CN110737744B - 一种土地利用分类专题图纹理符号的制作方法 - Google Patents

一种土地利用分类专题图纹理符号的制作方法 Download PDF

Info

Publication number
CN110737744B
CN110737744B CN201910974480.4A CN201910974480A CN110737744B CN 110737744 B CN110737744 B CN 110737744B CN 201910974480 A CN201910974480 A CN 201910974480A CN 110737744 B CN110737744 B CN 110737744B
Authority
CN
China
Prior art keywords
texture
image
color
symbols
symbol
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.)
Active
Application number
CN201910974480.4A
Other languages
English (en)
Other versions
CN110737744A (zh
Inventor
付宗堂
王雨双
陈栋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Geosciences Beijing
Original Assignee
China University of Geosciences Beijing
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China University of Geosciences Beijing filed Critical China University of Geosciences Beijing
Priority to CN201910974480.4A priority Critical patent/CN110737744B/zh
Publication of CN110737744A publication Critical patent/CN110737744A/zh
Priority to US17/069,287 priority patent/US11640666B2/en
Priority to AU2020102712A priority patent/AU2020102712A4/en
Application granted granted Critical
Publication of CN110737744B publication Critical patent/CN110737744B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/55—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5862—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/54—Extraction of image or video features relating to texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Library & Information Science (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Remote Sensing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种土地利用分类专题图纹理符号的制作方法，包括：纹理素材截取；主颜色提取；颜色聚类；纹理骨架提取；平铺感去除；纹理库的构建。本发明的优点是：给出了纹理符号的定义与分类，明确了纹理符号的制作流程；使用的自然纹理符号和象征纹理符号语义内涵清晰，更易于地图的信息传递；提高了地图的质感和层次感；可以直接用于生产，为土地利用调查制图提供基础的支撑，同时为自然资源调查大比例尺成果制图提供了解决方案。完善了土地利用现状分类专题图的表达。

