CN116977480A - 一种尺度相关的异质性线要素自动分段方法及系统 - Google Patents

一种尺度相关的异质性线要素自动分段方法及系统 Download PDF

Info

Publication number
CN116977480A
CN116977480A CN202311221032.XA CN202311221032A CN116977480A CN 116977480 A CN116977480 A CN 116977480A CN 202311221032 A CN202311221032 A CN 202311221032A CN 116977480 A CN116977480 A CN 116977480A
Authority
CN
China
Prior art keywords
points
break
adhesion
point
normal
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.)
Granted
Application number
CN202311221032.XA
Other languages
English (en)
Other versions
CN116977480B (zh
Inventor
成晓强
刘娜
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.)
Hubei University
Original Assignee
Hubei University
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 Hubei University filed Critical Hubei University
Priority to CN202311221032.XA priority Critical patent/CN116977480B/zh
Publication of CN116977480A publication Critical patent/CN116977480A/zh
Application granted granted Critical
Publication of CN116977480B publication Critical patent/CN116977480B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Image Analysis (AREA)

Abstract

本发明公开了一种尺度相关的异质性线要素自动分段方法及系统,所述方法包括:根据设定的表达尺度对数字地图中线要素的矢量线进行栅格化;识别栅格化的线要素中的单边界像素、双边界像素及内部像素;建立矢量线的折点与单边界像素、双边界像素及内部像素的映射关系,识别粘连折点、正常折点;基于核密度估计法分析粘连折点、正常折点的聚集程度并计算分段的分界点,基于分界点进行线要素分段,得到线要素的模糊区域和清晰区域;在设定的表达尺度下进行线要素的模糊区域和清晰区域分段显示。本发明基于核密度估计法分析粘连折点、正常折点的聚集程度,并将两者的交点作为分段的分界点,可有效识别特定尺度下线要素的模糊部分并进行分段。

