CN116070314B

CN116070314B - 一种自适应形状特征优化的建筑物矢量化简方法和装置

Info

Publication number: CN116070314B
Application number: CN202211624907.6A
Authority: CN
Inventors: 陈婷; 朱艳丽; 李志强; 苏东卫; 丁媛; 何建军
Original assignee: Twenty First Century Aerospace Technology Co ltd
Current assignee: Twenty First Century Aerospace Technology Co ltd
Priority date: 2022-12-16
Filing date: 2022-12-16
Publication date: 2024-01-09
Anticipated expiration: 2042-12-16
Also published as: CN116070314A

Abstract

本申请公开了一种自适应形状特征优化的建筑物矢量化简方法和装置，涉及图像识别技术领域，包括：获取目标图像，所述目标图像中存在待化简的目标建筑物；计算所述目标建筑物中MBR的主轴方向和尺寸；根据所述主轴方向和所述尺寸，对多个建筑物模板进行调整，得到多个参考建筑物模板；根据目标建筑物，在多个参考建筑物模板中，选取出待使用的参考建筑物模板；使用待使用的参考建筑物模板，替换目标图像中的目标建筑物。本申请选取出的模板更加的准确。

Description

一种自适应形状特征优化的建筑物矢量化简方法和装置

技术领域

本申请涉及图像识别技术领域，尤其涉及一种自适应形状特征优化的建筑物矢量化简方法和装置。

背景技术

建筑物化简是地图制图领域关注的热点问题之一。建筑物化简的目标是利用更简单的几何图形对原始多边形进行抽象，同时保留甚至增强其特征形状。

在相关技术中，可以通过模板匹配方法来实现建筑物化简，具体步骤为：根据各种各样的建筑物，对其进行抽象和提炼，得到多个建筑物模板，从而建立包括多个建筑物模板的模板库。这样，当需要对图像中目标建筑物进行化简时，根据每个建筑物模板分别与目标建筑物的相似度，选取出与目标建筑物匹配的建筑物模板，并使用该建筑物模板替换该图像中的目标建筑物。

在选取与目标建筑物匹配的建筑物模板时，未考虑建筑物模板的主轴方向和尺寸也会影响相似度计算结果，造成选取出的模板不准确。因此，亟需一种自适应形状特征优化的建筑物矢量化简方法。

发明内容

鉴于上述问题，本申请提出了一种自适应形状特征优化的建筑物矢量化简方法和装置，本申请选取出的模板更加的准确。

为达到上述目的，本申请主要提供如下技术方案：

第一方面，本申请提供一种自适应形状特征优化的建筑物矢量化简方法，所述方法包括：

获取目标图像，所述目标图像中存在待化简的目标建筑物；

计算所述目标建筑物中MBR的主轴方向和尺寸；

根据所述主轴方向和所述尺寸，对多个建筑物模板进行调整，得到多个参考建筑物模板；

根据目标建筑物，在多个参考建筑物模板中，选取出待使用的参考建筑物模板；

使用待使用的参考建筑物模板，替换目标图像中的目标建筑物。

第二方面，本申请还提供了一种自适应形状特征优化的建筑物矢量化简装置，所述装置包括：

获取单元，用于获取目标图像，所述目标图像中存在待化简的目标建筑物；

计算单元，用于计算所述目标建筑物中MBR的主轴方向和尺寸；

调整单元，用于根据所述主轴方向和所述尺寸，对多个建筑物模板进行调整，得到多个参考建筑物模板；

选取单元，用于根据目标建筑物，在多个参考建筑物模板中，选取出待使用的参考建筑物模板；

替换单元，用于使用待使用的参考建筑物模板，替换目标图像中的目标建筑物。

第三方面，本申请还提供了一种电子设备，所述电子设备包括至少一个处理器、以及与处理器连接的至少一个存储器、总线；其中，处理器、存储器通过总线完成相互间的通信；处理器用于调用存储器中的程序指令，以执行上述第一方面的自适应形状特征优化的建筑物矢量化简方法。

第四方面，本申请还提供一种存储介质，所述存储介质用于存储计算机程序，其中，所述计算机程序运行时控制所述存储介质所在设备执行上述第一方面的自适应形状特征优化的建筑物矢量化简方法。

