CN113628291B - 基于边界提取与合并的多形状目标栅格数据矢量化方法 - Google Patents

Abstract

本发明公开了一种基于边界提取与合并的多形状目标栅格数据矢量化方法，首先，将栅格图像灰度化，以不同的灰度值表示目标的属性信息，其次，通过对图像进行多次扫描提取各目标区域的边界线，再对相邻边界线进行合并，并判断边界线之间的包含关系，再通过灰度值确定各目标的属性信息，最后创建矢量文件和属性字段，通过将边界线生成闭合曲线要素，结合内边界线信息，以判断生成多边形要素或者环状多边形要素，再将对应的属性信息赋给属性字段，从而生成带有属性信息的矢量文件。

Description

基于边界提取与合并的多形状目标栅格数据矢量化方法

技术领域

本发明属于栅格数据矢量化技术领域，更为具体地讲，涉及一种基于边界提取与合并的多边形状目标栅格数据的矢量化方法。

背景技术

栅格数据和矢量数据是遥感领域中的两种重要数据模型。栅格数据数据结构简单，易于存储，广泛用于遥感数据的匹配应用与分析，但它的数据量庞大、定位精度低，而且难以建立网络连接关系，给遥感数据的实际应用带来了极大的不便。而矢量数据以要素的方式定义数据结构，进行地理位置表达时更为精确，冗余度也较小，极大的方便了拓扑分析和地理位置查询的进行，所以在实际应用中通常需要对栅格数据进行矢量化操作，将其转换为矢量数据。栅格数据矢量化是空间数据转换的重要研究内容之一。因此，近年来有越来越多的研究者致力于栅格数据的矢量化算法研究。尽管已有较多的栅格数据矢量化方法被提出，但是它们都没有关注属性信息的表达，且自动化程度不高，不利于实际应用。

在现有的边界提取算法中，可以基于图像的拓扑关系提取出图像中的内边界与外边界。但在变化检测结果图中，不同的变化类型使用不同的灰度值表示，使用现有的边界提取算法提取出边界线后，生成的矢量数据各矢量对象间会存在缝隙，如图1所示。其主要原因在于，在栅格数据中，提取出的边界线由像素单元构成，如图2所示。将其转化为矢量对象后，相当于取其中心线，从而造成矢量数据中相邻矢量对象间有缝隙存在。

发明内容

本发明的目的在于克服基于现有边界提取算法造成矢量数据的矢量对象间存在缝隙和现有矢量化方法未关注矢量数据属性信息的不足，提供一种基于边界提取与合并的多边形状目标栅格数据的矢量化方法，快速、准确地将栅格数据转换为带有属性信息的矢量数据。

为实现上述发明目的，本发明一种基于边界提取与合并的多形状目标栅格数据矢量化方法，其特征在于，包括以下步骤：

(1)、对两时相高分辨率的遥感影像进行的变化检测，得到变化检测图，然后将变化检测图中将同一类型物体用相同的灰度值表示，从而形成不同变化区域的变化检测图；

(2)、提取各变化区域的边界线；

(2.1)、在变化检测图中，任意选择一个变化区域作为待提取区域，并将其灰度值置为1，其他变化区域灰度值置为0，从而将变化检测图转化为二值图；

(2.2)、利用边界提取算法提取二值图中的外边界与内边界，确定边界线之间的包含关系，并标记内边界线的序号；

(2.3)、重复步骤(2.1)-(2.2)，直到提取出所有变化区域的边界线；

(3)、合并相邻区域的边界线；

(3.1)、任意选取一条边界线记目标边界线为S_i，i＝1,2,…,n，n为边界线总数；从S_i的第一个像素点开始遍历目标边界线的像素点，记当前遍历的像素点为P₁，其灰度值为f(P₁)，从P₁左侧点开始，按逆时针方向对其八邻域像素点进行判断，如果在八邻域中有其他边界线的像素点P₂，且该边界线的像素点的灰度值满足f(P₂)＞f(P₁)，则令P₁＝P₂，即将S_i中的P₁点坐标更改为P₁点的坐标；否则，继续对P₁八邻域中的其他点进行判定；如果P₁的八邻域中的所有点都不满足条件，则无需对该点进行合并；

(3.2)、依次对目标边界线S_i中的像素点进行步骤(3.1)的操作，直到将所有边界线上的像素点都进行该判断为止；

(4)、矢量文件生成

(4.1)、首先创建矢量文件驱动，构建矢量图层和对应的属性字段；

(4.2)、然后从合并后的边界线中任取一条，记为S_i；先根据(2.2)中记录的信息判断S_i是否为内边界线，如果是内边界线，则跳过该边界线，继续判断下一条边界线；否则，先创建一个闭合曲线要素，然后根据S_i上的像素点生成对应的闭合曲线对象；