Description

一种尺度相关的异质性线要素自动分段方法及系统
技术领域
本发明属于数字地图技术领域,具体涉及一种尺度相关的异质性线要素自动分段方法及系统。
背景技术
线状要素是数字地图显示内容中最重要的组成部分,也是自动化地图综合普遍关注的研究对象。在形态各异的线要素中,不同部分存在显著形态差异的“异质性线要素”是地图综合的重点和难点。有许多研究关注异质性线要素的分段和异质性线要素复杂度的衡量,然而,这些方法往往忽视了线要素的表达尺度。异质性线要素随尺度变化会产生较大的视觉差异,在合适尺度下,异质性线要素可全局清晰表达,没有分段和地图综合的必要;而在某些尺度下,则会有较大的视觉差异,如简单部分视觉效果清晰,无需制图综合;复杂部分视觉效果模糊,需要制图综合。因此,对异质性线要素进行地图综合的前提是结合表达尺度识别线要素中无法清晰表达的部分,然后再基于该部分的形态特征选择合适的地图综合算子算法。根据特定尺度下线要素形态清晰与否进行分段,一方面可以保证线要素的模糊部分得到恰当的地图综合处理,另一方面也可确保线要素的清晰部分不会因地图综合而产生信息过度损耗。
识别线要素中无法清晰表达的部分,首先要对其清晰程度进行定量评价。而现有技术关于该方向的研究集中于线要素复杂度的度量。比如文献《矢量曲线的视觉清晰度及在网络地图综合中的应用》中提出了一种可定量评价线要素清晰度的方法,但未考虑线要素内部的异质性,不能识别线要素中无法清晰表达的部分。综上,上述文献分别从线要素复杂度和清晰度评价线要素特征,但并未依据线要素的复杂度和清晰度差异对线要素实施分段。
现阶段的线要素分段研究可分为两类:基于关键点的分段方法和基于形态特征的分段方法。比如,在基于关键点分段方法中,文献《Sinuosity pattern recognition ofroad features for segmentation purposes in cartographic generalization》利用Visvalingam-Whyatt算法计算线要素各折点之间有效三角形面积,得到道路特征有效面积图,再利用Douglas-Peucker算法检测到弯曲度的变化,得到分段临界点,实现线要素分段。再比如,在基于形态特征模式识别分段方法中,文献《贝叶斯模型下面向地图表达的海岸线分段模型》基于贝叶斯方法进行线要素分类而最终实现海岸线分段的模型。以上分段方法可以实现线要素模式的精细分段与分类,但并分段的结果未考虑到线要素能否清晰表达。因此,需要一种顾及尺度变化的异质性线要素自动分段方法。
发明内容
有鉴于此,本发明提出了一种尺度相关的异质性线要素自动分段方法及系统,用于解决数字地图的线要素处理中忽略了线要素在不同比例尺表达时产生的形态变化的问题。
本发明第一方面,公开了一种尺度相关的异质性线要素自动分段方法,所述方法包括:
根据设定的表达尺度对数字地图中线要素的矢量线进行栅格化;
识别栅格化的线要素中的单边界像素、双边界像素及内部像素;
建立矢量线的折点与单边界像素、双边界像素及内部像素的映射关系,识别粘连折点、正常折点;
基于核密度估计法分析粘连折点、正常折点的聚集程度;
根据粘连折点、正常折点的聚集程度计算分段的分界点,基于分界点进行线要素分段,得到线要素的模糊区域和清晰区域;
在设定的表达尺度下进行线要素的模糊区域和清晰区域分段显示。
在以上技术方案的基础上,优选的,所述建立矢量线的折点与单边界像素、双边界像素及内部像素的映射关系,识别粘连折点、正常折点具体包括:
确定矢量线的折点和栅格化后的像素的映射关系;
将单边界像素和内部像素对应的矢量线的折点作为粘连折点,将双边界像素对应的折点作为正常折点;
对栅格线上的所有折点顺序编号,并区分粘连折点和正常折点。
在以上技术方案的基础上,优选的,所述基于核密度估计法分析粘连折点、正常折点的聚集程度具体包括:
通过一维核密度函数在粘连折点/正常折点的每个单独数据点前后范围内生成一个对称的光滑密度曲线;
将粘连折点/正常折点的各个单独数据点形成的密度曲线累加得到粘连折点/正常折点的核密度曲线;
根据每个像素对应的折点个数计算粘连折点/正常折点的核密度曲线的带宽;
通过粘连折点的核密度曲线的值定量评价粘连折点/正常折点的聚集程度。