Description

一种土地利用分类专题图纹理符号的制作方法
技术领域
本发明涉及地图符号技术领域，特别涉及一种土地利用分类专题图纹理符号的制作方法。
背景技术
地图是由地图符号所组成，因此地图符号又称为地图语言，是人们认识世界的基本载体和媒介。通常地图符号包括线划符号、色彩符号和注记(地图上的文字说明、包括文字和数字)三大类，用于表示制图对象的空间分布、数量、质量等特征。
通常线划符号按照基本形状分为点状符号、线状符号和面状符号。
点状符号：通常是对具有点状性质的自然对象的概况与抽象，其位置具有明确的定位概念，而符号的大小只具有分类的概念，没有实际面积的意义；
线状符号：通常是对具有长度、宽度和方向意义的自然对象的概况与抽象，它的长度和方向具有实际意义，而宽度视制图比例尺而定，大比例尺下具有实际宽度意义，小比例尺下具有分类意义。
面状符号：通常是对具有范围(面积)意义的自然对象的概况与抽象，具有实际的二维特征，其位置、面积和形状与实际自然对象相一致。地图符号的内容包括点状符号、线状符号和面状符号，具体的含义见表1。
表1：地图符号的含义
序号 地图符号 图中示例 含义 说明
1 点状符号 北京、天津、石家庄、保定 表达具体位置、城市级别 蓝色横线
2 线状符号 京石高速、河北境内长城 表达长度和方向 红色折线
3 面状符号 北京政区范围、渤海水域 表达面积和形状 紫色、蓝色范围
4 注记 北京、横山2017、黄河口 各种符号的说明 黑色、蓝色
在土地利用分类专题地图的表达方面，符号又进行了细分。从本质上讲，地图符号主要解决地物对象的分类与分级问题。按照土地利用现状分类国家标准G B/T 21010，将现行土地利用现状采用一级、二级两个层次的分类体系，共分12个一级类、56个二级类。其中一级类就是分类，具体包括：耕地、园地、林地、草地、商服用地、工矿仓储用地、住宅用地、公共管理与公共服务用地、特殊用地、交通运输用地、水域及水利设施用地、其他土地。而二级类就是在一级分类基础上的分级。例如：耕地分为水田、水浇地和旱地三个级别。见表2。从表2可以看出：耕地符号是由背景色和图元两种要素进行定义的，其中黄色渐变表达耕地的分级，水田颜色(255,255,100)、水浇地颜色(255,255,150)、旱地颜色(255,255,200)；而具体的图元表示具体的级别类型。
Figure BDA0002233158620000021
表示水田、
Figure BDA0002233158620000022
表示水浇地、
Figure BDA0002233158620000023
表示旱地，图元颜色统一定义为绿色(0,160,100)。林地的符号分级与此类似。
表2土地利用分类的地类编码和含义
Figure BDA0002233158620000024
土地利用现状图通常分为三个尺度，即1:5000—1:10000称为大比例尺、1:25000—1:100000称为中比例尺、1:250000—1:1000000称为小比例尺。其中大比例尺主要用于小区域制图、中比例尺主要用于县域尺度制图、而小比例尺主要用于省域或者国家级的制图。一般在小比例尺制图时，土地利用符号采用大类表示，即只表示12大类的地类，相应地符号只采用颜色进行表达；在中比例尺制图时，土地利用符号采用大类下的分级表示，即表示56个二级类的地类，相应地符号变成了颜色+图元的方式进行表达；现阶段，在大比例尺制图时，土地利用符号仍然采用中比例尺的表达方法。
在三维地景和虚拟现实技术中，对地表景观的模拟及还原采用了纹理制作技术，而在制图学以及符号学中的研究很少。其中，包括一种基于矢量地图制作地景纹理的方法。
由于地球表面的几何形态复杂多样，要把各种细微结构全部用几何模型表示出来，不仅计算量非常庞大，也无法满足实时显示的要求，更不能很好体现地表的纹理特征。通过在简化的地形模型上映射细节丰富的地表纹理，既可显著提高交互效率，又有助于增强虚拟地理环境的真实感，易于地理环境的认知。因此生成逼真的、易于认知的地景纹理是建立虚拟地理环境的一个重要环节。
制作地景纹理的基本思路如下：
1)建立地形模型并分层设色，制作晕渲图作为地景纹理的背景；
2)将各要素符号化，并逐一获取各要素图像；
3)对各种要素图像作不同的纹理效果处理；
4)将各层图像按一定顺序进行合成，生成最终的纹理。
在第三步纹理效果处理中，使用的是C++中Photoshop的类型库中一些图画效果的处理，例如：颗粒浮雕、外斜面(下凹)等等，以此来制作出带有三维立体感的地景纹理。
在现行的土地利用现状图表示中，主要存在以下缺陷：
1、对于大比例尺的图件而言，图面上的图斑(不同土地利用类型的范围)一般较大，特别是对于大面积单一地类的图件，整幅地图上只有一到两类地物，采用现行的地图符号表示方法，图面过于呆板，缺乏地图应有的丰富语义和美感。