借由上述技术方案，本申请提供的一种自适应形状特征优化的建筑物矢量化简方法和装置，获取目标图像，所述目标图像中存在待化简的目标建筑物；计算所述目标建筑物中MBR的主轴方向和尺寸；根据所述主轴方向和所述尺寸，对多个建筑物模板进行调整，得到多个参考建筑物模板；根据目标建筑物，在多个参考建筑物模板中，选取出待使用的参考建筑物模板；使用待使用的参考建筑物模板，替换目标图像中的目标建筑物。本申请先对所述主轴方向和所述尺寸，对多个建筑物模板进行调整，得到多个参考建筑物模板，进而在多个参考建筑物模板选取出待使用的参考建筑物模板，这样考虑建筑物模板的主轴方向和尺寸对匹配结果的影响，选取出的模板更加的准确。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本申请实施例提出的一种自适应形状特征优化的建筑物矢量化简方法的流程图；

图2示出了本申请实施例提出的一种自适应形状特征优化的建筑物矢量化简方法的示意图；

图3示出了本申请实施例提出的一种自适应形状特征优化的建筑物矢量化简装置的结构示意图；

图4示出了本申请实施例提出的另一种自适应形状特征优化的建筑物矢量化简装置的结构示意图；

图5示出了本申请实施例提出的一种设备的框图。

具体实施方式

下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本申请，并且能够将本申请的范围完整的传达给本领域的技术人员。

在选取与目标建筑物匹配的建筑物模板时，未考虑建筑物模板的主轴方向和尺寸也会影响相似度计算结果，造成选取出的模板不准确。

为解决上述问题，本申请提供了一种自适应形状特征优化的建筑物矢量化简方法，该方法选取出的模板更加的准确。其具体执行步骤如图1所示，包括：

步骤101，获取目标图像。

其中，目标图像中存在待化简的目标建筑物。该目标建筑物的形状为不规则的形状。

步骤102，计算目标建筑物中MBR的主轴方向和尺寸。

其中，MBR(最小外接矩形，Minimum Bounding Rectangle)为建筑物的最小外接矩形。主轴方向为MBR的最长边所在的射线与垂直坐标轴之间形成的夹角。在本申请中，可以只取垂直坐标轴右侧或者左侧的夹角。尺寸为MBR的长度和宽度。

在本步骤的具体实施方式中，根据目标建筑物在目标图像中的大小，确定目标建筑物的MBR，从而计算出该MBR的主轴方向和尺寸。

需要说明的是，确定目标建筑物的MBR为本领域现有技术，此处不在一一赘述。

步骤103，根据主轴方向和尺寸，对多个建筑物模板进行调整，得到多个参考建筑物模板。

其中，建筑物模板为对建筑的轮廓进行抽象概括后的图像。为了实现模板的统一管理，可以对建筑物模板的尺寸进行归一化，并将其主轴方向调整至基准方向，这样模板库中每个建筑物模板的尺寸和主轴方向均相同，这样可以更好的对模板进行管理。基准方向为与垂直坐标轴的垂直或者平行，例如，基准方向为0度。归一化尺寸为长度为1，宽度也为1。如图2中所示的模板1......模板n。

另外，构造模板库的具体方式为：根据房屋特点构建一系列英文字母构建的模板，如E、F、L、Z、T等形状；针对特定区域建筑物的相似特性，提取并精炼其形状得到对应模板，如矩形、凹形、凸形、多凸形等，一些基本的数字图形来抽象表示建筑物的模板，如规整的4字形、5字形、8字形等等，本申请将多种模板灵活地组合在同一个模板库中，保证了模板库的丰富性和多样性。

在本步骤的具体实施方式中，以模板库中每个模板归一化后的尺寸、主轴方向为基准方向为例进行说明，模板的匹配过程需要保证模板与原始建筑物的尺寸一致。由于模板库中模板的尺寸和主轴方向是定值，而实际中的目标建筑物尺寸各有不同，因此，将模板库的各个模板进行缩放，直至它们的最小外接矩形和目标建筑物的最小外接矩形的大小一致。具体为：根据尺寸，对每个建筑物模板进行尺寸调整，得到尺寸调整后的建筑物模板。