在以上技术方案的基础上,优选的,所述粘连折点/正常折点的核密度曲线的表达式为:
表示第i个粘连折点,即粘连折点编号,h表示搜索半径即带宽,/>表示核函数,n表示粘连折点个数。
在以上技术方案的基础上,优选的,所述粘连折点/正常折点的核密度曲线的带宽的计算公式为:
其中,M为线要素的折点总量,PixelNum为栅格化后的矢量线所占据的像素数量,N为带宽缩放系数。
在以上技术方案的基础上,优选的,所述根据粘连折点、正常折点的聚集程度计算分段的分界点具体包括:
获取粘连折点的核密度曲线和正常折点的核密度曲线;
计算粘连折点的核密度曲线和正常折点的核密度曲线的交点作为线要素清晰区域与模糊区域的分界点,并组成分界点集合。
在以上技术方案的基础上,优选的,所述基于分界点进行线要素分段,得到线要素的模糊区域和清晰区域具体包括:
若两个相邻的分界点之间的折点数小于预设的长度阈值,则将对应的两个分界点从分界点集合中剔除;
在分界点集合的相邻两个分界点之间,当粘连折点的核密度曲线值高于正常折点的核密度曲线值时,将对应的线要素区域作为模糊区域;
在分界点集合的相邻两个分界点之间,当粘连折点的核密度曲线值小于等于正常折点的核密度曲线值时,将对应的线要素区域作为清晰区域。
本发明第二方面,公开一种尺度相关的异质性线要素自动分段系统,所述系统包括:
像素类型识别模块:用于根据设定的表达尺度对数字地图中线要素的矢量线进行栅格化;识别栅格化的线要素中的单边界像素、双边界像素及内部像素;
粘连折点识别模块:用于建立矢量线的折点与单边界像素、双边界像素及内部像素的映射关系,识别粘连折点、正常折点;
线要素分段模块:用于基于核密度估计法分析粘连折点、正常折点的聚集程度;根据粘连折点、正常折点的聚集程度计算分段的分界点,基于分界点进行线要素分段,得到线要素的模糊区域和清晰区域;
分段显示模块:用于在设定的表达尺度下进行线要素的模糊区域和清晰区域分段显示。
本发明第三方面,公开一种电子设备,包括:至少一个处理器、至少一个存储器、通信接口和总线;
其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令,以实现如本发明第一方面所述的方法。
本发明第四方面,公开一种计算机可读存储介质,所述计算机可读存储介质存储计算机指令,所述计算机指令使计算机实现如本发明第一方面所述的方法。
本发明相对于现有技术具有以下有益效果:
1)本发明通过在设定的表达尺度下对线要素的矢量线进行栅格化,识别粘连折点,基于核密度估计法分析粘连折点、正常折点的聚集程度,并将两者的交点作为分段的分界点,基于分界点进行线要素分段,识别出线要素的模糊区域和清晰区域,扩大模糊区域的识别范围,可以适用于异质性显著的线要素,可有效识别特定尺度下线要素的模糊部分并进行分段。
2)本发明通过核密度分析来对噪声折点进行平滑过滤,基于粘粘折点、正常折点的核密度曲线识别线要素清晰度变化,根据两曲线交点推断线要素清晰和模糊部分的分段点,无需人为设定阈值,分段的结果稳定可靠,不受小幅变化的影响;且本发明对原始线要素的比例尺、目标比例尺、坐标系、折点分布与密度均无特殊要求。
3)本发明将常规地图综合中“是否需要综合”的问题由要素级拓展到更细粒度的“部件级”,不仅可以判断某一个线要素是否需要综合,而且可以识别并提取其中需要综合的部分。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为某一矢量线对应的栅格线的三类像素示意图;
图2为某尺度下栅格线的折点示例图;
图3为粘连折点生成的核密度曲线示意图;
图4为某尺度下线要素分段依据与分段效果示意图,其中,a为该尺度下线要素形态,b为该尺度下曲线分段依据,其中,实现代表粘连折点的核密度曲线,虚线代表正常折点的核密度曲线,c为4个分界点行成的分段点的示意图,d为该尺度下线要素分段效果示意图;
图5为实验采用的2条线要素数据说明;
图6为线要素1在不同尺度下的形态与分段结果;
图7为线要素2在不同尺度下的形态与分段结果。
具体实施方式
下面将结合本发明实施方式,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式仅仅是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。