(4.3)、再结合(2.2)中的信息判断S_i是否有内边界线，如果没有，则创建一个多边形要素，由(4.2)生成的闭合曲线对象形成对应的多边形对象；如果有内边界线，则再创建一个内闭合曲线要素，并根据内边界的像素点生成对应的内闭合曲线对象，同时创建一个环状多边形要素，最终通过这两个闭合曲线对象形成对应的环状多边形对象；

(4.4)、读取边界线S_i所像素点对应的像素值，不同的像素值代表着不同的变化类型，并作为(4.3)中环状多边形对象的属性字段的属性值，从而完成S_i及其内边界线所包围区域的矢量化；

(4.5)、迭代进行(4.2)～(4.4)，直到所有边界线都被矢量化，从而生成最终的Shapefile格式矢量文件。

本发明的发明目的是这样实现的：

本发明基于边界提取与合并的多形状目标栅格数据矢量化方法，首先，将栅格图像灰度化，以不同的灰度值表示目标的属性信息，其次，通过对图像进行多次扫描提取各目标区域的边界线，再对相邻边界线进行合并，并判断边界线之间的包含关系，再通过灰度值确定各目标的属性信息，最后创建矢量文件和属性字段，通过将边界线生成闭合曲线要素，结合内边界线信息，以判断生成多边形要素或者环状多边形要素，再将对应的属性信息赋给属性字段，从而生成带有属性信息的矢量文件。

同时，本发明基于边界提取与合并的多形状目标栅格数据矢量化方法还具有以下有益效果：

(1)、本发明基于现有的边界提取算法进行边界提取，再对提取的边界线中的相邻边界线进行合并，确保了矢量文件中相邻矢量对象间不会有空隙；

(2)、本发明利用边界提取算法中提供的内外边界信息，确保矢量数据拓扑关系的正确性；

(3)、本发明利用不同的灰度值表示不同的变化类型，确保了矢量数据属性信息的正确性。

附图说明

图1是基于现有的边界提取算法提取边界线后直接进行矢量化后得到的矢量数据；

图2是边界线在栅格数据中的表示；

图3是本发明一种基于边界提取与合并的多边形状目标栅格数据矢量化方法流程图；

图4是相邻边界线合并算法流程图；

图5是矢量文件生成流程图；

图6是本发明生成的矢量文件结果图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

实施例

图3是本发明一种基于边界提取与合并的多边形状目标栅格数据矢量化方法流程图。

在本实施例中，如图3所示，本发明一种基于边界提取与合并的多形状目标栅格数据矢量化方法，包括以下步骤：

S1、对两时相高分辨率的遥感影像进行的变化检测，得到变化检测图，然后将变化检测图中将同一类型物体用相同的灰度值表示，从而形成不同变化区域的变化检测图；

S2、提取各变化区域的边界线；

S2.1、进行边界提取时，每次只提取一种变化类型的边界线。在变化检测图中，任意选择一个变化区域作为待提取区域，并将其灰度值置为1，其他变化区域灰度值置为0，从而将变化检测图转化为二值图；

S2.2、利用《Topological Structural Analysis of Digitized Binary Imagesby Border Following》中提出的边界提取算法提取二值图中的外边界与内边界，确定边界线之间的包含关系，并标记内边界线的序号；

S2.3、重复步骤S2.1-S2.2，直到提取出所有变化区域的边界线；

S3、合并相邻区域的边界线；

由于栅格数据与矢量数据结构的不同，需要将相邻边界线合并为一条边界线，才能生成正确的矢量数据，具体的合并过程如下：

S3.1、如图4所示，任意选取一条边界线记目标边界线为S_i，i＝1,2,…,n，n为边界线总数；从S_i的第一个像素点开始遍历目标边界线的像素点，记当前遍历的像素点为P₁，其灰度值为f(P₁)，从P₁左侧点开始，按逆时针方向对其八邻域像素点进行判断，如果在八邻域中有其他边界线的像素点P₂，且该边界线的像素点的灰度值满足f(P₂)＞f(P₁)，则令P₁＝P₂，即将S_i中的P₁点坐标更改为P₁点的坐标；否则，继续对P₁八邻域中的其他点进行判定；如果P₁的八邻域中的所有点都不满足条件，则无需对该点进行合并；

S3.2、依次对目标边界线S_i中的像素点进行步骤S3.1的操作，直到将所有边界线上的像素点都进行该判断为止；

S4、矢量文件生成

S4.1、如图5所示，首先创建矢量文件驱动，构建矢量图层和对应的属性字段；

S4.2、然后从合并后的边界线中任取一条，记为S_i；先根据S2.2中记录的信息判断S_i是否为内边界线，如果是内边界线，则跳过该边界线，继续判断下一条边界线；否则，先创建一个闭合曲线要素，然后根据S_i上的像素点生成对应的闭合曲线对象；