2、地景纹理方法在小比例尺普通地图挂图上的渲染效果不错，通过凹凸处理展示地表三维立体效果，能够实现很明显的地景纹理效果。但对于大比例尺土地利用分类图的表达没有成功案例。同时该方法主要通过写意的方式虚拟地表景观，没有达到地图符号必须具有明确语义内涵的要求。
3、现行的土地利用分类符号都是静态的抽象符号，无法对地类的变化进行定量化表达
发明内容
本发明针对现有技术的缺陷，提供了一种土地利用分类专题图纹理符号的制作方法，解决了现有技术中存在的缺陷。
为了实现以上发明目的，本发明采取的技术方案如下：
一种土地利用分类专题图纹理符号的制作方法，包括以下步骤：
(1)纹理素材截取
纹理素材主要通过三个来源来进行获取，分别是卫星影像、实景照片与油画作品。针对不同的地物类型其纹理素材的来源不同，并对纹理素材进行分类。
(2)主颜色提取，基于HSV颜色空间的主颜色提取的基本步骤如下：
1)开辟两个字典，一个记录颜色分类及其个数，另一个记录每个像素点的HSV值和其对应的颜色分类；
2)读取待处理的纹理图斑，逐像素获取其HSV值；
3)将HSV值与颜色分量表进行对照，确定当前像素点的颜色分类；
4)将当前颜色分类的计数加一计入第一个字典，同时将此像素的HSV值和颜色记录入第二个字典；
5)处理完毕后，第一个字典可以获取本图斑的颜色分类个数，及其不同颜色下的像素个数，第二个字典可以获取每个颜色下所有像素点的HSV值，可进行统计获取出现频次较高的颜色值。
(3)颜色聚类
将原图像中的一些噪点消除；将照片或者影像中同一色系的颜色聚集在一起，让不同色系的区分更加明显。纹理图斑经过主颜色提取工作后，划分地物纹理图斑的主颜色个数，达到了颜色聚类的效果。根据颜色聚类个数和纹理层的个数之间的对应关系来进行纹理切割，具体做法是将纹理图斑不同主颜色分类下的像素点保留，其他像素点设置为纯黑色，即HSV值为(0,0,0)即可。
(4)纹理骨架提取
在进行了纹理切割后，会得到组成影像纹理符号的主纹理层与次纹理层，接下来将要消除其它噪声信息和颜色信息，对其纹理的骨架进行提取，得到的纹理骨架即可作为影像纹理符号的合成素材进入纹理库，以备制图时使用。
用Canny算子的边缘检测算法进行纹理骨架提取，经过Canny算子的边缘检测后，生成的纹理骨架图像为单通道的灰度值图像，需要将其转为三通道图像后才能进行下一步的上色。
将骨架纹理存入纹理库时，同时在文件名中添加其序号、季节和相应的主颜色等索引信息，以便在后续纹理符号使用时进行查询调用。
将聚类得到的主颜色的值赋给纹理骨架中的闭合区域，即可生成对应的主纹理层，次纹理层的处理采用相同的方法，背景层依据规范相应地物的颜色值生成纯色图层即可。这里的颜色值是可选参数；
(5)平铺感去除
对纹理平铺产生的平铺感进行消除包括两种方法，分别是翻转镜像拼接和Wei-Levoy纹理合成算法；
翻转镜像拼接：将原始50像素×50像素纹理图像进行90°翻转、180°翻转和镜像翻转，处理后，再拼接成为一个大尺寸的图像。
Wei-Levoy算法：先产生一个大的随机图像，设置为150像素×150像素，然后对随机图像中每个像素及其邻域像素和原始50像素×50像素纹理图像作对比，找出随机图像当前邻域和原始纹理图像最接近的邻域，然后将原始纹理图像最接近的像素赋值给大的随机图像。经过算法处理，与直接拼接的纹理图像对比。
(6)纹理库的构建
当以相应标准流程，遵守相应规则下制作的不同地物的纹理骨架和面状纹理符号，需要存放在纹理库中以供制图者进行组合应用。
纹理库的结构需要根据不同的专题地图类型进行了分类。其中，每一个二级分类下都有一组或多组制作完成的影像纹理符号，以“二级分类名”+“数字序号”作为区分；接下来是本组影像纹理符号制作时影像或者图片来源的季节特征；再接下来就是不同图像的作用分类，分为两类，一类是可直接进行上图渲染的影像纹理符号；另一类就是制作影像纹理符号的骨架图斑素材，在需要上色的主、次纹理层骨架文件名后，标记上制作纹理符号默认的颜色HSV值，可以供用户重新进行基于样图的纹理生成或是自主上色，获得不同样式的面状纹理符号。
其中若主纹理层是由同一色系下不同深浅颜色的纹理图斑混合而成的话，那么主纹理层骨架可能不止一幅图像。
进一步地，步骤(3)中对于非自然地物纹理的制作过程中，图像特征通过实地照片来提取，主颜色提取是通过将原始图像进行收缩来实现，不进行颜色聚类。
进一步地，步骤(4)中对于带有象征语义的非自然地物，通过图像收缩与背景剥离的方法，获得主纹理层的图像，背景层根据全国土地调查土地分类色标中对背景层用色的规定。
与现有技术相比，本发明的优点在于：
1、给出了纹理符号的定义与分类，明确了纹理符号的制作流程；
2、与传统的土地利用现状分类使用抽象符号不同，自然纹理符号和象征纹理符号语义内涵清晰，更易于地图的信息传递；
