论文部分内容阅读
地图在很长一段时间以来被广泛的使用在各个国家和地区,尤其是早期的地形图,为研究地形地貌变化、人类活动变化、人类迁移等提供了宝贵的不可或缺的信息。由于这些历史性的信息数据只有在地形图中才能直观的展现与获取,因此地形图的分析与研究得到了越来越多的关注。也正是认识到历史地形图的重要性,大量早期绘制的地形图被收集到一起并通过扫描的形式转换成可以在计算机中存储的栅格图像。但目前存在的问题是,这些栅格图像并不能被地理信息系统(Geographic Information System,简称GIS)直接识别,只有将扫描地形图中的地理信息转换为矢量数据后,才可以被GIS直接调取。因此为了方便的GIS检索、统计,研究如何精确的提取扫描地形图地理要素,是一个亟待解决的问题。在扫描地形图信息提取过程中,图像分割是非常重要的基础操作,其分割结果的好坏将直接影响后续的矢量化等一系列操作的准确性。然而,对于现存的扫描地形图而言,总会由于载体纸质本身质量不高,加之上长年累月的氧化所造成的地图漂白、变色、褶皱、破损等一系列问题,同时又有扫描过程造成的误差,如扫描时颜色通道未对准、电子噪声以及扫描过程无法消去的颜色混淆等,从而造成扫描地形图中存在大量混淆色、渐变色、颜色失真以及模糊、噪声等问题,这些问题均会对扫描地形图的处理带来巨大的挑战。因此本文致力于研究一系列准确、高效、鲁棒的图像分割算法来克服以上的种种困难,从而实现扫描地形图的分割。本文的主要贡献如下:1.针对扫描地形图分割结果中经常存在的线状地理要素不连续的问题,提出了一种基于线划要素特征的扫描地形图分割算法。该算法以线划要素为分割基本单元,可以较大程度上保证分割结果中线状地理要素的连续性,为后续的矢量化提供良好的基础。该算法经过线状要素提取、细化、交叉地理要素节点分离、线划要素标记以及膨胀等一系列的操作得到线划要素;在此基础上利用提取的主要颜色来对线划要素进行特征表示,并利用模糊C均值聚类将提取的线划要素进行分离,从而得到不同的地理要素层;最后,将之前断开的节点合并到对应的分版图层中从而进一步确保了结果的连续性。实验结果表明,基于线划要素特征的扫描地形图分割方法,相对于基于像素点的传统分割算法,例如基于模糊C均值聚类算法和基于同质性的区域生长算法,可以得到更连续、更完整的线状地理要素分割结果。2.针对等高线往往具有数量多、分布密、难于分割的特点,本文提出了一种基于模糊聚类与区域生长相结合的扫描地形图分割算法,从而专注于等高线层的分割问题。由于等高线在地形图中提供了极其重要的三维高程信息,因此对其提取的准确与否对于扫描地形图的矢量化尤为关键。在大部分的扫描地形图中,等高线往往是密集并且广泛分布的,特别是山地等地形变化剧烈的地区,等高线更是具有数量多、分布密等特点,这些都对等高线的提取带来了挑战。为了解决这些问题,本文利用结合聚类和单原型(Single-prototype)区域生长的方式对等高线层进行提取,该算法首先利用线状要素提取算法减少面状要素的影响,之后利用模糊聚类得到线状要素图中每一个像素点相对于每一类原型的隶属度矩阵,在这个隶属度矩阵的基础上,利用最相似原型和次相似原型交替生长的方式得到等高线层的分割结果。该算法利用图像中的空间关系特征以及模糊相似性克服了渐变色、混合色等边缘色彩的错误分割等问题。同时由于该算法是针对等高线层设计的算法,确保了等高线层的分割准确性。实验结果表明该算法无论是在等高线的完整性、连续性以及干扰要素少等方面,均优于经典的,如基于模糊聚类的分割算法和基于同质性的区域生长算法等分割算法。此外,该算法对参数并不十分敏感,具有较强的鲁棒性。3.针对扫描地形图中广泛存在的颜色失真、颜色混淆以及混合色等问题,提出了一种基于超像素的扫描地形图分割算法,从而实现扫描地形图的准确分割。不同于自然图像,扫描地形图是人工绘制的地理要素频繁交错的复杂的图像,同时由于扫描分辨率等因素的限制,导致普通的超像素生成方法并不适用于扫描地形图的处理。在该算法中,首先利用基于视觉双拮抗机制的边缘检测算法对扫描地形图进行边缘提取,并利用分水岭算法得到过分割图像;然后利用有条件的区域合并算法将过分割的小区域进行合并操作从而得到超像素;最后,利用亮度、颜色以及纹理等多特征联合的方式,并使用支撑向量机对超像素进行分类,实现对扫描地形图的分割。实验结果表明,该算法相对于现有的经典扫描地形图分割算法,如基于同质性的区域生长算法和基于颜色键的扫描地形图分割算法等,可以得到更加准确的分割结果。4.针对扫描地形图中的超像素划分容易过分割的问题,提出了一种有导向的扫描地形图超像素生成算法,从而实现扫描地形图的准确超像素划分。虽然超像素的方法已经被广泛应用在计算机视觉领域,但是在扫描地形图处理中却鲜被使用,主要是由于扫描地形图中地理要素分布过于复杂,使用经典的算法,例如SLIC、Turpopixel等无法生成令人满意的超像素。虽然在之前的工作中我们利用区域划分再合并的方式实现了扫描地形图的超像素划分,但是仍然无法完全避免图像中,尤其是线状地理要素上的过分割问题。该算法利用扫描地形图中的线状地理要素分布以及地理要素间的边缘强度作为引导,实现扫描地形图的超像素划分,可以有效减少过分割发生。并且,在线状要素提取方面,提出了一种基于混合对立高斯滤波器和Shear变换相结合的线状要素提取算法,利用该算法可以更精确地提取扫描地形图中的线状地理要素。与此同时,利用基于视觉双拮抗机制的边缘检测算法可以很好地得到扫描地形图中的不同地理要素边缘信息。随后,利用得到的线状要素以及边缘检测结果作为引导,通过有导向的分水岭算法生成超像素。实验结果表明,该超像素生成算法无论是在形状控制、大小控制以及边缘贴合方面都要比现有的超像素生成算法,例如SLIC、Turpopixel等,更适合于扫描地形图的处理。此外,通过理论分析与实验验证,证明了该算法具有较低的计算复杂度,非常适合于大尺寸扫描地形图的处理。