本发明提出一种尺度相关的异质性线要素自动分段方法,所述方法包括:
S1、根据设定的表达尺度对数字地图中线要素的矢量线进行栅格化。
栅格化的方式采用常规方式即可,但是要顾及线要素表达尺度的差异。
S2、识别栅格化的线要素中的单边界像素、双边界像素及内部像素。
本发明将栅格线中的像素分为以下三种类型:
内部像素:若该像素及其4邻域像素均为线要素栅格化产生的像素,则将该像素定义为内部像素。剩余栅格化产生的像素均为边界像素,边界像素又可细致划分为单边界像素和双边界像素;
单边界像素:若该像素与内部像素在八邻域方向邻接,则定义该像素为单边界像素;
双边界像素:若该像素与内部像素在八邻域方向均无邻接,则定义为双边界像素。
如图1所示为某一矢量线栅格线的三类像素示意图,其中,(a)为矢量线要素,(b)为(a)在32×32像素下的栅格形态,(c)为该尺度下的三类像素分布情况局部放大图,其中,1代表内部像素、2代表单边界像素、3代表双边界像素。
S3、建立矢量线的折点与单边界像素、双边界像素及内部像素的映射关系,识别粘连折点。
在三类像素中,内部像素和单边界像素往往聚集在线要素复杂部分,对线要素形态表达非常不利,引起了视觉粘连,而双边界像素连续存在于线要素简单部分,可清晰地表达线要素形态。由于矢量线的折点和栅格化后的像素存在多对一的映射关系,本发明将单边界像素和内部像素对应的矢量折点称为“粘连折点”,将双边界像素对应的折点称为“正常折点”。
对栅格线上的所有折点顺序编号,并区分粘连折点和正常折点。
图2所示为某尺度下栅格线的折点示例图,图中仅标注了粘连折点,未标注的为正常折点。
由图2可以看出,粘连折点与正常折点均呈现明显的聚集分布特征,从0号折点开始,依次形成了若干个“正常折点簇”与“粘连折点簇”;两类折点簇交替出现,但折点簇中的折点个数缺乏规律性。一般来说,正常折点簇对应线要素中可清晰表达的部分,而粘连折点簇对应无法清晰表达的部分。但如果正常折点簇中折点个数较少,就无法形成足够长的清晰区域,如图2中折点簇618-619;而如果粘连折点簇中折点个数较少,可能仅对清晰度造成轻微干扰,属于噪声点,如图2折点簇25-28。经分析,严重影响清晰度的情况是多个粘连折点簇聚集分布,如图2中三个粘连折点簇585-598,603-617,620-621。
因此,单纯依据折点类型划分清晰与模糊区域并不准确,应考虑折点簇的分布情况综合做出判断。
S4、基于核密度估计法分析粘连折点的聚集程度。
本发明通过一维核密度估计线要素折点分布情况。
S41、通过一维核密度函数在粘连折点的每个单独数据点前后范围内生成一个对称的光滑密度曲线,曲线函数如式(1)所示:
表示第i个折点;h表示搜索半径即带宽(bandwidth,bw);/>表示核函数,本发明可选用高斯核函数。当搜索半径为h时,/>时,即在数据点/>处,密度值/>达到峰值;在数据点/>前后/>范围内,随着/>与数据点/>的距离增大,密度值/>逐渐减小,当/>时,曲线平缓下降直至/>为0。
S42、对所有粘连折点重复上述核密度估计过程,将各个单独数据点形成的密度曲线累加得到粘连折点的核密度曲线。
粘连折点的核密度曲线的表达式为:
表示第i个粘连折点,即粘连折点编号,h表示搜索半径即带宽,/>表示核函数,n表示粘连折点个数。
核密度曲线在折点聚集处形成波峰,在折点稀疏及缺失处形成波谷。粘连折点生成的核密度曲线如图3中曲线所示。
S3、根据每个像素对应的折点个数计算粘连折点的核密度曲线的带宽:
带宽是影响核密度曲线形态的重要参数。带宽选择过大,较多细节被平滑,曲线平稳和缓;带宽选择过小,较多细节被保留,曲线陡峭尖锐。在分析粘连折点簇的聚集程度时,较小的带宽可以识别多个分离的小规模折点簇,同时也不可避免地受到噪声折点的干扰;较大的带宽可以将多个小规模折点簇合并成更宽的波峰,导致细小峰值和数据波动无法被有效的捕捉和展示,但也不易受到噪声折点的干扰。因此,应结合人类对“模糊”的视觉感受来确定一个合适的带宽。