S4.3、再结合S2.2中的信息判断S_i是否有内边界线，如果没有，则创建一个多边形要素，由S4.2生成的闭合曲线对象形成对应的多边形对象；如果有内边界线，则再创建一个内闭合曲线要素，并根据内边界的像素点生成对应的内闭合曲线对象，同时创建一个环状多边形要素，最终通过这两个闭合曲线对象形成对应的环状多边形对象；

S4.4、由于灰度值代表了不同的变化类型，且提取边界线时根据不同灰度值区域分别进行提取，所以可以根据灰度值得到各边界所包围区域的变化类型信息。因此，我们通过读取边界线S_i所像素点对应的像素值，不同的像素值代表着不同的变化类型，并作为S4.3中环状多边形对象的属性字段的属性值，从而完成S_i及其内边界线所包围区域的矢量化；

S4.5、迭代进行S4.2～S4.4，直到所有边界线都被矢量化，从而生成最终的Shapefile格式矢量文件。

图6是本发明所生成的矢量文件使用ArcGIS打开后的一组图像。其中，图6(a)表示原始栅格图像，图中不同灰度值区域表示不同的变化类型区域；图6(b)表示使用上述方法生成的矢量结果图，图中各线条为图6(a)中的边界线；图6(c)为图6(b)的局部区域放大图，并使用ArcGIS中的属性识别工具对图中区域进行了属性识别，结果中的type为定义的属性字段，表示变化类型，其中数字7表示具体的某种变化类型)；图6(d)表示矢量结果图的属性文件。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (1)

1.一种基于边界提取与合并的多形状目标栅格数据矢量化方法，其特征在于，包括以下步骤：

(1)、对两时相高分辨率的遥感影像进行的变化检测，得到变化检测图，然后将变化检测图中将同一类型物体用相同的灰度值表示，从而形成不同变化区域的变化检测图；

(2)、提取各化区域的边界线；

(2.1)、在变化检测图中，任意选择一个变化区域作为待提取区域，并将其灰度值置为1，其他变化区域灰度值置为0，从而将变化检测图转化为二值图；

(2.2)、利用边界提取算法提取二值图中的外边界与内边界，确定边界线之间的包含关系，并标记内边界线的序号；

(2.3)、重复步骤(2.1)-(2.2)，直到提取出所有变化区域的边界线；

(3)、合并相邻区域的边界线；

(3.1)、任意选取一条边界线记目标边界线为S_i，i＝1,2,…,n，n为边界线总数；从S_i的第一个像素点开始遍历目标边界线的像素点，记当前遍历的像素点为P₁，其灰度值为f(P₁)，从P₁左侧点开始，按逆时针方向对其八邻域像素点进行判断，如果在八邻域中有其他边界线的像素点P₂，且该边界线的像素点的灰度值满足f(P₂)＞f(P₁)，则令P₁＝P₂，即将S_i中的P₁点坐标更改为P₁点的坐标；否则，继续对P₁八邻域中的其他点进行判定；如果P₁的八邻域中的所有点都不满足条件，则无需对该点进行合并；

(3.2)、依次对目标边界线S_i中的像素点进行步骤(3.1)的操作，直到将所有边界线上的像素点都进行该判断为止；

(4)、矢量文件生成

(4.1)、首先创建矢量文件驱动，构建矢量图层和对应的属性字段；

(4.2)、然后从合并后的边界线中任取一条，记为S_i；先根据(2.2)中记录的信息判断S_i是否为内边界线，如果是内边界线，则跳过该边界线，继续判断下一条边界线；否则，先创建一个闭合曲线要素，然后根据S_i上的像素点生成对应的闭合曲线对象；

(4.3)、再结合(2.2)中的信息判断S_i是否有内边界线，如果没有，则创建一个多边形要素，由(4.2)生成的闭合曲线对象形成对应的多边形对象；如果有内边界线，则再创建一个闭合曲线要素，并根据内边界的像素点生成对应的闭合曲线对象，同时创建一个环状多边形要素，最终通过这两个闭合曲线对象形成对应的环状多边形对象；

(4.4)、读取边界线S_i所像素点对应的像素值，不同的像素值代表着不同的变化类型，并作为(4.3)中环状多边形对象的属性字段的属性值，从而完成S_i及其内边界线所包围区域的矢量化；

(4.5)、迭代进行(4.2)～(4.4)，直到所有边界线都被矢量化，从而生成最终的Shapefile格式矢量文件。

Images