之后，再根据主轴方向，对尺寸调整后的建筑物模板进行几何变换，得到多个参考建筑物模板，具体过程如图2所示，具体为：为了去除建筑物形状以外的因素对匹配结果的影响，还需要对模板进行旋转和翻转，例如，先根据主轴方向，确定主轴方向与其一致的模板，并将其作为参考建筑物模板。之后，按照预设的旋转方向，将其旋转90度，又得到一个参考建筑物模板。之后按照这个旋转方向，再将其旋转90度，又得到一个参考建筑物模板，之后按照这个旋转方向，再将其旋转90度，又得到一个参考建筑物模板。在得到上述四个参考建筑物模板后，或者每得到上述的一个参考建筑物模板，便对模板内的图像进行翻转，得到每个参考建筑物模板对应的镜像，并将其也作为参考建筑物模板。这样针对模板库中的每个建筑物模板，都会生成8个参考建筑物模板，生成的8个参考建筑物模板如图2所示。

需要说明的是，也可以先根据主轴方向，对每个建筑物模板进行几何变换，再根据尺寸，对几何变换后的化简建筑物进行尺寸变换，得到多个参考建筑物模板。

另外，为了减小匹配模板时的计算，可以按照模板的形状，对模板库中的模板进行分类，得到多个模板子库。在得到待化简的目标建筑物之后，先识别目标建筑物的大致形状，并根据该形状确定所对应的分类，进而在该分类对应的模板子库中，查找与目标建筑物匹配的模板。

例如，模板库中三类模板子库，分别为E形状对应的模板子库、凹形状对应的模板子库和4字形状对应的模板子库。当识别目标建筑物的形状，如果目标建筑物的形状为E形状，便在E形状对应的模板子库中，查找与目标建筑物匹配的模板。如果目标建筑物的形状为4字形状，便在4字形状对应的模板子库中，查找与目标建筑物匹配的模板。

或者，本申请还可以在按照模板的形状，对模板库中的模板进行分类，得到多个模板子库。之后，在得到目标图像之后，识别目标图像中每个建筑物的大致形状，并根据这些大致形状，找到对应的模板子库，并在这些模板子库中抽取出预设数目个模板，进而由这些模板组成一个新的模板库。这样在执行本申请的自适应形状特征优化的建筑物矢量化简方法时，便可以对新模板库中多个建筑物模板进行调整，以实现本申请的自适应形状特征优化的建筑物矢量化简方法。

步骤104，根据目标建筑物，在多个参考建筑物模板中，选取出待使用的参考建筑物模板。

在本步骤的具体实施方式中，可以直接计算每个参考建筑物模板分别与目标建筑物之间的相似度，进而将对应相似度最大的参考建筑物模板，确定为待使用的参考建筑物模板。或者，还可以使用其他方法选取出待使用的参考建筑物模板。

在本步骤中，由于不同形状描述算法在不同角度描述建筑物的形状，因此，可以根据目标建筑物的形状特征，确定可以精确描述该目标建筑物形状特征的形状描述算法，进而基于形状描述算法，来进行匹配过程的计算，具体过程为：根据所述目标建筑物的形状特征，确定所使用的形状描述算法。根据所述形状描述算法，对所述目标建筑物和所述参考建筑物模板进行计算，得到所述目标建筑物对应的目标形状描述子和所述参考建筑物模板对应的第一形状描述子。根据所述目标形状描述子和所述第一形状描述子，确定待使用的参考建筑物模板。

其中，形状特征可以为质心位置、面积、周长、矩形度、紧凑度、凹度、欧拉数等。形状描述算法为用于描述目标建筑物形状的算法，例如计算傅里叶描述子的算法，基于边缘扩散的上下文描述子的算法。形状描述子为用于描述建筑物形状的特征向量。目标形状描述子用于描述目标建筑物形状的特征向量，第一形状描述子为描述参考建筑物模板中建筑物形状的特征向量。