3、纹理符号是矢量符号，地图渲染效果大大优于传统的图片符号的填充效果，提高了地图的质感和层次感；
4、自然纹理符号是定量化地图符号，可以通过主纹理和次纹理的占比变化，定量描述地类的实际覆盖情况；同时通过背景层的置换，整体表达图面地类的季节变化；
5、根据用图性质的不同，可以调节纹理符号的亮度值V，避免现行图件使用饱和色给用图者带来的不适；
6、可以直接用于生产，为土地利用调查制图提供基础的支撑，同时为自然资源调查大比例尺成果制图提供了解决方案。
7、与现行的抽象符号相继承，形成了大中小比例尺系列土地利用现状分类专题图制图的地图符号使用规则，完善了土地利用现状分类专题图的表达。
附图说明
图1是本发明实施例纹理符号定义示意图；
图2是本发明实施例纹理符号构成示意图；
图3是本发明实施例草地纹理符号结构示意图；
图4是本发明实施例次纹理层的占比图；
图5是本发明实施例纹理符号的季节变化图；
图6是本发明实施例象征语义纹理符号的结构示意图；
图7是本发明实施例纹理符号制作流程图；
图8是本发明实施例颜色聚类示意图；
图9是本发明实施例纹理分割示意图；
图10是本发明实施例纹理骨架提取示意图；
图11是本发明实施例纹理符号整体结构示意图；
图12是本发明实施例镜像处理的草地纹理示意图；
图13是本发明实施例Wei-Levoy算法合成的草地纹理示意图；
图14是本发明实施例土地利用分类纹理符号库结构示意图；
图15是本发明实施例土地利用现状分类纹理符号示例图；
图16是本发明实施例自然语义纹理符号的季节变化示例图；
图17是本发明纹理符号渲染与传统抽象符号渲染对比图；
图18是本发明实施例不同季节纹理符号变化对比图；
图19是本发明实施例纹理符号不同亮度值对比图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下根据附图并列举实施例，对本发明做进一步详细说明。
纹理指图像上地物表面的质感(平滑、粗糙、细腻等)，一般以平滑/粗糙度划分不同层次。纹理不仅依赖于表面特征，且与光照角度有关，是个变化值。图像纹理是一种反映图像中同质现象的视觉特征，它体现了物体表面的具有缓慢变化或者周期性变化的表面结构组织排列属性。遥感影像纹理一般都与相应的地物类型相对应。本发明的基本思路就是基于不同的地物具备特殊的纹理这一特性，构建具有特殊语义内涵的纹理符号(如图1所示)，与现行的抽象符号进行一一对应，形成规范化的纹理符号体系，应用到大比例尺的土地利用现状地图中，形成特殊的土地利用现状图的表达方法。
1、纹理符号的数据源
顾名思义，纹理符号的特殊之处在于它是通过地物的纹理特征表征实际的地物类型，因此，纹理符号的数据源主要来自遥感影像数据，且不局限于影像，也可以取自实景照片或风景油画。
2、纹理符号的分类
纹理符号的特点就是符号本身的组成成分直接取自于影像或其他实景数据，在地物属性的表达方面不存在语义翻译和映射的过程，可以直观地将地物属性传递给读图者。
依据现行的土地利用分类标准，纹理符号分成两类，一类是与自然地物相对应的土地分类符号称为自然纹理符号，如耕地、林地和草地等；另一类是与非自然地物相对应(人工地物)土地分类符号称为人工纹理符号，如住宅用地、娱乐用地和商服用地等。由于自然地物具有很高的纹理特征，较强辨识度，所以可以通过提取其实物纹理来直接做成符号，这类纹理符号又称为“自然语义纹理符号”，而非自然地物，如商服用地、住宅用地，因它们所包含的信息过于复杂，自身也难以存在规律的纹理单元，通过提取实物纹理比较困难，所以使用均匀的象征性纹理图元进行表示，这类纹理符号又称为“象征语义纹理符号”。
3、纹理符号的构成
纹理符号是通过不同的层次构成的，主要分为主纹理层、次纹理层和背景层，不同的层承担了不同的语义内容。其中主纹理层代表地物的核心纹理特征，如乔木林的树叶、天然牧草地的草；由于植被的覆盖率问题，导致地表的植被不是单一性，为了刻画纹理的细部特征，构建次纹理层，起到对主纹理特征辅助表达的作用，如乔木林中的树干、天然牧草地中的裸土；背景层代表了现行规范中此地物的分类颜色，根据土地利用规范的颜色符号色标来确定，在制作影像纹理符号时，通过颜色聚类、分割等处理将三层分隔开，再分别进行边缘提取、上色等一系列处理，最后三层合并形成纹理符号。如图2所示。
其中，主纹理层和次纹理层由纹理数据源获得，背景层由现行规范中获得，以保持不同符号体系的语义与现行国家标准的一致性。自然纹理符号由三层构成，即主纹理层、次纹理层和背景层。象征纹理符号由两层构成，即主纹理层和背景层。
4、纹理符号的语义