在常规的地图综合指标中,常用“最小尺寸”来表达人眼难以辨识的目标,如线要素的最小长度、线符号的最小宽度、面要素的最小面积等。本文发明“人眼可辨识的像素个数”来计算合适带宽,具体方法如下:假设线要素折点总量为M,且均匀分布;栅格化后,线要素占据的像素数量为PixelNum;可得每个像素对应的折点个数M/PixelNum。将该值视为带宽的最小单元,即默认带宽。为方便调整,将默认带宽乘以一个缩放系数N,得到最终的带宽。带宽计算公式如式(3)所示:
N值的选择取决于输出的图形设备及制图需求。如果正常视距下人眼可轻松辨析的最小长度为1 mm,那么在DPI(Dots Per Inch,每英寸点数)为120的设备上就对应4.72个像素,也就是说,需要至少5个像素才能清晰刻画一段长度为1mm的线要素。因此,本实施例中,将N值暂定为5,即如果5个像素内出现粘连折点簇的聚集则表示该区域无法清晰表达。N值也可根据不同的设备、尺度及用户对清晰度的严苛程度动态调节。
S44、通过粘连折点的核密度曲线的值定量评价粘连折点的聚集程度。
由于核密度估计的平滑效应,密集分布的折点簇之间建立了自然而平滑的衔接关系,共同形成了陡峭的波峰,而孤立的、小规模折点簇则被适当弱化,形成了扁平的波峰。因此,可利用核密度曲线的值定量评价粘连折点簇的聚集程度。
S45、采用与公式(1)~(3)相同的原理建立正常折点的核密度曲线,通过正常折点的核密度曲线的值定量评价正常折点的聚集程度。
S5、根据粘连折点、正常折点的聚集程度计算分段的分界点,基于分界点进行线要素分段,得到线要素的模糊区域和清晰区域。
基于以上分析可知,基于粘连折点生成的核密度曲线可以用来反映线要素不同部位的模糊程度(记为NC)。反之,基于正常折点生成的核密度曲线可以反映线要素不同部位的清晰程度(记为PC)。本发明通过计算粘连折点的核密度曲线和正常折点的核密度曲线的交点作为线要素清晰区域与模糊区域的分界点。
S51、获取粘连折点的核密度曲线和正常折点的核密度曲线。
S52、计算粘连折点的核密度曲线和正常折点的核密度曲线的交点作为线要素清晰区域与模糊区域的分界点,并组成分界点集合。
在特定尺度下,正常折点最为聚集区域,核密度值将急剧上升,正常折点的核密度曲线出现最大峰值;同理,在粘连折点簇的聚集区域,粘连折点的核密度曲线会出现最大峰值。当粘连折点的核密度曲线值高于正常折点的核密度曲线值时(NC>PC),即粘连折点的核密度曲线占据优势时,说明该区域粘连折点多于正常折点,对应线要素的模糊区域;当粘连折点的核密度曲线呈下降趋势时,表明粘连折点的影响力逐渐减小,正常折点的影响力逐渐增大;当两条曲线相交时(NC=PC),两类折点的影响力相当;当正常折点的核密度曲线占据优势后(NC<PC),说明该区域正常折点多于粘连折点,对应线要素的清晰部分。因此,本发明将粘连折点的核密度曲线与正常折点的核密度曲线的交点作为线要素清晰与模糊区域的分界点,将所有的分界点组成分界点集合。
S53、线要素分段。
若两个相邻的分界点之间的折点数小于预设的长度阈值,则将对应的两个分界点从分界点集合中剔除。
在分界点集合的相邻两个分界点之间,当粘连折点的核密度曲线值高于正常折点的核密度曲线值时,将对应的线要素区域作为模糊区域;在分界点集合的相邻两个分界点之间,当粘连折点的核密度曲线值小于等于正常折点的核密度曲线值时,将对应的线要素区域作为清晰区域。
图4所示为某尺度下线要素分段依据与分段效果示意图,a为该尺度下线要素形态,b为该尺度下曲线分段依据,其中,实线代表粘连折点的核密度曲线(NC),虚线代表正常折点的核密度曲线(PC)。该线要素的粘连折点的核密度曲线与正常折点的核密度曲线存在6个交点:60、65、141、195、262和293。这6个交点组成分界点集合。在一些情况下,两个交点间距较小,如图4所示的60-65,仅占据5个折点,说明二者之间的线要素长度不足以引起视觉模糊,这两个交点应该剔除。具体可以设定长度阈值,若两个交点之间的折点数小于bw,则认为此分段的长度太小,不计入模糊或者清晰分段。例如图4中线要素的粘连折点的核密度曲线与正常折点的核密度曲线存在6个交点:60、65、141、195、262和293。按长度阈值,60、65被舍弃,得到图4中c所示的4个分解点作为分段依据;293超出曲线折点范围(0-292)不计入分段点。由于粘连折点的核密度曲线曲线和正常折点的核密度曲线曲线在前半段(0-60)均无交点,说明该部分均为粘连折点,所以最终线要素的模糊区域为0-141和195-262。该尺度下线要素分段效果如图4中d所示,d中分别用虚线框、实线框示出了该尺度线线要素的模糊区域与清晰区域。