可选的，根据目标建筑物的形状特征，计算该目标建筑物的复杂程度。当复杂程度较低时，将计算傅里叶描述子的算法，确定为所使用的形状描述算法；当复杂程度较高时，将计算基于边缘扩散的上下文描述子的算法，确定为所使用的形状描述算法。当形状特征包括矩形度和欧拉数时，根据所述目标建筑物的形状特征，确定所使用的形状描述算法的具体过程为：当矩形度小于矩形阈值，且欧拉数等于欧拉数阈值时，将计算傅里叶描述子的算法，确定为所使用的形状描述算法；当矩形度小于矩形阈值，且欧拉数大于欧拉数阈值时，将计算基于边缘扩散的上下文描述子的算法，确定为所使用的形状描述算法。

其中，矩形阈值和欧拉数阈值是技术人员根据需要设置的。矩形度为接近矩形的程度。欧拉数用于表示建筑物内的孔数。一般矩形阈值设置为0.8，欧拉数阈值设置为1。基于边缘扩散的上下文描述子的算法可以提取多级纹理特征向量，可以更加准确描述建筑物。例如，采用灰度共生矩阵方法，通过纹理分析来提取建筑物的形状描述子。计算傅里叶描述子的算法所需要的计算量比较小，可以提高运算效率。

在实施中，当矩形度小于矩形阈值，且欧拉数等于欧拉数阈值时，确定目标建筑物的复杂程度较低，为了减少计算量，提高运算效率，可以将计算傅里叶描述子的算法，确定为所使用的形状描述算法。当矩形度小于矩形阈值，且欧拉数大于欧拉数阈值时，确定目标建筑物的复杂程度较高，为了准确描述目标建筑物的形状，可以将计算基于边缘扩散的上下文描述子的算法，确定为所使用的形状描述算法。

可选的，在本步骤中，给出了一种根据所述目标形状描述子和所述第一形状描述子，确定待使用的参考建筑物模板的方法，具体步骤：对于每个第一形状描述子，计算所述第一形状描述子与所述目标形状描述子的相似度，得到所述第一形状描述子对应的相似度；确定对应相似度最高且相似度度大于相似度阈值的第二形状描述子；将所述第一形状描述子对应的参考建筑物模板，确定为待使用的参考建筑物模板。

其中，第二形状描述子对应的参考建筑物模板与目标建筑物最相似，且参考建筑物模板中建筑物的形状可以较为准确描述目标建筑物的形状。相似度阈值一般为0.8。

在上述过程中，如果多个参考建筑物模板中不存在第二形状描述子，可以将该目标图像中目标建筑物显示给相关技术人员，进而使得相关技术人员对目标建筑物进行化简。

另外，在本步骤中，可以根据所使用的形状描述算法，以及预先设置的形状描述算法和相似度计算算法的对应关系，确定待使用的相似度计算算法。具体步骤为：当形状描述算法为计算傅里叶描述子的算法时，待使用的相似度计算算法为欧氏距离计算算法，当形状描述算法为基于边缘扩散的上下文描述子的算法时，待使用的相似度计算算法为皮尔逊相关系数。

步骤105，使用待使用的参考建筑物模板，替换目标图像中的目标建筑物。

在本步骤的具体实施方式中，获取目标建筑物和待使用的参考建筑物模板分别对应的重心坐标，并确定两个重心坐标之间的位移，并根据该位移，移动待使用的参考建筑物模板，从而使用待使用的参考建筑物模板，替换目标图像中的目标建筑物，以实现对目标图像中目标建筑物的化简。

另外，在使用参考建筑物模板替换目标图像中的目标建筑物后，还可以计算该参考建筑物模板与目标图像的交并比，并在交并比大于交并比阈值时，确定替换过后的图像验证通过，如果小于，则确定替换的图像验证不通过。

另外，如果目标图像中的目标建筑物的形状接近与其对应的MBR，可以使用该MBR直接替换目标图像中的目标建筑物，进而实现对目标图像中目标建筑物的化简，具体步骤为：当矩形度大于矩形阈值，且欧拉数小于等于欧拉数阈值时，使用目标建筑物对应的MBR，替换目标图像中的目标建筑物。

在实施中，当矩形度大于矩形阈值，且欧拉数小于等于欧拉数阈值时，说明目标图像中的目标建筑物的形状接近与其对应的MBR，因此，使用目标建筑物对应的MBR，替换目标图像中的目标建筑物。