地图符号的本质在于语义信息的传递。纹理符号的优势就在于语义信息明确。现举例说明。如图3所示的草地纹理符号，主纹理层表达的是草地的纹理，次纹理层表达的是草地中裸地的纹理，背景层直接使用现行规范中定义的天然牧草地的颜色，合成后的纹理符号不仅直接刻画了草地的纹理特征，同时对草地的生长状况进行了定量描述，通过调整次纹理层的占比，可以表示草地的发展或者退化，形成传统符号无法表达的动态量化指标。如图4所示。
纹理符号的另一特点是，改变传统符号一成不变的表达方式，使得地图可以随着季节发生改变，在不改变地图符号语义内涵的情况下，形成丰富的地图表现手法。如图5所示。只需改变背景层的颜色，便可实现地图的季节变化。使用绿色背景层就是春夏季节、使用土黄色背景层代表秋季，而白灰色背景层代表冬季。
对于人工地类的纹理符号而言，其主要的特征是以建筑物、构筑物和设施为主，使用简单的纹理无法刻画这类地物的特点，于是采用象征符号作为主纹理层，叠加背景层后，直接进行象征纹理符号的构建。
这类符号的语义内涵非常清晰，象征符号都来源于日常生活的常用符号。例如叉子形状表示餐饮用地、红十字形状表示医疗用地、寺庙形状表示宗教用地、眼镜形状代表文娱用地、乒乓球形状代表体育用地等。如图6所示。
5、纹理符号的制作
一般来说，纹理表现为局部的不规则性和全局的规律性，这就分别形成了规则性占优纹理(均匀性纹理)和随机性占优的纹理(非均匀性纹理)，对于均匀纹理，其明显特点是周期性、方向性和规律性，而非均匀纹理则呈现出随机性。
纹理符号制作需要纹理素材的获取和裁剪、颜色的提取与聚类、纹理骨架提取、背景色生成、多层合成等过程。制作流程图如图7所示。
(1)纹理素材截取
本发明中纹理素材主要通过三个来源来进行获取，分别是卫星影像、实景照片与油画作品。针对不同的地物类型其纹理素材的来源不同，在土地利用分类纹理符号制作中，01耕地、03林地、04草地、11水域及水利设施用地和12其他土地等五类地类的纹理素材来源于卫星影像；对于02园地、06工矿仓储用地和07住宅用地，因其细节特征的特殊性，素材来源来自实景照片；对于05商服用地、08公共管理与公共服务用地、09特殊用地和10交通运输用地，因其属于象征语义纹理，通过实景照片来进行纹理素材提取。
(2)主颜色提取
地物图斑通常由这个地物的一些基本元素组成，如草地的草和土，林地的叶片和树干，这些元素通常不属于同一个色系，故相互搭配时，产生颜色的区别，才能更好地将纹理信息表达出来，更好地传达符号所代表的含义。所以需要针对图斑的颜色进行主颜色的提取工作。
颜色的分类依据经过细化的HSV颜色分量范围，针对地物常见的颜色进行了进一步的划分，不至于使提取的颜色都归为一个分类。
基于HSV颜色空间的主颜色提取的基本步骤如下：
1)开辟两个字典，一个记录颜色分类及其个数，另一个记录每个像素点的HSV值和其对应的颜色分类；
2)读取待处理的纹理图斑，逐像素获取其HSV值；
3)将HSV值与颜色分量表进行对照，确定当前像素点的颜色分类；
4)将当前颜色分类的计数加一计入第一个字典，同时将此像素的HSV值和颜色记录入第二个字典；
5)处理完毕后，第一个字典可以获取本图斑的颜色分类个数，及其不同颜色下的像素个数，第二个字典可以获取每个颜色下所有像素点的HSV值，可进行统计获取出现频次较高的颜色值以备用。
以自然地物中的草地纹理图斑为例，将裁剪下来的50像素×50像素纹理素材图斑进行主颜色提取，便会将图斑中出现次数最多的颜色种类按顺序排列下来，同时在颜色后方会跟上此颜色分类下出现次数最多的HSV值，在以后对纹理骨架进行颜色填充时使用。
(3)颜色聚类
因本发明中使用的纹理样本图斑多取自于遥感影像与实物照片，其图像中噪声较多，且同一类颜色也会经常以不同灰度值的形式多次出现。颜色聚类一方面是为了将原图像中的一些噪点消除，消除无关信息的影响，让图像更加清晰；另一方面是将照片或者影像中同一色系的颜色聚集在一起，让不同色系的区分更加明显，在纹理骨架提取的过程中更加准确地获取源图像的纹理。
纹理图斑经过主颜色提取工作后，可以清楚地划分地物纹理图斑的主颜色个数，达到了颜色聚类的效果。根据颜色聚类个数和纹理层的个数之间的对应关系来进行纹理切割，具体做法是将纹理图斑不同主颜色分类下的像素点保留，其他像素点设置为纯黑色，即HSV值为(0,0,0)即可，颜色聚类及纹理切割如图8、9所示。
而对于非自然地物纹理的制作过程中，主要的图像特征通过实地照片来提取，主颜色提取是通过将原始图像进行收缩来实现，不进行颜色聚类。
(4)纹理骨架提取
在进行了纹理分割后，会得到组成影像纹理符号的主纹理层与次纹理层，接下来将要消除其它噪声信息和颜色信息，对其纹理的骨架进行提取，得到的纹理骨架即可作为影像纹理符号的合成素材进入纹理库，以备制图时使用。
针对纹理骨架的提取，本发明中选用了Canny算子的边缘检测算法，其特点是检测出目标图像中亮度变化显著的像素点，可以有效地完成对地物纹理特征的提取，通过纹理提取到的纹理骨架如图10所示。