此外,还存在2种不需要分段的特殊情况:在特定尺度,粘连折点的核密度曲线曲线整体高于正常折点的核密度曲线曲线,两者仅有一个交点,且超出线要素折点范围,线要素在该尺度下全局模糊,该交点不计入分段点,无需进行分段;同理,若在该尺度,正常折点的核密度曲线曲线远远高于粘连折点的核密度曲线曲线,两者交点超出折点范围,同样不计入分段点,线要素在该尺度下全局清晰,无需进行分段。
S6、在设定的表达尺度下进行线要素的模糊区域和清晰区域分段显示。
根据设定的不同表达尺度进行相应线要素的分段显示。
S7、对线要素的模糊区域进行处理。
基于本发明识别出的模糊部分,可以进一步选择更加合适的综合算子算法对线要素的模糊区域进行处理,以更准确地进行地图综合,清晰地显示各个地图区域。
鉴于现有分段方法未忽略线要素在不同尺度表达时产生的清晰度差异,本发明设计了一种尺度相关的异质性线要素分段方法,利用三类像素来模拟人类视觉对线要素形态清晰度的感知;建立矢量折点与三类像素的映射关系,将折点分为正常折点和粘连折点,并基于核密度分析分析两类折点的聚集情况;最后基于双核密度曲线识别线要素清晰度变化,根据两曲线交点推断线要素清晰和模糊部分的分段点,无需人为设定阈值。
下面结合具体实验验证本发明的方法的有效性。
实验基于Matlab2021b中的bwboundaries函数进行三类像素的识别和分类;利用Python库statsmodels中的KDEUnivariate模块进行数据点的核密度分析及线要素分段点的识别;最后利用ArcGIS 10.8进行分段结果的可视化。
实验选用了2条形态各异且代表不同地物的线要素作为实验线要素,其数据说明如图5所示。将2条线要素在三个尺度下进行清晰度分段,分别是128×128像素,256×256像素,512×512像素;在这个三个尺度下分别采用的带宽缩放值是:3、5、10。
将图5的多尺度的线要素采用本发明方法进行模糊部分的识别和分段,分段评价采用人为判断作为参考。通过本发明的方法划分出各尺度下线要素1、2的清晰区域和模糊区域分别如图6、7所示,图6为线要素1在不同尺度下的形态与分段结果,图7为线要素2在不同尺度下的形态与分段结果。
实验表明本发明的方法的分段结果与人为分段结果基本一致,证明了方法的有效性。
与上述方法实施例相对应,本发明还提出一种尺度相关的异质性线要素自动分段系统,所述系统包括:
像素类型识别模块:用于根据设定的表达尺度对数字地图中线要素的矢量线进行栅格化;识别栅格化的线要素中的单边界像素、双边界像素及内部像素;
粘连折点识别模块:用于建立矢量线的折点与单边界像素、双边界像素及内部像素的映射关系,识别粘连折点、正常折点;
线要素分段模块:用于基于核密度估计法分析粘连折点、正常折点的聚集程度;根据粘连折点、正常折点的聚集程度计算分段的分界点,基于分界点进行线要素分段,得到线要素的模糊区域和清晰区域;
分段显示模块:用于在设定的表达尺度下进行线要素的模糊区域和清晰区域分段显示。
以上系统实施例和方法实施例是一一对应的,系统实施例简述之处请参阅方法实施例即可。
本发明还公开一种电子设备,包括:至少一个处理器、至少一个存储器、通信接口和总线;其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令,以实现本发明前述的方法。
本发明还公开一种计算机可读存储介质,所述计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机实现本发明实施例所述方法的全部或部分步骤。所述存储介质包括:U盘、移动硬盘、只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以分布到多个网络单元上。本领域普通技术人员在不付出创造性的劳动的情况下,可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
以上所述仅为本发明的较佳实施方式而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (10)