在本申请实施例中，获取目标图像，所述目标图像中存在待化简的目标建筑物；计算所述目标建筑物中MBR的主轴方向和尺寸；根据所述主轴方向和所述尺寸，对多个建筑物模板进行调整，得到多个参考建筑物模板；根据目标建筑物，在多个参考建筑物模板中，选取出待使用的参考建筑物模板；使用待使用的参考建筑物模板，替换目标图像中的目标建筑物。本申请先对所述主轴方向和所述尺寸，对多个建筑物模板进行调整，得到多个参考建筑物模板，进而在多个参考建筑物模板选取出待使用的参考建筑物模板，这样考虑建筑物模板的主轴方向和尺寸对匹配结果的影响，选取出的模板更加的准确。

进一步的，作为对上述图1-2所示方法实施例的实现，本申请实施例提供了一种自适应形状特征优化的建筑物矢量化简装置，该装置选取出的模板更加的准确。该装置的实施例与前述方法实施例对应，为便于阅读，本实施例不再对前述方法实施例中的细节内容进行逐一赘述，但应当明确，本实施例中的装置能够对应实现前述方法实施例中的全部内容。具体如图3所示，该装置包括：

获取单元301，用于获取目标图像，所述目标图像中存在待化简的目标建筑物；

计算单元302，用于计算所述目标建筑物中MBR的主轴方向和尺寸；

调整单元303，用于根据所述主轴方向和所述尺寸，对多个建筑物模板进行调整，得到多个参考建筑物模板；

选取单元304，用于根据目标建筑物，在多个参考建筑物模板中，选取出待使用的参考建筑物模板；

替换单元305，用于使用待使用的参考建筑物模板，替换目标图像中的目标建筑物。

可选的，如图4所示，所述选取单元304，包括：

第一确定模块3041，用于根据所述目标建筑物的形状特征，确定所使用的形状描述算法；

计算模块3042，用于根据所述形状描述算法，对所述目标建筑物和所述参考建筑物模板进行计算，得到所述目标建筑物对应的目标形状描述子和所述参考建筑物模板对应的第一形状描述子；

第二确定模块3043，用于根据所述目标形状描述子和所述第一形状描述子，确定待使用的参考建筑物模板。

可选的，如图4所示，第二确定模块3043，还用于：

对于每个第一形状描述子，计算所述第一形状描述子与所述目标形状描述子的相似度，得到所述第一形状描述子对应的相似度；

确定对应相似度最高，且相似度度大于相似度阈值的第二形状描述子；

将所述第一形状描述子对应的参考建筑物模板，确定为待使用的参考建筑物模板。

可选的，如图4所示，第一确定模块3041，还用于：

当矩形度小于矩形阈值，且欧拉数等于欧拉数阈值时，将计算傅里叶描述子的算法，确定为所使用的形状描述算法；

当矩形度小于矩形阈值，且欧拉数大于欧拉数阈值时，将计算基于边缘扩散的上下文描述子的算法，确定为所使用的形状描述算法。

可选的，如图4所示，所述调整单元303，还用于：

根据所述主轴方向，对每个建筑物模板进行主轴方向调整，根据所述尺寸，对主轴方向已经调整的建筑物模板进行尺寸调整，得到多个参考建筑物模板。

可选的，如图4所示，所述装置还包括第二替换单元306，所述第二替换单元306，还用于：

当矩形度大于矩形阈值，且欧拉数小于等于欧拉数阈值时，使用所述目标建筑物对应的MBR，替换所述目标图像中的目标建筑物。

进一步的，本申请实施例还提供一种电子设备，所述电子设备包括至少一个处理器、以及与处理器连接的至少一个存储器、总线；其中，处理器、存储器通过总线完成相互间的通信；处理器用于调用存储器中的程序指令，以执行上述图1-2中所述的自适应形状特征优化的建筑物矢量化简方法。

进一步的，本申请实施例还提供一种存储介质，所述存储介质用于存储计算机程序，其中，所述计算机程序运行时控制所述存储介质所在设备执行上述图1-2中所述的自适应形状特征优化的建筑物矢量化简方法。

图5是本申请实施例提供的一种设备50的框图。该设备50包括至少一个处理器501、以及与处理器501连接的至少一个存储器502、总线503；其中，处理器501、存储器502通过总线503完成相互间的通信。处理器501用于调用存储器502中的程序指令，以执行上述的自适应形状特征优化的建筑物矢量化简方法。本文中的设备可以是服务器(例如：本地服务器或者云端服务器)、智能手机、平板电脑、PDA、便携计算机，也可以是台式计算机等固定终端等。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

可以理解的是，上述方法及装置中的相关特征可以相互参考。另外，上述实施例中的“第一”、“第二”等是用于区分各实施例，而并不代表各实施例的优劣。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与根据在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本申请也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本申请的内容，并且上面对特定语言所做的描述是为了披露本申请的最佳实施方式。

此外，存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要索的过程、方法、商品或者设备不仅包括那些要索，而且还包括没有明确列出的其他要索，或者是还包括为这种过程、方法、商品或者设备所固有的要索。在没有更多限制的情况下，由语句“包括一个……”限定的要索，并不排除在包括要索的过程、方法、商品或者设备中还存在另外的相同要索。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims

1.一种自适应形状特征优化的建筑物矢量化简方法，其特征在于，所述方法包括：

获取目标图像，所述目标图像中存在待化简的目标建筑物；

计算所述目标建筑物中MBR的主轴方向和尺寸，所述主轴方向为所述MBR的最长边所在的射线与垂直坐标轴之间形成的夹角；

使用待使用的参考建筑物模板，替换目标图像中的目标建筑物；

所述根据所述主轴方向和所述尺寸，对预设的多个建筑物模板进行调整，得到多个参考建筑物模板，包括：

根据所述主轴方向，对每个建筑物模板进行主轴方向调整，根据所述尺寸，对主轴方向已经调整的建筑物模板进行尺寸调整，得到多个参考建筑物模板；所述根据目标建筑物，在多个参考建筑物模板中，选取出待使用的参考建筑物模板，包括：

根据所述目标建筑物的形状特征，确定所使用的形状描述算法；

根据所述形状描述算法，对所述目标建筑物和所述参考建筑物模板进行计算，得到所述目标建筑物对应的目标形状描述子和所述参考建筑物模板对应的第一形状描述子；

根据所述目标形状描述子和所述第一形状描述子，确定待使用的参考建筑物模板；

所述根据所述目标形状描述子和所述第一形状描述子，确定待使用的参考建筑物模板，包括：

2.根据权利要求1所述的方法，其特征在于，所述形状特征包括矩形度和欧拉数，所述根据所述目标建筑物的形状特征，确定所使用的形状描述算法，包括：

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

4.一种自适应形状特征优化的建筑物矢量化简装置，其特征在于，所述装置包括：

计算单元，用于计算所述目标建筑物中MBR的主轴方向和尺寸，所述主轴方向为所述MBR的最长边所在的射线与垂直坐标轴之间形成的夹角；

替换单元，用于使用待使用的参考建筑物模板，替换目标图像中的目标建筑物；

所述调整单元，还用于：

根据所述主轴方向，对每个建筑物模板进行主轴方向调整，根据所述尺寸，对主轴方向已经调整的建筑物模板进行尺寸调整，得到多个参考建筑物模板；

所述选取单元，包括：

第一确定模块，用于根据所述目标建筑物的形状特征，确定所使用的形状描述算法；

计算模块，用于根据所述形状描述算法，对所述目标建筑物和所述参考建筑物模板进行计算，得到所述目标建筑物对应的目标形状描述子和所述参考建筑物模板对应的第一形状描述子；

第二确定模块，用于根据所述目标形状描述子和所述第一形状描述子，确定待使用的参考建筑物模板；

第三确定模块，用于将所述待使用的参考建筑物模板，确定为所述目标建筑物化简后的；

所述第二确定模块，还用于：

5.一种电子设备，所述电子设备包括至少一个处理器、以及与处理器连接的至少一个存储器、总线；其中，处理器、存储器通过总线完成相互间的通信；处理器用于调用存储器中的程序指令，以执行权利要求1-3中任意一项所述的自适应形状特征优化的建筑物矢量化简方法。

6.一种存储介质，其特征在于，所述存储介质用于存储计算机程序，其中，所述计算机程序运行时控制所述存储介质所在设备执行权利要求1-3中任意一项所述的自适应形状特征优化的建筑物矢量化简方法。