需要注意的是，经过Canny算子的边缘检测后，生成的纹理骨架图像为单通道的灰度值图像，需要将其转为三通道图像后才能进行下一步的上色等步骤。
将骨架纹理存入纹理库，同时在文件名中添加其序号、季节和相应的主颜色等索引信息，即可在后续纹理符号使用时进行查询应用。
将聚类得到的主颜色的值赋给纹理骨架中的闭合区域，即可生成对应的主纹理层，次纹理层的处理采用相同的方法，背景层依据规范相应地物的颜色值生成纯色图层即可。这里的颜色值是可选参数，例如进行秋天或者冬天的草地纹理符号制作时，将绿色背景改为黄色或是白/褐色即可制作出季节感不同的纹理符号。当三个纹理层生成完毕后，即可分层叠加，生成完整的一个纹理符号。如图11所示。
对于带有象征语义的非自然地物，通过图像收缩与背景剥离的方法，获得主纹理层的图像，背景层根据全国土地调查土地分类色标中对背景层用色的规定，如宗教用地，制作一个50像素×50像素，颜色为RGB(240,100,200)的背景层进行叠加，便可形成象征语义的非自然地物符号。
(5)平铺感去除
一幅地图，地物类型通常会以大片的面状符号来进行表达，而在符号制作完成，上图渲染的过程中，面状符号是以平铺的形式排列在图面之上进行填充。如果以50像素×50像素带有纹理的面状符号进行地图渲染，由于符号的尺寸较小，对于草地、林地这种使用随机性占优的纹理(非均匀性纹理)的符号，若直接作为地物符号进行使用，效果会因这种规律的排列而影响制图效果，使地图显得十分呆板。
所以对于一些随机性占优的符号，需要进行纹理平铺产生的平铺感消除。本发明中使用了两种办法，分别是翻转镜像拼接和Wei-Levoy纹理合成算法，下面对其进行介绍。
翻转镜像拼接：顾名思义，就是将原始50像素×50像素纹理图像进行90°翻转、180°翻转、镜像翻转等处理后，再拼接成为一个大尺寸的图像。具体的翻转方式有以下八种，分别是1：原图；2：逆时针90°；3：逆时针180°；4：逆时针270°；5：左右镜像翻转；6：左右镜像翻转后逆时针90°；7：左右镜像翻转后逆时针180°；8：左右镜像翻转后逆时针270°。经过翻转组合，与直接拼接的纹理图像对比如图12所示。
Wei-Levoy算法：算法为一基于样图的纹理合成算法，其具体原理就是先产生一个大的随机图像，设置为150像素×150像素，然后对随机图像中每个像素及其邻域像素和原始50像素×50像素纹理图像作对比，找出随机图像当前邻域和原始纹理图像最接近的邻域，然后将原始纹理图像最接近的像素赋值给大的随机图像。经过算法处理，与直接拼接的纹理图像对比如图13所示。
(6)纹理库的构建
如果仅是单纯的针对某一个地物类型生成一个符号，仅仅面向需求地来进行面状纹理符号的生成的话，不仅会降低制图过程的效率，同时也缺少一定的标准，使得不同人制作出来的面状纹理符号风格迥异，不利于地图的信息表达。所以，当以相应标准流程，遵守相应规则下制作的不同地物的纹理骨架和面状纹理符号，需要存放在纹理库中以供制图者进行组合与取用。
纹理库的结构如图14所示，其中根据不同的专题地图类型进行了分类。其中，每一个二级分类下都有一组或多组制作完成的影像纹理符号，以“二级分类名”+“数字序号”作为区分；接下来是本组影像纹理符号制作时影像或者图片来源的季节特征；再接下来就是不同图像的作用分类，分为两类，一类是可直接进行上图渲染的影像纹理符号，如图中的小尺寸、大尺寸拼接和大尺寸生长，拼接和生长是使用两种不同消除平铺刻意感方法生成的大尺寸纹理图斑；另一类就是制作影像纹理符号的骨架图斑素材，在需要上色的主、次纹理层骨架文件名后，标记上制作纹理符号默认的颜色HSV值，可以供用户重新进行基于样图的纹理生成或是自主上色，获得不同样式的面状纹理符号。其中若主纹理层是由同一色系下不同深浅颜色的纹理图斑混合而成的话，那么主纹理层骨架可能不止一幅图像。
(7)纹理符号示例
纹理符号库由自然纹理符号和象征纹理符号两部分组成，具体示例如图15、16所示。
本发明方法的地图渲染效果大大优于传统的图片符号的填充效果，提高了地图的质感和层次感，如图17所示，本发明纹理符号渲染(上图)与传统抽象符号渲染(下图)；
自然纹理符号是定量化地图符号，可以通过主纹理和次纹理的占比变化，定量描述地类的实际覆盖情况；同时通过背景层的置换，整体表达图面地类的季节变化(如图18所示)；
根据用图性质的不同，可以调节纹理符号的亮度值V，建议室内挂图V在160-190，室内用图V在130-150，而室外用图V在100-130直接，避免现行图件使用饱和色给用图者带来的视觉不适，同时突出了本图的重点是乔木林地(如图19所示)。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的实施方法，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (3)

