[发明专利]一种专题地图地理面要素自动提取和矢量化方法有效
申请号: | 202110424580.7 | 申请日: | 2021-04-20 |
公开(公告)号: | CN112991536B | 公开(公告)日: | 2022-06-24 |
发明(设计)人: | 马肖肖;杨立;方明哲;梁赓;左春 | 申请(专利权)人: | 中国科学院软件研究所 |
主分类号: | G06T17/05 | 分类号: | G06T17/05;G06T7/13;G06T5/20;G06T5/00;G06K9/62;G06V10/762 |
代理公司: | 北京君尚知识产权代理有限公司 11200 | 代理人: | 司立彬 |
地址: | 100190 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 专题地图 地理 要素 自动 提取 矢量 方法 | ||
1.一种专题地图地理面要素自动提取和矢量化方法,其步骤包括:
1)获取专题地图并判断每一专题地图是否包含地理投影和空间参考信息,若没有则对该专题地图进行地理配准;
2)对步骤1)处理后的每一专题地图进行自适应图像聚类,并对所得聚类图像进行中值滤波以去除噪声点,输出灰度图像ImgC;
3)对灰度图像ImgC进行边缘检测,生成二值图像ImgCanny;然后对二值图像ImgCanny进行图像膨胀操作,扩展边缘像素的范围,得到新的二值图像ImgDilate;然后获取二值图像ImgDilate中各边缘像素,对灰度图像ImgC中相同位置的像素重新赋值,从而消除图像ImgC中的干扰要素,然后进行中值滤波,获得图像ImgL;其中获得图像ImgL的方法为:31)获取ImgDilate中表示边缘要素的像素索引,并建立ImgC中同索引的像素点集合:edge={p(m,n)|DN(pi(m,n))=1,pi(m,n)∈ImgDilate,p(m,n)∈ImgC};其中,pi(m,n)为二值图ImgDilate中索引为(m,n)的像素点,p(m,n)为灰度图ImgC中索引为(m,n)的像素点,DN(pi(m,n))表示图像ImgDilate中像素点pi(m,n)的灰度值;32)创建灰度图ImgN,即ImgN=ImgC;33)对灰度图ImgC进行滑窗统计,并将统计结果赋值给灰度图ImgN的同位置中心像素点;34)对步骤33)处理后的灰度图ImgN进行中值滤波去除噪声点,获得灰度图像ImgL;
4)根据专题地图a对应的新图像a’的像素灰度值生成各类地理要素的二值图,然后根据每一类二值图的像素点的灰度值和空间位置的连续性生成表示面要素的多边形边界,并根据专题地图a的地理投影和空间参考信息为每个多边形对象创建相应的投影和空间参考,最后输出专题地图a的各类面要素的矢量文件。
2.如权利要求1所述的方法,其特征在于,对专题地图进行自适应图像聚类的方法为:
21)输入待处理专题图像Img;
22)对专题图像Img进行灰度转换,获得其灰度图像ImgG;
23)统计灰度图像ImgG的灰度特征,得到对应的灰度分布图;
24)计算图像ImgG的步长s;
25)计算图像ImgG中的类别个数K;
26)对图像Img进行K-means聚类;
27)对每一类像素重新赋值,不同类别的像素赋予不同的灰度值,形成聚类图像ImgK;
28)对聚类图像ImgK进行中值滤波,去除噪声点,输出最终灰度图像ImgC。
3.如权利要求1所述的方法,其特征在于,对图像Img进行K-means聚类的方法为:首先将图像Img各像素点的RGB值作为输入集合:{P0,P1,…,PN},PN的RGB值为(RN,GN,BN),其中N代表图像Img像素点的总数;然后从输入集合{P0,P1,…,PN}中随机选取K个点作为初始聚类中心(c1,c2,…,cK),分别对应着K个类别(C1,C2,…,CK),cK的RGB值为(rK,gK,bK);然后计算各像素点到聚类中心点的距离,并将像素点归类至距离最短的类别内;然后更新聚类中心点重新进行聚类,直至聚类中心点不再变化。
4.如权利要求2所述的方法,其特征在于,其中,符号代表向下取整,N代表图像ImgG中像素点的总数,Pi表示图像ImgG中第i个像素的灰度值,μ代表ImgG中所有像素灰度值的均值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院软件研究所,未经中国科学院软件研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110424580.7/1.html,转载请声明来源钻瓜专利网。