边界拓扑搜索模型的顺时针搜索边界节点的定义，如果面积S>0，说明这个多边形是由一块具有相同像素的外围边界上的像素点构成的多边形，即该多边形是按顺时针方向形成的封闭多边形，他的内部有可能包含有岛多边形，所以该多边形是一个独立多边形；反之如果面积S<0，说明这个多边形是在一块相同具有像素的内部边界上的像素点构成的多边形，所以该多边形是按逆时针方向形成的封闭多边形，他一定被某个独立多边形所包容，所以他是一个岛多边形。
四、创建多边形矢量数据流程；
在完成多边形搜索后，启动创建多边形矢量数据流程。创建多边形矢量数据的目的是，为多边形数据结构中的每个岛多边形，找到一个能够包容他的最小独立多边形，找到这个独立多边形后，将岛多边形的坐标点链表中的坐标数据，添加到包容他的独立多边形的坐标点链表的末端，修改独立多边形的面积为：S=S-Sd，S为独立多边形面积，Sd为岛多边形面积；并给独立多边形的岛多边形数量的属性值+1，他的初始值为0。
重复上述操作直到为所有岛多边形找到包容他的独立多边形为止。创建多边形矢量数据流程步骤，见图9所示。
在创建多边形矢量数据流程中，首先对多边形数据按照多边形类型和多边形最大范围进行排序，根据岛多边形的数量建立搜索循环过程，在循环中每次读取一个岛多边形数据，根据岛多边形的最大范围，在独立多边形数据中搜索找到一个能够包容他的独立多边形序列，此序列中的独立多边形从最小独立多边形向逐渐扩大的顺序排列，首先从最小独立多边形开始，判断岛多边形是否被包容，如果被包容，将岛多边形的坐标链表数据添加到独立多边形的坐标点链表数据中，完成一个岛多边形的搜索；如果不被包容，则在包容他的独立多边形序列中寻找下一个独立多边形进行判断，直到找到一个包容他的独立多边形为止。
重复上述操作，直到为每个岛多边形找到包容他的独立多边形为止，完成创建多边形矢量数据流程。
在找到包容岛多边形的独立多边形时，判断他是否包容岛多边形的方法是，根据岛多边形的开始点坐标，向右做一水平直线，计算该直线与独立多边形在此点右侧产生的交点个数，如果交点个数为奇数，证明独立多边形环绕岛多边形，他包容此岛多边形；如果交点个数为偶数，同样证明独立多边形没有对岛多边形产生环绕，说明此岛多边形没有被这个独立多边形所包容。
五、创建矢量文件流程；
在创建多边形矢量数据流程结束后，独立多边形与岛多边形的拓扑关系已经建立完成，只需要将多边形矢量数据写入文件就完成栅格转矢量的全部流程和操作了。创建矢量文件流程步骤，见图10所示。
在创建矢量文件流程中，首先根据栅格数据所使用的坐标系信息，创建矢量文件和坐标系，然后根据多边形矢量数据中独立多边形的数量，建立循环搜索过程，每次读取一个多边形矢量数量，并按照多边形矢量数据的数据结构写入到矢量文件中，当将多边形矢量数据中的所有独立多边形矢量数据全部写入到矢量文件中时，完成创建矢量文件流程，结束栅格转矢量流程，结束对一个栅格文件的转换工作。
在将多边形矢量数据写入到矢量文件时，因为栅格数据是经过扩展的，他的像元位置相对原栅格数据，在行和列的位置上还需要对多边形的坐标点都增加了一个像元的位置，需要在转换时对节点的坐标点（X，Y）都-1。
同样坐标点链表中的坐标值，也需要将他的像元行列位置，转化为对应地面投影的坐标系，如栅格数据的每个像元对应于地面的实际距离单位，如栅格数据的一个像元对应地面的尺寸宽为：W=30米，长为：L=30米的固定常数，则需要对坐标点链表中的X值乘像元对应地面的尺寸宽度，即X=（X-1）*W；同样对坐标点链表中的Y值乘像元对应地面的尺寸长度，即Y=（Y-1）*L。
同样对于独立多边形面积，也需要进行转换，一个像元对应地面的面积为：SC=W*L，即面积常数为SC=300平方米，则独立多边形的面积为：S=S*SC.在将独立多边形的面积和坐标点链表数据写入矢量文件前，需要对每个坐标点的坐标值数据和面积值数据进行转换，将转换后的数据写入矢量文件。
如上所述，对本发明的实施例进行了详细地说明，但是只要实质上没有脱离本发明的发明点及效果可以有很多的变形，这对本领域的技术人员来说是显而易见的。因此，这样的变形例也全部包含在本发明的保护范围之内。
Claims (7)
1.一种基于分层次边界拓扑搜索模型的栅格转矢量搜索方法，其特征在于包括数据预处理流程、边界搜索流程、多边形搜索流程、创建多边形矢量数据流程、创建矢量文件流程；
只对栅格数据中的某些指定的像元属性值或内容，进行栅格转矢量计算；
数据预处理流程；
在获取遥感影像数据后，对栅格数据进行边界扩展处理，即进行数据预处理操作；
边界搜索流程，根据所设置的栅格转矢量条件，只对满足转换条件的栅格数据进行转换；
边界节点搜索步骤；
对扩展后的数据按照所设置栅格转矢量条件，进行边界拓扑搜索模型计算，在计算中每次采用3*3像元矩阵中的五个像元，按照边界拓扑搜索模型的要求进行边界点计算，对于在计算过程中满足转换条件和边界搜索条件的像元，称之为边界点，在多边形搜索中简称节点；
对于搜索到的节点，将其保存到节点数据结构中，供多边形搜索使用；
多边形搜索流程；
从创建一个多边形数据结构后开始的，通过遍历节点数据的方式，找出那些节点间相互连接符合特定条件的方向要求和坐标点位置要求的节点，并且这些节点通过相互间的连接，形成一个首尾相连的闭合多边形，将这个闭合多边形作为多边形数据结构中的一条多边形记录进行保存，并且需要删除在节点数据中的这些节点；重复上述操作，直到将节点数据中的所有节点全部都变成一个个封闭多边形，作为一条条多边形记录，添加到多边形数据结构中，即当节点数据中已经没有节点，完成一个分层次栅格转矢量的多边形搜索过程；
创建多边形矢量数据流程；
在完成多边形搜索后，启动创建多边形矢量数据流程；为多边形数据结构中的每个岛多边形，找到一个能够包容岛多边形的最小独立多边形，找到这个独立多边形后，将岛多边形的坐标点链表中的坐标数据，添加到包容岛多边形的独立多边形的坐标点链表的末端，修改独立多边形的面积为：S＝S-Sd，S为独立多边形面积，Sd为岛多边形面积；并给独立多边形的岛多边形数量的属性值+1，初始值为0；
重复上述操作直到为所有岛多边形找到包容岛多边形的独立多边形为止；
创建矢量文件流程；
首先根据栅格数据所使用的坐标系信息，创建矢量文件和坐标系，然后根据多边形矢量数据中独立多边形的数量，建立循环搜索过程，每次读取一个多边形矢量数量，并按照多边形矢量数据的结构写入到矢量文件中，当将多边形矢量数据中的所有独立多边形矢量数据全部写入到矢量文件中，完成创建矢量文件流程，结束栅格转矢量流程，结束对一个栅格文件的转换工作。
2.根据权利要求1所述的一种基于分层次边界拓扑搜索模型的栅格转矢量搜索方法，其特征在于数据预处理是在将原栅格数据的四周添加一圈新的像元数据；
对于所要添加的像元数据，要求是该数据的像元值或属性内容，要与原栅格数据中任何一个的像元值或属性内容都不相同。
3.根据权利要求1所述的一种基于分层次边界拓扑搜索模型的栅格转矢量搜索方法，其特征在于多边形数据结构是一个包含有：多边形图形信息和多边形搜索信息两部分内容的数据结构。
4.根据权利要求1所述的一种基于分层次边界拓扑搜索模型的栅格转矢量搜索方法，其特征在于在多边形搜索流程中，首先根据节点数据中节点数量建立遍历节点循环过程，读取一个节点，将这个节点作为一个多边形搜索的种子节点，根据种子节点所包含的坐标数量信息，对多边形面积、最大范围进行计算，计算后将多边形图形信息和坐标点位置信息记录到多边形数据结构中，形成一条多边形数据；同时根据种子节点，设置这条多边形数据中多边形的头部和尾部的方向和坐标点信息，即多边形的开始方向、开始点坐标；和多边形的结束方向、结束点坐标；同时删除节点数据中的这个种子节点，将节点数据的节点数量-1，为多边形后续节点的搜索建立条件。
5.根据权利要求4所述的一种基于分层次边界拓扑搜索模型的栅格转矢量搜索方法，其特征在于根据多边形搜索流程继续读取节点数据中的节点，判断此节点是否是这个多边形的后续节点，其过程是分别用此节点的结束方向、结束点坐标与多边形的开始方向、开始点坐标进行判别；及用此节点的开始方向、开始点坐标与多边形的结束方向、结束点坐标进行判别；
步骤1、如果此节点有一个方向符合节点间相连的指向性关系和坐标点唯一性原则，则此节点是这条多边形中的一个节点，根据这个节点所包含的坐标数量信息，对多边形面积、最大范围进行计算，计算后将多边形图形信息和坐标点记录到这条多边形数据中，同时根据此节点，修改这条多边形数据中多边形的头部和尾部的方向和坐标点信息，即多边形的开始方向、开始点坐标；和多边形的结束方向、结束点坐标；同时删除节点数据中的这个节点，将节点数据的节点数量-1，为多边形后续节点的搜索建立条件；
步骤2、如果此节点的两个方向都符合节点间相连的指向性关系和坐标点唯一性原则，则通过此节点将这条多边形的首尾连接在一起，证明这个多边形已经封闭，不需要为这个多边形继续搜索后续节点；在此同样需要根据这个节点所包含的坐标数量信息，对多边形面积、最大范围进行计算，计算后将多边形图形信息和坐标点记录到这条多边形数据中；同时还有根据此多边形面积值判断多边形类型，如果多边形面积>0，证明多边形是按顺时针方向形成封闭多边形，此多边形为独立多边形；给多边形数据结构中的多边形类型赋值1；否则,证明多边形是按逆时针方向形成封闭多边形，此多边形为岛多边形；给多边形数据结构中的多边形类型赋值0；为创建矢量多边形流程创造条件；
步骤3、如果此节点的两个方向都不符合节点间相连的指向性关系和坐标点唯一性原则，则证明此节点不包含在这个多边形中，在继续读取下一个节点数据中的节点，重复上述操作流程，直到找到一个两个方向都符合节点间相连的指向性关系和坐标点唯一性原则的节点，将这个多边形闭合，完成这个多边形的搜索；
步骤4、重复上述操作，直到将节点数据中的所有节点都通过搜索形成一个个封闭多边形，节点数据中的节点数量＝0，完成对节点数据的多边形搜索过程；
多边形面积、最大范围计算；
在多边形搜索过程中需要对多边形的面积和最大范围进行计算，
多边形最大范围计算；
从建立一条多边形数据第一个种子节点开始，根据节点中的坐标点数量，按照X、Y坐标值逐个进行对比计算，得到多边形的最大范围Xmin，Xmax，Ymin、Ymax；对于后续添加到多边形中的每个节点，同样根据节点中的坐标点数量逐点与多边形的最大范围进行对比计算，一直进行到最后一个使多边形产生闭合的节点为止，完成多边形最大范围的计算工作；
多边形面积计算；
多边形的面积计算与多边形最大范围计算过程中完全相同；同样从建立一条多边形数据第一个种子节点开始，根据节点中的坐标点数量N，计算多边形的面积，其计算公式为：其中S为多边形面积，初始值为0；Xn、Yn为此节点几个坐标点中某个坐标点的坐标值，Ymax为栅格数据的最大行数N-1；
同样对于后续添加到多边形中的每个节点，根据节点中的坐标点数量逐点进行面积计算，一直进行到最后一个使多边形产生闭合的节点为止，完成多边形面积的计算工作。
6.根据权利要求1所述的一种基于分层次边界拓扑搜索模型的栅格转矢量搜索方法，其特征在于在完成多边形搜索后，启动创建多边形矢量数据流程；为多边形数据结构中的每个岛多边形，找到一个能够包容岛多边形的最小独立多边形，找到这个独立多边形后，将岛多边形的坐标点链表中的坐标数据，添加到包容岛多边形的独立多边形的坐标点链表的末端，修改独立多边形的面积为：S＝S-Sd，S为独立多边形面积，Sd为岛多边形面积；并给独立多边形的岛多边形数量的属性值+1，初始值为0；
重复上述操作直到为所有岛多边形找到包容岛多边形的独立多边形为止；
创建多边形矢量数据流程步骤，首先对多边形数据按照多边形类型和多边形最大范围进行排序，根据岛多边形的数量建立搜索循环过程，在循环中每次读取一个岛多边形数据，根据岛多边形的最大范围，在独立多边形数据中搜索找到一个能够包容岛多边形的独立多边形序列，此序列中的独立多边形从最小独立多边形向逐渐扩大的顺序排列，首先从最小独立多边形开始，判断岛多边形是否被包容，如果被包容，将岛多边形的坐标点链表数据添加到独立多边形的坐标点链表数据中，完成一个岛多边形的搜索；如果不被包容，则在包容岛多边形的独立多边形序列中寻找下一个独立多边形进行判断，直到找到一个包容岛多边形的独立多边形为止；
重复上述操作，直到为每个岛多边形找到包容岛多边形的独立多边形为止。
7.根据权利要求1所述的一种基于分层次边界拓扑搜索模型的栅格转矢量搜索方法，其特征在于在创建多边形矢量数据流程结束后，独立多边形与岛多边形的拓扑关系已经建立完成，将多边形矢量数据写入文件完成栅格转矢量的全部流程和操作；
创建矢量文件流程步骤，首先根据栅格数据所使用的坐标系信息，创建矢量文件和坐标系，然后根据多边形矢量数据中独立多边形的数量，建立循环搜索过程，每次读取一个多边形矢量数量，并按照多边形矢量数据的结构写入到矢量文件中，当将多边形矢量数据中的所有独立多边形矢量数据全部写入到矢量文件中，完成创建矢量文件流程，结束栅格转矢量流程，结束对一个栅格文件的转换工作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410054741.8A CN103838829B (zh) | 2014-02-18 | 2014-02-18 | 一种基于分层次边界拓扑搜索模型的栅格转矢量系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410054741.8A CN103838829B (zh) | 2014-02-18 | 2014-02-18 | 一种基于分层次边界拓扑搜索模型的栅格转矢量系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103838829A CN103838829A (zh) | 2014-06-04 |
| CN103838829B true CN103838829B (zh) | 2017-01-18 |
Family
ID=50802326
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410054741.8A Expired - Fee Related CN103838829B (zh) | 2014-02-18 | 2014-02-18 | 一种基于分层次边界拓扑搜索模型的栅格转矢量系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103838829B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104537635A (zh) * | 2014-09-29 | 2015-04-22 | 中国科学院遥感与数字地球研究所 | 一种保持拓扑的土地覆被矢量数据的简化算法 |
| CN105930360B (zh) * | 2016-04-11 | 2019-10-15 | 云南省国家税务局 | 一种基于Storm流计算框架文本索引方法及系统 |
| CN106683167B (zh) * | 2016-07-19 | 2020-03-03 | 谢鸿宇 | 复杂建筑物高精度模型自动建模方法 |
| CN106649776B (zh) * | 2016-12-27 | 2019-11-22 | 中科宇图科技股份有限公司 | 一种半自动化综合矢量多边形的方法 |
| CN109493331B (zh) * | 2018-11-06 | 2021-09-28 | 中国林业科学研究院资源信息研究所 | 一种基于并行计算算法的两景图像重叠区域快速获取方法 |
| CN110322556B (zh) * | 2019-04-29 | 2022-06-03 | 武汉大学 | 一种基于边界裁剪的高速高精度矢栅叠置分析方法 |
| CN110675417B (zh) * | 2019-09-25 | 2022-08-30 | 自然资源部第六地形测量队(自然资源部地下管线勘测工程院、四川省第三测绘工程院) | 一种结合游程编码与边缘跟踪的栅格数据快速矢量化方法 |
| CN111078919B (zh) * | 2019-11-15 | 2023-09-12 | 浙江省测绘科学技术研究院 | 一种基于九宫格的大规模矢量数据悬挂处理方法 |
| CN113590727B (zh) * | 2021-06-30 | 2024-03-19 | 中国煤炭地质总局勘查研究总院 | 一种空间数据结构性分析方法 |
| CN117475438B (zh) * | 2023-10-23 | 2024-05-24 | 北京点聚信息技术有限公司 | 基于ocr技术的扫描文件矢量化转换方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1455284A2 (en) * | 2003-02-21 | 2004-09-08 | Canon Kabushiki Kaisha | Image processing method and image processing system |
-
2014
- 2014-02-18 CN CN201410054741.8A patent/CN103838829B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1455284A2 (en) * | 2003-02-21 | 2004-09-08 | Canon Kabushiki Kaisha | Image processing method and image processing system |
| CN1248138C (zh) * | 2003-02-21 | 2006-03-29 | 佳能株式会社 | 图像处理方法与图像处理系统 |
Non-Patent Citations (2)
| Title |
|---|
| 一种新的栅格数据矢量化方法;张星月等;《地球信息科学》;20081215;第10卷(第6期);全文 * |
| 李飞.遥感影像分类栅格数据矢量化方法研究.《中国硕士学位论文全文数据库• * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103838829A (zh) | 2014-06-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103838829B (zh) | 一种基于分层次边界拓扑搜索模型的栅格转矢量系统 | |
| Lhuillier et al. | State of the art in edge and trail bundling techniques | |
| CN110705448B (zh) | 一种人体检测方法及装置 | |
| Zhou et al. | Edge bundling in information visualization | |
| Xu et al. | An information-theoretic framework for flow visualization | |
| CN110443842A (zh) | 基于视角融合的深度图预测方法 | |
| CN103839222B (zh) | 一种基于分层次边界拓扑搜索模型的栅格转矢量并行系统 | |
| CN106557579A (zh) | 一种基于卷积神经网络的车辆型号检索系统及方法 | |
| CN102270236A (zh) | 一种基于栅格化gis 空间关系判断方法及其系统 | |
| Wu et al. | A zone-based approach for placing annotation labels on metro maps | |
| CN104574449B (zh) | 基于dem的投影面积计算方法 | |
| Nocke et al. | visual analytics of climate networks | |
| Shen et al. | A new approach to simplifying polygonal and linear features using superpixel segmentation | |
| CN104252549A (zh) | 一种基于克里金插值的分析布井方法 | |
| CN106169174A (zh) | 一种图像放大方法 | |
| Zhou et al. | Indexed-points parallel coordinates visualization of multivariate correlations | |
| CN115017773A (zh) | 一种三维网格模型的降维方法、电子设备和介质 | |
| Nohno et al. | Spectral-based contractible parallel coordinates | |
| Li et al. | Small Object Detection Algorithm Based on Feature Pyramid‐Enhanced Fusion SSD | |
| CN105913475A (zh) | 一种时空变化过程动态可视化方法 | |
| CN105844667A (zh) | 一种紧凑颜色编码的结构化目标跟踪方法 | |
| CN105653881A (zh) | 基于多密度层次的流场可视化方法 | |
| Xu et al. | TilinGNN: learning to tile with self-supervised graph neural network | |
| Sobota | 3D modelling of Chua's circuit boundary surface | |
| CN107464272A (zh) | 基于关键点的中心扩散式气象传真图等值线的插值方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C41 | Transfer of patent application or patent right or utility model | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20151008 Address after: 100091 Xiangshan Road, Beijing, Haidian District East small house, No. 1 Applicant after: Institute of Source Information, Chinese Academy of Forestry Applicant after: Zhongtian Technology (Beijing) Co., Ltd. Address before: 100091 Xiangshan Road, Beijing, Haidian District East small house, No. 1 Applicant before: Institute of Source Information, Chinese Academy of Forestry |
|
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170118 Termination date: 20200218 |