1.一种土地利用分类专题图纹理符号的制作方法，其特征在于，包括以下步骤：
(1)纹理素材截取；
纹理素材通过三个来源来进行获取，分别是卫星影像、实景照片与油画作品；针对不同的地物类型其纹理素材的来源不同，并对纹理素材进行分类；
(2)主颜色提取，基于HSV颜色空间的主颜色提取的基本步骤如下：
1)开辟两个字典，一个记录颜色分类及其个数，另一个记录每个像素点的HSV值和其对应的颜色分类；
2)读取待处理的纹理图斑，逐像素获取其HSV值；
3)将HSV值与颜色分量表进行对照，确定当前像素点的颜色分类；
4)将当前颜色分类的计数加一计入第一个字典，同时将此像素的HSV值和颜色记录入第二个字典；
5)处理完毕后，第一个字典可以获取本图斑的颜色分类个数，及其不同颜色下的像素个数，第二个字典可以获取每个颜色下所有像素点的HSV值，可进行统计获取出现频次较高的颜色值；
(3)颜色聚类；
将原图像中的一些噪点消除；将照片或者影像中同一色系的颜色聚集在一起，让不同色系的区分更加明显；纹理图斑经过主颜色提取工作后，划分地物纹理图斑的主颜色个数，达到了颜色聚类的效果；根据颜色聚类个数和纹理层的个数之间的对应关系来进行纹理切割，具体做法是将纹理图斑不同主颜色分类下的像素点保留，其他像素点设置为纯黑色；
(4)纹理骨架提取；
在进行了纹理切割后，会得到组成影像纹理符号的主纹理层与次纹理层，接下来将要消除其它噪声信息和颜色信息，对其纹理的骨架进行提取，得到的纹理骨架即可作为影像纹理符号的合成素材进入纹理库，以备制图时使用；
用Canny算子的边缘检测算法进行纹理骨架提取，经过Canny算子的边缘检测后，生成的纹理骨架图像为单通道的灰度值图像，需要将其转为三通道图像后才能进行下一步的上色；
将骨架纹理存入纹理库时，同时在文件名中添加其序号、季节和相应的主颜色等索引信息，以便在后续纹理符号使用时进行查询调用；
将聚类得到的主颜色的值赋给纹理骨架中的闭合区域，即可生成对应的主纹理层，次纹理层的处理采用相同的方法，背景层依据规范相应地物的颜色值生成纯色图层即可；这里的颜色值是可选参数，
(5)平铺感去除；
对纹理平铺产生的平铺感进行消除包括两种方法，分别是翻转镜像拼接和Wei-Levoy纹理合成算法；
翻转镜像拼接：将原始50像素×50像素纹理图像进行90°翻转、180°翻转和镜像翻转，处理后，再拼接成为一个大尺寸的图像；
Wei-Levoy算法：先产生一个大的随机图像，设置为150像素×150像素，然后对随机图像中每个像素及其邻域像素和原始50像素×50像素纹理图像作对比，找出随机图像当前邻域和原始纹理图像最接近的邻域，然后将原始纹理图像最接近的像素赋值给大的随机图像；经过算法处理，与直接拼接的纹理图像对比；
(6)纹理库的构建；
当以相应标准流程，遵守相应规则下制作的不同地物的纹理骨架和面状纹理符号，需要存放在纹理库中以供制图者进行组合应用；
纹理库的结构需要根据不同的专题地图类型进行了分类；其中，每一个二级分类下都有一组或多组制作完成的影像纹理符号，以“二级分类名”+“数字序号”作为区分；接下来是本组影像纹理符号制作时影像或者图片来源的季节特征；再接下来就是不同图像的作用分类，分为两类，一类是可直接进行上图渲染的影像纹理符号；另一类就是制作影像纹理符号的骨架图斑素材，在需要上色的主、次纹理层骨架文件名后，标记上制作纹理符号默认的颜色HSV值，可以供用户重新进行基于样图的纹理生成或是自主上色，获得不同样式的面状纹理符号；
其中若主纹理层是由同一色系下不同深浅颜色的纹理图斑混合而成的话，那么主纹理层骨架不止一幅图像。
2.根据权利要求1所述的方法，其特征在于：步骤(3)中对于非自然地物纹理的制作过程中，图像特征通过实地照片来提取，主颜色提取是通过将原始图像进行收缩来实现，不进行颜色聚类。
3.根据权利要求1所述的方法，其特征在于：步骤(4)中对于带有象征语义的非自然地物，通过图像收缩与背景剥离的方法，获得主纹理层的图像，背景层根据全国土地调查土地分类色标中对背景层用色的规定。
CN201910974480.4A 2019-10-14 2019-10-14 一种土地利用分类专题图纹理符号的制作方法 Active CN110737744B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201910974480.4A CN110737744B (zh) 2019-10-14 2019-10-14 一种土地利用分类专题图纹理符号的制作方法
US17/069,287 US11640666B2 (en) 2019-10-14 2020-10-13 Method for making texture symbol of land use classification map
AU2020102712A AU2020102712A4 (en) 2019-10-14 2020-10-14 Method for making texture symbol of land use classification map