1.一种尺度相关的异质性线要素自动分段方法,其特征在于,所述方法包括:
根据设定的表达尺度对数字地图中线要素的矢量线进行栅格化;
识别栅格化的线要素中的单边界像素、双边界像素及内部像素;
建立矢量线的折点与单边界像素、双边界像素及内部像素的映射关系,识别粘连折点、正常折点;
基于核密度估计法分析粘连折点、正常折点的聚集程度;
根据粘连折点、正常折点的聚集程度计算分段的分界点,基于分界点进行线要素分段,得到线要素的模糊区域和清晰区域;
在设定的表达尺度下进行线要素的模糊区域和清晰区域分段显示。
2.根据权利要求1所述的尺度相关的异质性线要素自动分段方法,其特征在于,所述建立矢量线的折点与单边界像素、双边界像素及内部像素的映射关系,识别粘连折点、正常折点具体包括:
确定矢量线的折点和栅格化后的像素的映射关系;
将单边界像素和内部像素对应的矢量线的折点作为粘连折点,将双边界像素对应的折点作为正常折点;
对栅格线上的所有折点顺序编号,并区分粘连折点和正常折点。
3.根据权利要求1所述的尺度相关的异质性线要素自动分段方法,其特征在于,所述基于核密度估计法分析粘连折点、正常折点的聚集程度具体包括:
通过一维核密度函数在粘连折点/正常折点的每个单独数据点前后范围内生成一个对称的光滑密度曲线;
将粘连折点/正常折点的各个单独数据点形成的密度曲线累加得到粘连折点/正常折点的核密度曲线;
根据每个像素对应的折点个数计算粘连折点/正常折点的核密度曲线的带宽;
通过粘连折点/正常折点的核密度曲线的值定量评价粘连折点/正常折点的聚集程度。
4.根据权利要求3所述的尺度相关的异质性线要素自动分段方法,其特征在于,所述粘连折点/正常折点的核密度曲线的表达式为:
表示第i个粘连折点/正常折点,即粘连折点编号,h表示搜索半径即带宽,表示核函数,n表示粘连折点/正常折点个数。
5.根据权利要求4所述的尺度相关的异质性线要素自动分段方法,其特征在于,所述粘连折点/正常折点的核密度曲线的带宽的计算公式为:
其中,M为线要素的折点总量,PixelNum为栅格化后的矢量线所占据的像素数量,N为带宽缩放系数。
6.根据权利要求4所述的尺度相关的异质性线要素自动分段方法,其特征在于,所述根据粘连折点、正常折点的聚集程度计算分段的分界点具体包括:
获取粘连折点的核密度曲线和正常折点的核密度曲线;
计算粘连折点的核密度曲线和正常折点的核密度曲线的交点作为线要素清晰区域与模糊区域的分界点,并组成分界点集合。
7.根据权利要求6所述的尺度相关的异质性线要素自动分段方法,其特征在于,所述基于分界点进行线要素分段,得到线要素的模糊区域和清晰区域具体包括:
若两个相邻的分界点之间的折点数小于预设的长度阈值,则将对应的两个分界点从分界点集合中剔除;
在分界点集合的相邻两个分界点之间,当粘连折点的核密度曲线值高于正常折点的核密度曲线值时,将对应的线要素区域作为模糊区域;
在分界点集合的相邻两个分界点之间,当粘连折点的核密度曲线值小于等于正常折点的核密度曲线值时,将对应的线要素区域作为清晰区域。
8.一种尺度相关的异质性线要素自动分段系统,其特征在于,所述系统包括:
像素类型识别模块:用于根据设定的表达尺度对数字地图中线要素的矢量线进行栅格化;识别栅格化的线要素中的单边界像素、双边界像素及内部像素;
粘连折点识别模块:用于建立矢量线的折点与单边界像素、双边界像素及内部像素的映射关系,识别粘连折点、正常折点;
线要素分段模块:用于基于核密度估计法分析粘连折点、正常折点的聚集程度;根据粘连折点、正常折点的聚集程度计算分段的分界点,基于分界点进行线要素分段,得到线要素的模糊区域和清晰区域;
分段显示模块:用于在设定的表达尺度下进行线要素的模糊区域和清晰区域分段显示。
9.一种电子设备,其特征在于,包括:至少一个处理器、至少一个存储器、通信接口和总线;
其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令,以实现如权利要求1~7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储计算机指令,所述计算机指令使计算机实现如权利要求1~7任一项所述的方法。
CN202311221032.XA 2023-09-21 2023-09-21 一种尺度相关的异质性线要素自动分段方法及系统 Active CN116977480B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311221032.XA CN116977480B (zh) 2023-09-21 2023-09-21 一种尺度相关的异质性线要素自动分段方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311221032.XA CN116977480B (zh) 2023-09-21 2023-09-21 一种尺度相关的异质性线要素自动分段方法及系统

Publications (2)

Publication Number Publication Date
CN116977480A true CN116977480A (zh) 2023-10-31
CN116977480B CN116977480B (zh) 2023-12-12

Family

ID=88485299

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311221032.XA Active CN116977480B (zh) 2023-09-21 2023-09-21 一种尺度相关的异质性线要素自动分段方法及系统

Country Status (1)

Country Link
CN (1) CN116977480B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4984279A (en) * 1989-01-04 1991-01-08 Emyville Enterprises Limited Image processing and map production systems
US20010034588A1 (en) * 2000-03-17 2001-10-25 Maneesh Agrawals System and method for abstracting and visualizing a rout map
CN101707026A (zh) * 2009-11-25 2010-05-12 中国人民解放军信息工程大学 数字地图线状要素化简的组合优化方法
US20160203626A1 (en) * 2015-01-13 2016-07-14 International Business Machines Corporation Display of context based animated content in electronic map
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
US20180189578A1 (en) * 2016-12-30 2018-07-05 DeepMap Inc. Lane Network Construction Using High Definition Maps for Autonomous Vehicles
CN108389243A (zh) * 2018-02-24 2018-08-10 武汉大学 一种矢量线要素多尺度Bézier曲线分段拟合方法
US20190197744A1 (en) * 2015-08-07 2019-06-27 Zhejiang University Method for efficient parallel visualizing vector graphic
CN111429548A (zh) * 2020-02-25 2020-07-17 合肥四相至新科技有限公司 数字地图生成方法及系统
WO2022061994A1 (zh) * 2020-09-25 2022-03-31 浙江大学 基于全局特征的数字地图线要素综合方法、装置和介质
CN116429128A (zh) * 2023-03-17 2023-07-14 酷哇科技有限公司 面向三维地图构建的车道线高程赋值方法及系统
CN116543310A (zh) * 2023-06-30 2023-08-04 眉山环天智慧科技有限公司 一种基于Voronoi图和核密度的道路线提取方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4984279A (en) * 1989-01-04 1991-01-08 Emyville Enterprises Limited Image processing and map production systems
US20010034588A1 (en) * 2000-03-17 2001-10-25 Maneesh Agrawals System and method for abstracting and visualizing a rout map
CN101707026A (zh) * 2009-11-25 2010-05-12 中国人民解放军信息工程大学 数字地图线状要素化简的组合优化方法
US20160203626A1 (en) * 2015-01-13 2016-07-14 International Business Machines Corporation Display of context based animated content in electronic map
US20190197744A1 (en) * 2015-08-07 2019-06-27 Zhejiang University Method for efficient parallel visualizing vector graphic
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
US20180189578A1 (en) * 2016-12-30 2018-07-05 DeepMap Inc. Lane Network Construction Using High Definition Maps for Autonomous Vehicles
CN108389243A (zh) * 2018-02-24 2018-08-10 武汉大学 一种矢量线要素多尺度Bézier曲线分段拟合方法
CN111429548A (zh) * 2020-02-25 2020-07-17 合肥四相至新科技有限公司 数字地图生成方法及系统
WO2022061994A1 (zh) * 2020-09-25 2022-03-31 浙江大学 基于全局特征的数字地图线要素综合方法、装置和介质
CN116429128A (zh) * 2023-03-17 2023-07-14 酷哇科技有限公司 面向三维地图构建的车道线高程赋值方法及系统
CN116543310A (zh) * 2023-06-30 2023-08-04 眉山环天智慧科技有限公司 一种基于Voronoi图和核密度的道路线提取方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
KUNXIAOJIA YUAN, XIAOQIANG CHENG: "A quad-tree-based fast and adaptive Kernel Density Estimation algorithm for heat-map generation", INTERNATIONAL JOURNAL OF GEOGRAPHICAL INFORMATION SCIENCE, pages 2455 - 2476 *
WILLIAM A. MACKANESS: "An Algorithm for Conflict Identification and Feature Displacement in Automated Map Generalization", CARTOGRAPHY AND GEOGRAPHIC INFOMATION SYSTEMS, pages 219 - 232 *
刘娜: "GIS环境下城市居民地制图综合研究", 硕士论文电子期刊 *
安晓亚, 成晓强: "矢量曲线的视觉清晰度及在网络地图综合中的应用", 测绘学报, pages 245 - 255 *
钟东: "线要素质量评价与多尺度水系匹配方法研究", 硕士论文电子期刊 *

Also Published As

Publication number Publication date
CN116977480B (zh) 2023-12-12

Similar Documents

Publication Publication Date Title
CN108171104B (zh) 一种文字检测方法及装置
CN107273845B (zh) 一种基于置信区域和多特征加权融合的人脸表情识别方法
Riche et al. Rare: A new bottom-up saliency model
Wen et al. A new binarization method for non-uniform illuminated document images
CN111999741B (zh) 路侧激光雷达目标检测方法及装置
CN110046587B (zh) 基于Gabor差分权重的人脸表情特征提取方法
US11810293B2 (en) Information processing device, information processing method, and computer program
CN114399510B (zh) 结合图像和临床元数据的皮肤病灶分割和分类方法及系统
CN111401278A (zh) 安全帽识别方法、装置、电子设备及存储介质
Siddiqui et al. Block-based feature-level multi-focus image fusion
Arya et al. Development of a seed analyzer using the techniques of computer vision
CN116977480B (zh) 一种尺度相关的异质性线要素自动分段方法及系统
Kumar et al. Quad: Quality assessment of documents
Florindo et al. Texture descriptors by a fractal analysis of three-dimensional local coarseness
CN114170224B (zh) 应用生成式染色归一化的细胞病理分类的系统及方法
CN114359742B (zh) 一种优化小目标检测的加权损失函数计算方法
Antony et al. Development of efficient image quarrying technique for Mammographic image classification to detect breast cancer with supervised learning algorithm
Majeed et al. Breast border extraction and pectoral muscle removal in MLO mammogram images
Karthigayan et al. Genetic algorithm and neural network for face emotion recognition
Chen et al. Identifying computer generated and digital camera images using fractional lower order moments
CN112883758B (zh) 一种活体检测方法、装置
Dhawan et al. Hybrid GMDH model for handwritten character recognition
Babu et al. Multistage feature extraction of finger vein patterns using Gabor filters
Susheel Kumar et al. Identification of retinal diseases based on retinal blood vessel segmentation using Dagum PDF and feature-based machine learning
CN108427937A (zh) 稳定区域选取方法及装置

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