CN103985144A - 一种基于栅格覆盖模型的林相图斑快速矢量化方法 - Google Patents
一种基于栅格覆盖模型的林相图斑快速矢量化方法 Download PDFInfo
- Publication number
- CN103985144A CN103985144A CN201410212398.5A CN201410212398A CN103985144A CN 103985144 A CN103985144 A CN 103985144A CN 201410212398 A CN201410212398 A CN 201410212398A CN 103985144 A CN103985144 A CN 103985144A
- Authority
- CN
- China
- Prior art keywords
- map
- forest
- forest form
- raster
- form map
- 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.)
- Pending
Links
Abstract
本发明公开了一种基于栅格覆盖模型的林相图斑快速矢量化方法,分析林相图中的主要林相类型;根据林相类型确定林相图重分类类别;分类林相图,得到多个图层,以描述不同林相类别;逐图层检查,对分类结果不佳的图层实施数学形态学的膨胀、腐蚀及其组合变换;合并上述各个栅格图层;使用栅格-矢量转换方法,得到矢量化林相图。本发明栅格覆盖模型将其栅格化描述作为首要解决问题,通过数学形态学运算较好的解决了面状要素充分描述的问题,避免了传统交互式矢量化面状要素过程中边缘线自动追踪的噪声干扰。
Description
技术领域
本发明涉及一种矢量化方法,具体地说,涉及一种基于栅格覆盖模型的林相图斑快速矢量化方法。
背景技术
随着GIS应用的深入,林业GIS大量投入使用;林相信息快速获取显得尤为关键。数据是GIS应用的基础和重要组成部分,其质量的好坏将直接影响GIS的可靠性与价值。GIS数据采集方法包括原始数据采集及派生数据采集,前者常用地面或摄影测量、卫星遥感及GPS测量等方式;后者主要以已有的地图为数据源,通过矢量化获取信息。矢量化技术应用较多的有屏幕手工跟踪方法和自动矢量化方法。前者出错率低,精度满足工作需求,但速度慢且工作强度大;后者提高了矢量化过程中特征点选取、识别的自动化程度,但易受图纸噪声干扰,出错率高,后期查错工作量大;综合二者优势的交互式矢量化方法不断发展。矢量化地图的一般流程是将图纸扫描并转换为二值图;细化算法处理;交互式矢量化。以扫描地图矢量化中常见的面状目标及线状目标为例,其矢量化策略并不相同:线状目标侧重描述线的走向及路径长度;面状目标关心目标边缘描述的准确度,以求尽可能反映目标位置、边缘形态、面积及其空间关系,并将其转换为不规则多边形对象。
传统的矢量化方法一般采用矢量数据结构,较关注像素信息,以求精确描述几何对象及其拓扑属性,但矢量化效率有待进一步提高。在面状对象矢量化过程中,如果能基于面向对象的思想,将色彩或灰度相似的区域视为对象,将图像分割为不同斑块;通过数学形态学运算,即可达到充分描述面状要素的目的,该研究已在工程地质图、地形图矢量化及地物识别等得到应用,但在林相专题图方面存在欠缺。林相图综合反映森林分布、区划界线和作业设施现状等;在GIS中表现为针对于优势树种的专题地图,包括以优势树种为代表的面要素,以行政界线构成的线要素,以小斑注记和行政名称组成的点要素等。林相图具有专题地图共有的特性,即内容形象直观、针对性强,突出反映一种或数种要素和现象,常用面状符号表示资源分布范围。其面图元含义清晰,按不同优势树种分别着色,同一优势树种依据龄组的差异设置颜色(成熟林最深,幼龄林最浅),能够明显的了解在某一区域何种树种的生长情况等特征;其几何图元特征明显,以同一优势树种、同一龄组,在相邻连续区域内为对象形成图斑。除此之外,林相图的图形质量较好,很少出现交互叠置的情况。林相专题地图的特征为基于面向对象原理,快速识别林相图空间信息提供了便利。针对以上情形,本文提出了一种基于栅格覆盖模型的林相图斑的快速矢量化方法。
发明内容
为了克服现有技术中存在的缺陷,通过分析林相图扫描图像的特点,以面向对象思想为出发点,以提高矢量化效率为目的,在引入栅格覆盖模型的基础上,提出了一种基于栅格覆盖模型的林相图斑快速矢量化方法。其技术方案如下:
一种基于栅格覆盖模型的林相图斑快速矢量化方法,包括以下步骤:
1)分析林相图中的主要林相类型;
2)根据林相类型确定林相图重分类类别;
3)分类林相图,得到多个图层,以描述不同林相类别;
4)逐图层检查,对分类结果不佳的图层实施数学形态学的膨胀、腐蚀及其组合变换;
5)合并上述各个栅格图层;
6)使用栅格-矢量转换方法,得到矢量化林相图。
使用过程中,首先需要对林相进行研究,确定原始林相图可以分为多少种类别;然后重分类林相图为多个图层。将林相图分为太多、太少的类别都会带来过多干扰,不利于林相图斑的自动矢量化。该技术方案适用于图面信息清晰、色差明显的林相图,尤其是林相的面状图斑可得到较好的矢量化效果。
本发明的有益效果为:
与传统矢量化面状要素侧重对其边缘的描述相比,栅格覆盖模型将其栅格化描述作为首要解决问题,通过数学形态学运算较好的解决了面状要素充分描述的问题,避免了传统交互式矢量化面状要素过程中边缘线自动追踪的噪声干扰;然后通过栅格与矢量数据格式转换,得到矢量化描述的最终目标。
附图说明
图1为两种林相图矢量化方法原理与流程对比图;
图2为某镇林相图斑矢量化(局部截图),图2a为原始扫描图,图2b为RasterRegion粗分割,图2c形态学运算逼近,图2d为RasterCoverage栅格-矢量转换。
具体实施方式
下面结合附图和具体实施方式对本发明的技术方案作进一步详细地说明。
1技术方案
一种基于栅格覆盖模型的林相图斑快速矢量化方法,包括以下步骤:
1)扫描林相图
2)将扫描的林相图加载到图像处理软件ArcMap中
3)按照图像坐标系统配准林相图,使其成为有特定坐标系统的的地图
4)按照三原色将扫描图分解为红\绿\蓝三个图层,红、绿、蓝三色取值范围介于[0,255]
5)将红\绿\蓝加载到ArcMap,根据林相类型选择适当的图层,实施栅格图像重分类,得到由像素组成的不同数目的区域(即所谓的栅格覆盖),用以初步描述各类林相类型
柏木I龄组,选择绿波段图层,按照238<=绿波段图层<=242标准重分类,满足该条件的像素值设置为1,不满足则设置为0
柏木II龄组,选择绿波段图层,按照202<=绿波段图层<=209标准重分类,满足该条件的像素值设置为1,不满足则设置为0
杉木III龄组,选择绿波段图层,按照248<=绿波段图层<=252标准重分类,满足该条件的像素值设置为1,不满足则设置为0
经济林,选择绿波段图层,按照140<=绿波段图层<=147标准重分类,满足该条件的像素值设置为1,不满足则设置为0
6)考察初步描述的林相类型(如柏木I龄组)图,是否存在边界或内部欠描述、过描述等情况,针对具体情况实施数学形态学处理等
如果林相欠描述,则栅格覆盖的区域中心或边界描述不完整,需要采用像素膨胀-腐蚀运算将其填充完整
如果林相描述超过原始边界范围,则属于过描述,需要采用像素腐蚀-膨胀运算将多余部分去掉
如果原始图像在制图过程中有类似色调形成干扰,例如图例颜色、河流颜色与某种林相图颜色类似,则属于错误的或者无效的栅格覆盖,需要采用像素剔除工具将其删除
7)检查整个图面范围,如果栅格覆盖描述的林相图仍不符合要求,则重复上述操作纸质满足要求;如果该林相图达到要求,则选择另一种龄组重复上述操作,直至不同树种所有龄组所在图斑都得到处理为止;
8)将处理得到的各种林相不同龄组的数据图层逐一输出保存为临时文件,如L1、L2、......,每个图层仅描述指定林相类型指定龄组的内容,相应属性值设置为1
9)按照21,22,......,2n对上述所有图层实施编码,即将不同林相类型不同龄组的图层其属性值分别设置为2,4,8,16,32,64,......等不同属性值,然后对图层L1、L2、......等实施加和操作,即可L1+L2+......+Ln,得到新的图层R
10)分析图层R上的属性值,对照原始林相扫描图,考察不属于2i(i=1,2,3,4,......)的属性(如3,5,7等)应当属于哪一种林相类型的某一龄组,对其执行对其到2i的操作,将其划归到2,4,8,16,32,64,......等不同属性值中
11)执行栅格-矢量数据转换操作,按照属性值2i将其转换为多边形图层,得到最终的林相矢量化图。
2原理与方法
2.1栅格覆盖模型
基于林相图斑的特点,将栅格覆盖模型引入GIS数据采集领域,以支持图斑的快速矢量化。
完整的栅格覆盖模型含像素(Pixel)、栅格区(RasterRegion)及栅格空间(RasterCoverage)三个层次的对象。其中Pixel描述二维空间R2中一个规则正方形区域的信息,是构成栅格数据的基本单元。RasterRegion描述地理空间中的连续分布现象,连续的区域用一个RasterRegion表达;该区域不仅记录栅格数据本身,还记录了栅格数据的分布范围等信息。RasterCoverage表达多个RasterRegion组成的集合,其中的RasterRegion可以彼此独立;也可以是属性不同而相互邻接的不同区域。Pixel与RasterRegion、RasterRegion与RasterCoverage彼此间构成n:1关系。
2.2处理原理与步骤
传统林相图斑矢量化策略的实质是识别林相图斑边缘并将其转换为折线段,是典型的基于矢量数据模型的数字化方法,处理流程如图1上半部分。
基于林相专题图的简明性及颜色差异等特征,可以依据某一标准(如RGB或灰度阈值),重分类(reclassify)纸质扫描图,得到不同类别、以栅格数据描述的RasterRegion,这是对林相专题图的粗描述;粗描述的RasterRegion不可避免存在很多瑕疵,Pixel的作用体现在对RaterRegion的增强和细化描述,可以用数学形态学的去噪、膨胀及腐蚀等运算加以实现。RasterCoverage体现在不同含义林相图斑叠加形成对整个纸质扫描图的栅格覆盖,以支持对不同林相含义的描述。RasterCoverage形成后,不同属性值的RaterRegion相互区别,实施栅格-矢量转换,即可实现多边形对象内部、外部边缘一体化识别,处理流程如图1下半部分。
从图1可以看出面向对象方法与人工勾绘方法相比,用“分析图像重新分类”的方法解决了人工判读扫描信息的过程,初步得到自动识别的对象;其后又以数学形态学运算等处理为核心,实现对象逐步求精的充分描述,并最终通过栅格-矢量转换方法得到数字化林相图。这种处理过程自动化程度高,简化了人工判读过程,降低了手工勾绘的劳动强度,充分提高了生产效率。
2.3数学形态学方法
研究使用数学形态学方法基本原理对林相图斑进行处理。函数f(x,y)表示一幅图像,函数b(x,y)表示结构元素,f和b是坐标(x,y)像素灰度值的函数。Df和Db分别是f和b的定义域。对应于栅格覆盖模型,则函数f(x,y)为RasterRegion;不同的结构元素函数b(x,y)为Pixel。
腐蚀:结构元素b(x,y)对图像f(x,y)的灰度腐蚀记为如公式(1)。
膨胀:结构元素b(x,y)对图像f(x,y)的灰度膨胀记为如公式(2)。
开运算:结构元素b对图像f的开运算定义为公式(3)。
闭运算:结构元素b对图像f的开运算定义为公式(4)。
矢量化成功与否的标准是能否充分刻画其林相图斑。林相图斑在处理过程中可能遇到以下几种情况。
1.欠描述,即不能充分逼近林相图斑边缘,或存在内部空洞。结合数学形态学方法,使用膨胀运算填充内部或逼近边缘,如图2b、2c。
2.过描述,自动提取的栅格对象超过林相图斑的实际边缘。结合数学形态学方法,运用腐蚀运算消去边缘多余部分。
3.边缘干扰,即分类后产生离散点噪声、断续线等不属于林相图的栅格形态,可综合运用开、闭运算等去除干扰。
3应用实例
以川中丘陵区某镇林相专题图为实验样区,对其快速矢量化方法进行了实验分析。区域有马尾松、杉木、柏木等优势树种;a是实验样区扫描图(部分);b是RasterRegion粗分割结果;c是Pixel形态学运算处理效果;d是多个RasterRegion叠加形成RasterCoverage并执行栅格-矢量转换效果。
实践表明,这种方案在矢量化图斑较多的专题地图,特别是林相图方面效果明显。多次实验结果表明,适当的聚类、分类阈值设置较为重要,当前仍需要借助试错及迭代法逐步改进方案;后续研究应当致力于研究扫描图像的自适应分类、分类标准与矢量化效果之间的关系;该方案适宜于处理有一定色差的专题图。
以上所述,仅为本发明较佳的具体实施方式,本发明的保护范围不限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可显而易见地得到的技术方案的简单变化或等效替换均落入本发明的保护范围内。
Claims (1)
1.一种基于栅格覆盖模型的林相图斑快速矢量化方法,其特征在于,包括以下步骤:
1)分析林相图中的主要林相类型;
2)根据林相类型确定林相图重分类类别;
3)分类林相图,得到多个图层,以描述不同林相类别;
4)逐图层检查,对分类结果不佳的图层实施数学形态学的膨胀、腐蚀及其组合变换;
5)合并上述各个栅格图层;
6)使用栅格-矢量转换方法,得到矢量化林相图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410212398.5A CN103985144A (zh) | 2014-05-20 | 2014-05-20 | 一种基于栅格覆盖模型的林相图斑快速矢量化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410212398.5A CN103985144A (zh) | 2014-05-20 | 2014-05-20 | 一种基于栅格覆盖模型的林相图斑快速矢量化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103985144A true CN103985144A (zh) | 2014-08-13 |
Family
ID=51277102
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410212398.5A Pending CN103985144A (zh) | 2014-05-20 | 2014-05-20 | 一种基于栅格覆盖模型的林相图斑快速矢量化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103985144A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106384333A (zh) * | 2016-09-20 | 2017-02-08 | 河南工业大学 | 一种从矩形栅格向六边形栅格的图像转换方法 |
CN107564078A (zh) * | 2016-06-30 | 2018-01-09 | 中国电力科学研究院 | 一种带有干扰像素的栅格分区图自动矢量化方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101114277A (zh) * | 2007-08-21 | 2008-01-30 | 南京大学 | 一种利用地理信息系统与遥感技术进行生态功能区划的方法 |
US7541938B1 (en) * | 2006-03-29 | 2009-06-02 | Darell Eugene Engelhaupt | Optical flame detection system and method |
US20100261495A1 (en) * | 2009-04-13 | 2010-10-14 | Xiaoyun Li | Distributed hole recovery process using connectivity information |
-
2014
- 2014-05-20 CN CN201410212398.5A patent/CN103985144A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7541938B1 (en) * | 2006-03-29 | 2009-06-02 | Darell Eugene Engelhaupt | Optical flame detection system and method |
CN101114277A (zh) * | 2007-08-21 | 2008-01-30 | 南京大学 | 一种利用地理信息系统与遥感技术进行生态功能区划的方法 |
US20100261495A1 (en) * | 2009-04-13 | 2010-10-14 | Xiaoyun Li | Distributed hole recovery process using connectivity information |
Non-Patent Citations (2)
Title |
---|
李佳 等: "基于栅格覆盖模型的林相图斑快速矢量化方法", 《科技视界》 * |
陆元昌 等: "基于森林资源二类调查数据的森林景观分类研究", 《林业科学》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107564078A (zh) * | 2016-06-30 | 2018-01-09 | 中国电力科学研究院 | 一种带有干扰像素的栅格分区图自动矢量化方法 |
CN106384333A (zh) * | 2016-09-20 | 2017-02-08 | 河南工业大学 | 一种从矩形栅格向六边形栅格的图像转换方法 |
CN106384333B (zh) * | 2016-09-20 | 2019-09-17 | 河南工业大学 | 一种从矩形栅格向六边形栅格的图像转换方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109389163B (zh) | 一种基于地形图的无人机影像分类系统及方法 | |
CN106548141B (zh) | 一种基于三角网的面向对象耕地信息自动提取方法 | |
CN112070769B (zh) | 一种基于dbscan的分层点云分割方法 | |
CN102930561B (zh) | 一种基于Delaunay三角网的栅格地图矢量化方法 | |
CN108537239B (zh) | 一种图像显著性目标检测的方法 | |
CN112396128B (zh) | 一种铁路外部环境风险源样本自动标注方法 | |
CN105894044A (zh) | 一种基于车载激光扫描数据的单株树木点云自动提取方法 | |
CN116310192A (zh) | 一种基于点云的城市级建筑物三维模型单体重建方法 | |
CN103279951A (zh) | 一种面向对象的遥感影像建筑物及其阴影提取的方法 | |
CN111462838B (zh) | 一种直接将图像像素转换成有限元单元的方法 | |
CN112462347B (zh) | 基于密度聚类的激光雷达点云快速分类滤波算法 | |
CN107564078B (zh) | 一种带有干扰像素的栅格分区图自动矢量化方法 | |
CN109636904A (zh) | 一种基于uav航测地形数据的噪声处理技术 | |
CN104036294A (zh) | 基于光谱标记的多光谱遥感图像自适应分类方法 | |
CN110660027B (zh) | 一种针对复杂地形的激光点云连续剖面地面滤波方法 | |
Baluyan et al. | Novel approach for rooftop detection using support vector machine | |
CN112669333A (zh) | 一种单木信息提取方法 | |
Oka et al. | Vectorization of contour lines from scanned topographic maps | |
CN114862715A (zh) | 一种融合地形特征语义信息的tin渐进加密去噪方法 | |
CN103985144A (zh) | 一种基于栅格覆盖模型的林相图斑快速矢量化方法 | |
O’Neil-Dunne et al. | Incorporating contextual information into object-based image analysis workflows | |
CN113159044A (zh) | 一种基于深度学习的卷积神经网络的道路材质识别方法 | |
Hui et al. | Individual tree extraction from UAV lidar point clouds based on self-adaptive Mean shift segmentation | |
CN105894501A (zh) | 一种高分辨率遥感图像单木探测和树冠描绘方法 | |
CN110120070A (zh) | 基于机载激光雷达点云体元连续性分析的滤波方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140813 |
|
WD01 | Invention patent application deemed withdrawn after publication |