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910974480.4A CN110737744B (zh) 2019-10-14 2019-10-14 一种土地利用分类专题图纹理符号的制作方法

Publications (2)

Publication Number Publication Date
CN110737744A CN110737744A (zh) 2020-01-31
CN110737744B true CN110737744B (zh) 2022-01-25

Family

ID=69268911

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910974480.4A Active CN110737744B (zh) 2019-10-14 2019-10-14 一种土地利用分类专题图纹理符号的制作方法

Country Status (3)

Country Link
US (1) US11640666B2 (zh)
CN (1) CN110737744B (zh)
AU (1) AU2020102712A4 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117874273B (zh) * 2024-03-11 2024-05-10 湖南省第二测绘院 一种基于地理映射的铁塔视频图像分类标识方法及装置
CN117975169A (zh) * 2024-03-27 2024-05-03 先临三维科技股份有限公司 对象分类方法、计算机程序产品、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103559507A (zh) * 2013-11-18 2014-02-05 沈阳工业大学 基于颜色与形状特征相结合的交通标志检测方法
CN103870569A (zh) * 2014-03-13 2014-06-18 北方信息控制集团有限公司 一种基于内容的彩色动物图像检索方法与系统
CN105931295A (zh) * 2016-07-13 2016-09-07 中国地质大学（北京） 一种地质图专题信息提取方法
CN109740627A (zh) * 2018-11-27 2019-05-10 南京邮电大学 一种基于并行卷积神经网络的昆虫图像识别系统及其方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060082592A1 (en) * 2004-10-19 2006-04-20 International Business Machines Corporation Mapping of a color to a treemap
CN105719327B (zh) * 2016-02-29 2018-09-07 北京中邮云天科技有限公司 一种艺术风格化图像处理方法
US10755427B2 (en) * 2017-05-23 2020-08-25 Schlumberger Technology Corporation Methods and systems for automatically analyzing an image representative of a formation

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103559507A (zh) * 2013-11-18 2014-02-05 沈阳工业大学 基于颜色与形状特征相结合的交通标志检测方法
CN103870569A (zh) * 2014-03-13 2014-06-18 北方信息控制集团有限公司 一种基于内容的彩色动物图像检索方法与系统
CN105931295A (zh) * 2016-07-13 2016-09-07 中国地质大学（北京） 一种地质图专题信息提取方法
CN109740627A (zh) * 2018-11-27 2019-05-10 南京邮电大学 一种基于并行卷积神经网络的昆虫图像识别系统及其方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Tread extraction using skeletonizing;Shih-Yen Huang et al.;《Institute of Electrical and Electronics Engineers》;20160114;全文 *
基于Gabor小波和颜色矩的棉花盲椿象分类方法;张建华 等;《农业工程学报》;20120131(第1期);全文 *

Also Published As

Publication number Publication date
US20210109963A1 (en) 2021-04-15
AU2020102712A4 (en) 2020-12-03
US11640666B2 (en) 2023-05-02
CN110737744A (zh) 2020-01-31

Similar Documents

Publication Publication Date Title
Appleton et al. Rural landscape visualisation from GIS databases: a comparison of approaches, options and problems
KR101165534B1 (ko) 수관 식물점 그룹에 대해 시뮬레이트된 나무 줄기 및 나무 가지를 제공하는 지리공간 모델링 시스템
Yoshida et al. An approach for analysis of urban morphology: methods to derive morphological properties of city blocks by using an urban landscape model and their interpretations
Zhao Application of 3D CAD in landscape architecture design and optimization of hierarchical details
CN107330964A (zh) 一种复杂三维物体的显示方法及系统
CN110737744B (zh) 一种土地利用分类专题图纹理符号的制作方法
CN108921943A (zh) 一种基于车道级高精度地图的道路三维模型建模方法
CN101763657A (zh) 一种用于视频制作的三维地形的显示方法
CN103065361A (zh) 三维海岛沙盘实现方法
CN112242004A (zh) 一种基于光照渲染的ar场景的虚拟雕刻方法及系统
CN102117491A (zh) 一种三维建模中纹理数据的绘制方法及装置
Zhou et al. Three‐Dimensional Reconstruction of Huizhou Landscape Combined with Multimedia Technology and Geographic Information System
Du Application of CAD aided intelligent technology in landscape design
Wu et al. Adaptive color transfer from images to terrain visualizations
CN114385591B (zh) 一种乡村生态景观全要素四维信息模型构建方法
Entwistle et al. Visual communication for landscape architecture
CN110956696B (zh) 一种基于多尺度海图数据的海底地形模拟仿真方法
Hu et al. Analysis of landscape influencing factors of urban waterfront greenways based on the scenic beauty estimation method, taking Tongjian Lake in Hangzhou as an example
Buckley et al. Cartography and visualization in mountain geomorphology
CN109712237B (zh) 一种基于高程数据与气象数据的混合设色方法
Zeng et al. A methodology for producing realistic hill-shading map based on shaded relief map, digital orthophotographic map fusion and IHS transformation
US11620820B1 (en) Repetition reduction for real-time tile-based texture synthesis of aerial imagery
Cen et al. Analysis of Color Landscape Characteristics in “Beautiful Village” of China Based on 3D Real Scene Models
Ni et al. Balance System Design of Landscape Sculpture and Urban Planning and Design based on Illumination Image Back Shadow Prediction Algorithm
Matkar et al. Land use/land cover changes patterns using geospatial techniques-Satara district, Maharastra, India: a case study

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant