（控制理论与控制工程专业论文）电子地图地理对象的智能识别研究与系统实现.pdf

大连理工大学硕士学位论文 摘要 地理信息的提取和识别是地理信息系统( o i s ) 、全球定位系统( g p s ) 发展的基础和 迫切需要。自动矢量化因其效率、精度、自动化程度和可靠性方面的显著优势，已经成为 获取地理信息的主要途径之一。 本文在研究和分析了目前具有代表性的扫描图像矢量化方法的基础上，仔细分析了彩 色地图中图形对象的特点，依据图像处理、小波边缘检测、数学形态学等理论方法对图像 进行预处理，正确提取出各地理对象的边缘，然后采用一种面向对象的矢量化方法对处理 后的图像进行矢量化，并基于此理论在p c 机上用v c - h 6 0 编程语言实现了一个自动矢量 化实验系统。 图像预处理部分为r g b 图像进行分析；r g b 图像的灰度化；灰度图像的增强；增强 后灰度图像的边缘检测。其中的边缘检测采用的二进小波多尺度边缘检测的方法，该方法 较普通的小波检测、c a n n y 算子检测、s o b e l 算子检测等方法具有明显的优点，可以有效的 取出地图中的文字标注等信息，正确的提取出地理对象的边缘。 矢量化部分采用了面向对象的思想，设计了图形对象的类继承层次，把组成地图的地 理要素分为线，符号和文本三类。其中线对象又派生出直线、圆弧( 圆) 和曲线三类。根 据每一类图形对象的几何特征，直接完成该图形对象类的矢量化。为了准确进行直线和圆 弧的识别，文中引入了特征图段的概念。以特征图段的几何参数和方向为指导跟踪图形对 象，实现了对直线和圆弧的整体识别，每一个图形对象被准确识别以后，即删除其独有的 栅格数据，保留和其它图像对象共有的像素，逐步简化了原始图像，避免识别过程中图像 对象之间的干扰，提高了矢量化操作的速度。 目前的矢量化研究都是在c a d c a m 领域进行的，本文分析首次尝试将这种研究进行 到有一定规律的普通彩色地图，提出使用的算法经证明具有可行性，并用v c _ 卜 6 0 编程实 现了一实际实验软件，在地理信息系统领域有一定的理论意义和应用价值。 关键词：地理信息系统( g i s ) ：图像处理；小波分析；边缘检测；面向对象，矢量化 孙剐磊：电子蘸强途理辩象豹替巍识g g 吾舅究与系统安现 i n t e l l i g e n tr e c o g n i t i o na n dr e s e a r c ho ng e o g r a p h i c e l e m e n t si nt h es c a n n e dm a pa n ds y s t e m i m p l e m e n t a b s t r a c t t h ee x t r a c t i o na n dr e c o g n i t i o no ft h e g e o g r a p h yi n f o r m a t i o ni s t h eb a s i so fg e 。g 隧妊c i n f o r m a t i o ns y s t e m ( g i s ) a n dg l o b a lp o s i t i o n s y s t e m ( g p s ) a u t o m a t i o nv e c t o r i z a t i o n h a s t r a n s c e n d e n ta d v a n t a g e sa n dh a sb e c o m et h em a i nm e t h o dt oc a p t u r et h ed i g i t a li n f o r m a t i o n t h e p a p e rd e s c r i b e st w o - d i m e i l s i o n a lw a v e l e tt r a n s f o r ma n dt h ep r i n c i p l eo fi t sa p p l i c a t i o n i nm t f l t i s c a l ee d g ed e t e c t i o n t h ep a p e ra l s op r o v i d e st h em e t h o do fo b t a i n i n ga n dr e c o g n i z i n g g e o g r a p h i ci n f o r m a t i o nf r o m c l 珏l a 娃ee l e c t r o n i cm a p ，s f f n u l a t i o nt e s t ss h o wt h a tm u l t i s c a l ee d g e d e t e c t i o no fi m a g e su s i n gw a v e l e tt r a n s f o r mi sm u c hb e t t e rw h e nc o m p a r e dw i mt h ec o n v e n t i o n a l c a n n yo p e r a t o ra n ds o b e lo p e r a t o r 。 t h ei d e ao f o b j e c t v o r i e n t e di sa l s oi n t r o d u c e di nt h i sp a p e r , t h eg e o g a p n ce l e m e n t si nt h em a p a r ec l a s s i f i e di n t ol i n e ，s y m b o la n dt e x t , a n dl i n ef u r t h e r m o r ei n t ob e ，a r c ( c i r c l e ) a n dc u r v e 。t h i s m e t h o dr e c o g r l j z e se a c hc l a s so fg r a p h i co b j e c t sf r o mm e i rn a t u r a lc h a r a c t e r i s t i c s e a c hg r a p h i c o b j e c ti sr e c o g n i z e dd i r e c t l yi ni t se n t i r e t ya tt h ep i x e ll e v e l t ov e c t o r i z et h eb a ra n da r eo b j e c t s a c c u r a t e l y , t h ec h a r a c t e rs e g m e n ti si n t r o d u c e da st h eg u i d a n c eo fg e o m e n c a lp a r a m e t e r s t h e r a s t e ri m a g ei sp r o g r e s s i v e l ys i m p l i f i e db ye r a s i n gr e c o g n i z e dg r a p h i co b j e c t st oe l i m i n a t et h e i r i n t e r f e r e n c ew i t hs u b s e q u e n tr e c o g n i t i o n 。m o r e o v e ru s i n go p e r a t i o n so f m a t h e m a t i cm o r p h o l o g y , t h i sp a p e rr e v e c t o r i z e st h er e c o g n i z e dm a p ，t h es y s t e n lu s i n gt h em e t h o ds h o w st h es i g n i f i c a n t i m p r o v e m e n t i ns p e e da n dr e e o g n t i n nq u a l i t y , t h ep r e s e n tv e c t o rr e s e a r c ha l li sc a r r i e do ni nt h ec a d c a md o m a i n , t h i sp a p e rf i r s tt i m e a t t e m p t st oc a r r yo nt h er e s e a r c hi nt h eo r d i n a r yc o t o rm a p ，a n dt h ea l g o r i t h mb m u g h tf o r w a r dh a s f e a s i b i l i t ya f t e rp r o o f , a n dr e a l i z e da i la u t o m a t e dv e c t o r i z a t i o ns y s t e r n - - a u t o v e c t o ro nt h ev c + + 6 0e n v i r o n m e n t ，w h i c hh a st h ec e r t a i nt h e o r ys i g n i f i c a n c ea n dt h ea p p l i c a t i o nv a l u ei nt h e g e o g r a p h yi n f o r m a t i o ns y s t e md o m a i n ， k e yw o r d s ：g e o g r a p h yi n f o r m a t i o ns y s t e m ( g i s ) ，i m a g em a n i p u l a t i o n ，w a v e l e ta n a l y s i s ， e d g ed e t e c t i o n ，o b j e c t - o r i e n t e d ，v e e t o r i z a t i o n 独创性说明 作者郑重声明：本硕士学位论文是我个人在导师指导下进行的研究工作及 取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不 包含其他人已经发表或撰写的研究成果，也不包含为获得大连理工大学或者其 他单位的学位或证书昕使用过的材料。与我一同工作的同志对本研究所做的贡 献均已在论文中做了明确的说明并表示了谢意。 作者签名：日期： 大连理工大学硕士研究生学位论文 大连理工大学学位论文版权使用授权书 本学位论文作者及指导教师完全了解“大连理工大学硕士、博士学位论文版权使用 规定”，同意大连理工大学保留并向国家有关部门或机构送交学位论文的复印件和电子 版，允许论文被查阅和借阅。本人授权大连理工大学可以将本学位论文的全部或部分内 容编入有关数据库进行检索，也可采用影印、缩印或扫描等复制手段保存和汇编学位论 文。 作者繇塑业眵 导师签名：i 兰垒趣 大连理工大学硕士学位论文 1 绪论 1 1 地理信息提取与识别技术概况 1 1 1 地理信息系统简介 地理信息系统( g i s ) 是一种集地理信息获取、存储、管理、分析和输出为一体的空间信 息系统，它由计算机硬件、软件、地理信息和用户四大要素构成。是介于信息科学，空间科 学和地球科学之间的交叉学科。在同地球资源与环境有关的各学科中，地理信息系统应用都 极为广泛。 地理信息系统按数据库管理系统，包括空间数据和属性数据。地理信息属于空间数据， 是指与空间地理分布有关的信息。数字地图及制图是地理信息系统的重要组成部分。数字地 图是地理信息系统重要的数据源；地理信息系统中处理分析结果常以数字地图形式来表示和 输出。 1 1 2 矢量化的提出 在计算机图形图像技术应用于地图制作之前，一般采用纸质地图或工程图纸记录地理信 息。图纸在查阅、计算距离和标注地名符号等方面都是人工操作；不能对纸质地图进行修改、 缩小比例和分层读图。 随着技术的发展，人们对地图的要求越来越高，通过g i s 工具得到能在屏幕上显示的电 子化地图的需求应运而生。但如今绝大部分地图资料是以纸为载体的形式存放的，于是将这 些存储于纸介质上的地图信息转化成g i s 的数据格式，己成为迫切需要解决并有重要意义的 工作，已成为g i s 中的图数据研究方向之一。 常用的数字化方法有两种方式：一是手扶跟踪数字化，采用数字化仪等交互式图形设备 输入图形；另一种是用扫描仪将图样快速扫描输入，然后借助于软件对原图进行编辑处理或 矢量化。前者这种半自动的输入方法工作繁琐，图纸利用率低。工程设计人员的精力都投入 到绘图输入上了，影响设计效率的提高。后者随着扫描仪的应用越来越广泛，地图可以快速、 准确地输入计算机。 扫描仪。数字化仪 数字相机等 现实世界的图像；- 原始采集磁盘文件 ( 地图等)( 图像文件) 孙嚣磊：电子地图地理对象豹智能识别研究与系统实现 燃像文律在诗箕辍孛是以数撂摇述戆，錾缘文 孛戆捂式裁怒霪缘文俜懿数撼结梅，瞧羲 是图像数据在计算机中存储的方式。阉像文件的格式有两大类，一类是位图( 光栅图) 文件格 式，冀一类是矢量墨文锌撂式。 光栅格式是以像索为单位描述图像。位图就是一组描述每个像素点的数据。光栅格式适 瘸于蠢复杂鬏色窝灰发缓变化瓣图，热照片、数字诧视频图像等。 矢量格式是以图形元素为单位描述图形，统一的单元是点、线和多边形。每个地图辨素 ( 一个凡露霉形) 与叁身楣关静壤牲数擐箱关联，更裂予多 摄翻处理。 矢量结构和光栅结构各有特点，光栅结构操作总的来说比较容易实现，更易于实现，如 按空闼坐标 妻爨熬搜豢：在给定区域熬统计豢烬运算：荔予信慧共享。矢量掊式具有缀大的 灵活能，图形缩放、旋转等操作容易，还可以节省大量存储空间；而且矢量结构对于拓扑关 系的搜索更惑效。 一个g i s 软件理想的方案楚采用两种数据结构，掇高系统的空间分辨率、数据压缩举、 增强系统分攒期输入羧窭约灵活挂。矢量结兹期毙援缝拯的摆豆转换，是g i s 的基本功缝之 一。而从光栅格式到矢量格式的转换，特别是捆描图像的自动识别，仍是目前研究的熏点。 ， ，3 矢量l 乏瓣意义鞫矢量纯较俸魏浚谵要求 矢量化就是把光栅图转换成矢量圈的过程。就是耍从用图綮点数据描述的俄图文件中识 剐密线、禹、弧、尺寸线、蘩嚣线、字符、符芍等基本尼褥图形，瑟戳矢量纯奄稔免锾蠲。 矢量化工作对于g i s 的发展有很大的意义，因为矢攫化输出的矢量国有光栅图无法比拟 静饶煮： ( 1 ) 存储空间小。同样一幅图矢量图所占的磁盘空间只是光栅图的t 1 5 i i o 。 ( 2 ) 当蘩g i s 系统佼蔫熬基本都燕矢量图。 ( 3 ) 编辑、修改方便、容易、速度快。 ( ) 矢量瓣酶缡辑、嫠改要求诗雾掇矮臀繇境羝。 ( 5 ) 对输出设备爵求低。 矢量纯弱实魂藏建矢量纯软馋款浚诗，交予矢量纯软 孛筵璞貔对象 鬻复杂，矢量绽软 件必须是智能的识别软件。因为地图中图形对攮的位鬣和形状怒没有规则的，矢量化必须从 蚕影要稳重羹貔点簿中识裂窭备类基零整形。孬且矢爨讫大量她理瓣都是手工绘瑟，图嚣 毒 况因人而异，图纸污损时有发生，污损也会经扫描仪带入光栅文件。 煲岁 毙摆嵩工偿效率，矢篷纯软馋还应有友好懿癸嚣，方蠖灵活懿漫示控秘。 人连理j = 大学硕士学位论文 1 2 地图信息识别与提取方法现状 随着计算机彰：硬件技术的不断提高，地图信息识别与提取工作取得了质的飞跃。从识别 简单图元的低级矢量化发展到理解图纸内容的高级矢量化“”。“。但目前低级矢量化的准确 性和速度仍达不到预期的目标，仍有待于深入的研究。 目前，国内夕 对矢量化的研究以工程图纸为多，市场上大部分矢量化软件也是针对工程 图设计的。地图扫描矢量化与之有着相同的本质，然而由于= 者有着不同的特点，甚至有些 特点是截然不同的。所以对地图信息识别与提取的研究可以借鉴一些工程图纸矢量化的技 术，但针对地图特点进行专门研究是很有必要的。目前，矢量化方法大致可分为两类，基于细 化的方法“”“和基于非细化的方法。在基于非细化的方法中，主要有：基于轮廓线的方法、 整体矢量化的方法、基于网络栅格的方法”以及基于人工智能技术的方法。 1 2 1 基于细化的矢量化方法 对图像进行细化处理提取其骨架，在图像识别领域有着广泛的应用。一个好的细化结果 能够在不改变原有拓扑结构的前提下即保持骨架的连通性又不过度腐蚀，同时还应具有一定 的抗噪性能。 现在，基于纽化方法和矢量后处理是当日u 矢量化方法的主流。其工作步骤是先由扫描仪 将图纸扫描入计霎机，然后通过线条细化，得到单点宽的连通线，再由线跟踪得到直线、圆 和圆弧等图形元素，最后进行矢量化。 细化得到的骨架图基本保持了原图的线状结构和连通性，便于进一步的处理：算法简单。 但多次迭代会造成处理时间长；骨架均为单点宽会导致信息遗失；而且细化对噪声敏感，容 易弓i 起骨架毛刺和交叉点畸变。 1 22 轮廓匹配方法 对于线性尺。相同的区域，存储其周围轮廓比存储其所有像素，用的空间小得多。而且 轮廓特征也可表达图像的有用信息。这类利用图像轮廓进行识别处理的方法就是轮廓匹配 法。 轮廓匹配法的基本步骤是：( 1 ) 轮廓提取；( 2 ) 轮廓匹配和矢量化；( 3 ) 轮廓对骨架化； ( 4 ) 骨架拼接，矢量重建图形。 轮廓匹配方法通常是与细化算法结合在一起的。“”。轮廓匹配方法是通过跟踪轮廓 像素和匹配轮癣矢量，得到图线的中间骨架矢量，该方法有效地避免了缺陷的不利影响，所 需数据量较少，但匹配过程复杂，正确性难以保证。而且，轮廓线跟踪受图纸质量退化影响 孙刚器：电子地图地理对象的智能识剩研究与系统实现 极大。当轮癣线中考爨线与其它线或字簿糕连时，成对的轮臻匹黪线就不存程了，鸯袈线 也就缀难获褥。 2 3 整体矢鐾健方法 慧体矢鬣亿7 r 法建在邋凡年发装越来鹣，它竞溅了镭佬舞法逐缘索处璎熬爨限挂，是剥 用闰像的整体信怠进行矢羹他的方法。力求觚整体缎撬图像中各种线黧及冀关系，蔽季i 播率 或逐遴鹜敬为基本攀元对象索进行提取和识涮。 整俸谈粥的麦本憨怒惫：将萄纸瀚像缀织成霞段数据缩构；寻投簿舍各类线銎特徭瀚穗 子强羧据照确定线篓躲初始冗留参数；摄撂图段之瓣静位臻关系，蹑黥凄组藏羼一线型戆绣 香图段，并确定毒! 终凡俺参数。整体谈裂方法矮有谈茹方法簿荦，谈剔散采好，袄遽提取 图纸中的嬲_ 元信羞i 簿特点。 ( 1 ) 罄于扫描串静算法 鏊予孝薯撼率0 冀法缀逶耀于： 二程瘸纸麴接矢量_ 纯。扫撼攀又穆游褪绽码，就是凰像翅撼 数蕤 菜一行( 歹1 ) 辞；所有连通懿黑像豢游集会。据描肇法是奔予擎点稼索秘连蘧图段之阗媳一 耱方法，熬蠢较劣：熬炙活性。由于王撰强审含囊大攮小像素、赦线秘姆爨蛰号，基予扫撼段 酶簪：潮方浚在楚鬻字符、夸特征是毒鬟著俊势。 爨楚这秘舞法是以扫攘串必鼹位豹，熬发点还是局部傣息，无法充分利用图像的整体傧息， 露终了效肇，雯适；蔼予工穰强示豹识舅g 帮失蓥纯。 ( 2 ) 基予理段灼算法 基予涟遮图段熬箨法，爨痰在1 9 9 4 年裁已经摄或来7 “。它以缝递图段必单元终翅臻 她强! 。连邋图段是由串上1 i 孝曩互遴逐灼 予程编码组成，包含了较大灏固的图漩信惑；算法 中塞线、爨弧嚣蓼 蒜l 过程裁憝濯段黢分裂、合并和疆飘熬过程。基予墅段的尊法在赴毽像素 时霄一定黝髑艰壁：。地图，特别是大比例域形躅具肖与工程豳完全不同的特点，它所包含的 大蕉- _ i 蓬路、房星毫灏簿较不翘整豹热线。利膘基予图段的算法对其遴行囊动识黑4 和矢爨化， 势不合适。 大体步骤为：( 1 ) 图豫镳鹞，周游程链表示图形；( 2 ) 提取节点域；( 3 ) 瘦节点确定矢量 线段；( 4 ) 幽矢量线段依照拓扑差恭熬建图形。 在整体识别自女# 提f ，霄人提滋了默缒形或撵彤为单元“，将圈纸阉像转讫成以矩形块 或梯彤块为结点、以块与块之间的几何邻按关系为边的条块图，然后对节点进行分类识别。 这些矩形块或梯形块是在扫攒过程中按照一定的规则，由菪予扫描审组合戒的。这种方法适 大连蓬工人学颈士学链论文 弼予疆委l 线蹬，是针对工程辫纸设磊韵。两g i s 道路中静逮图翡道，建筑穆轮鬻著不燎蕊茭l 的图形，所以不适合采用这种方法。 12 4 与人置譬靛拽术的结念 随着诗算机7 的发展，人工智熊技术在越寒越多的领域锝到了应用。地图矢量化工作也 不例外。已出现了与遗传算法、神经网络相结合的矢量化方法。 ( 1 ) 遗传算法的应用 遗传算法( g e n e t i ca l g o r i t h m s ，c a ) 是基于达尔文进化论自然选择机制的一种搜索算 法。它是一丰申全局搜索的方法，避免了局部搜索技术的许多缺陷，具有自适应性、鲁棒性、 并行性等优点， 文献“”提出了细化辣法与遗传算法的结合。遗传算法应用于后处理工作中的骨架点确定，这 些骨架点甭来连成线划去尽蓬逼近原图段。送实际上就是一个优化问题，遗僚算法可融有效 的产生最优解。这种基于g a 的矢量化算法予以往传统的矢量化算法有着很大的差异。 ( 2 ) 神经网络的应用 神经网络方法的特点是稳健性、并行性、自适应和岛学习性，也适用于地图符号的识别。 僵由于神经黼络本身的限制，其处理闻题的斑模不麓太大，因而还不能用这种方法单独完成 地麟信息的识别。 文献“8 设计j 一个自适应神经网络，将工程图符号的特缸e 矢量输入该 孛经瓣络，实蕊符 号的实现。文献“提出了细化算法与神经网络结合，识别含有交叉线的图纸。图像在经过去 嗓、细亿处撵螽，皎射蓟一个h o p f i e l d 幸串缀阏络上，每一个拂经元对应与一个像素， 率经 元之问的连接权表示为像素问的关系函数。通过使能量函数最小，将交叉线段分开。 1 3 本论文所写的内容 本文在羲蒡究l 分辑了嚣 嚣具有代表牲豹王程图拯缕銎豫矢量化方法魏基戳上，羟缨分辑 了彩色地图图像中图形对象的特点，依据图像处理、小波边缘检测、数学形态学等理论方法 对搿像进行颓处理，然后采翅一季孛嚣囊对象豹矢量纯方法对处理嚣蛇翻豫进行矢量化，并基 于此理论在p c 机上用v c 十十6 0 编穰语言实现了一个自动矢缀化实验系统a u t o v e c t o r 。 图缘颈处理i s 分对r o b 圈缘遴厅分辑：r g b 匿像的灰爱讫；荻麓墨豫的增强；增强嚣 灰鹰图像的边缘检测。其中的小波边缘检测采用的二进小波多尺度的方法，陵方法较普通的 ，i 、波捡溅、c a n n y 舅子检测、s o b e l 葵子捡溅等方法其有明曼骢优点，可以有效的取如地图 中的文字标注等信息，正确的提取出地理对歙的边缘。 孙魏磊；电子地黼地理对象的智能谈日研究与系统实现 矢量化邦分妥鬟了嚣良潜蒙数思想，设诗了图形对象的类继承层次，把组成地图的地理 要素分为线，符专和文本三类。其中线对象又派生出直线、圆弧( 圆) 和曲线三类。根据每 一类图形对象戆几何特 芷，麓接完成浚图缘对象类的矢鬃化。为了准确邀孪亍直线和圆弧的识 别，文中引入了特艇豳段的概念。以特征图段的几何参数和方向为指导跟踪图形对象，实现 了对塞线帮圆弧豹整镑识剔，每一个图形对象竣准确识别以后，& 口删除其独有的栅格数据， 保甓和其它图像对象共有的像素，逐步简化了原始图像，避免识别过程中图像对象之间的干 扰，提；尝i 了矢量囊：搽终的速度。 目前的矢蹩t 研究都是在c a d c a m 领域进行的，本文首次尝试将这种研究进行到有 一定靓律的藩邋彩镪地图，提出的算法经证明具有可行瞧，并周v c 十+ 6 0 编程实现了一实 际试验软件，这在地理信息系统领域脊一定的理论意义和应用价值。 大连理工大学硕士学位论文 2 彩色地图图像预处理 对于任何一个图像处理系统，图像的预处理都是不可或缺的部分。本章列彩色地理图像 进行处理，然后将其转化为次度图像，利用小波分析的方法对灰度图像进行边缘检测，得出 各地理对象的边缘特征。 2 1 小波分析陋2 7 1 2 1 1 小波分析概述 自1 9 8 6 年以来，关于小波分析的理论、方法与应用的研究一直为热门课题。作为一个 数学j ，具，小波变换是对人们熟知的傅立叶变换与短时( 窗1 5 1 ) 傅立叶变换的个重大突破， 为信号分析、图像处理、量子物理及其他非线性科学的研究领域带来革命性的影响，是2 0 世纪公认的最辉煌的科学成就之一。 小波分析的应用研究一开始就是与小波分析的理论研究紧密地结合在一起地，它己在科 技信息领域取得了令人瞩目的成就。由于电子信息是六大高新技术中重要的一个领域，而它 的一个重要的方向就是信号与图像的处理。 本文所述的小波分析在图像的边缘检测方面的应用，其方法依据是m a l l a ts 2 4 , 2 5 1 的结果， 只是在具体的应用上，在有些地方的处理是不一样的。在小波分析应用与图像识别方面，虽 然也可以直接在二维的情形进行图像分解并在二维的情形提耿信号的特征，例如：提取分解 后的各图像的分形维数或计算二维分形指数，或求拓扑维数与局部极大、极小值，但由于 维不可分小波的情形使得计算太复杂，而常用的张量积小波分解依赖于二维图像的坐标系， 而图像的坐标系有时不是”自带的”，而有各种不同的选取方法，这对于识别是非常不利的。因 此，通常的做法是把二维图像映射为一维信号，而对于同一图像的要求有唯“陆，再对一维 信号进行小波分解，并对各分量求分形维数或分形指数等，使之便于图像的识别。 21 2 小波边缘检测的方法 多尺度边缘检测是先磨光原信号，再由磨光信号的一阶或一i 阶导数检测出原信号的剧变 点。 设f ( x ) 是原始信号，o ( x 1 是磨光函数，满足 - l o ( x 陋= 1 ( 21 ) 孙目6 磊：电子地鲻地理对象的智能谖蕊研究鸟系统安现 l i r a 拶f x 一0 z 出 、 7 例如移0 ) 可取& 1 8 s s 函数或俄范b 一榉祭函数。 为了磨光原始信号，运用卷积 ，；黟x ) = f f ( t ) 8 ( x - t ) d t 现在分菇g 对其求一阶导数鄹二除导数，裔 煮，t 丈艄瞰一 骥冀z f 露! 砍羔一 t d t ， t l d l ( 2 + 零 矽。( 善) = 鲁口妒口( 善) = 虿g 3 2 拶( x ) 由式( 2 1 ) ，( 2 2 ) ，爱有 i 妒，( 苫渺：o ，了矽群茗净= o 所默妒7 ( x ) ，妒厝x ) 蹩小波t 媳咖疗( 量) 则 啪) 。嗉嘶) = m 孝) 啪) 等) = 州量) 男p 么，( x ) 关于小波旷扛) ，矽”( x ) 在尺度s 和位鬣x 上的烧范小波变换定义舞 彰，( x ) = ，( x ) = ，t ( s - 媳& - ) = s 昙( ，。毽) ( 2 3 ) 大连理工大学硕士学位论文 w l s ( 垆厂训垆小等卜嘉( m ) ( 2 。) 这样彤( 工) 的局部极值对应f 咿f ( x ) 的零交叉点和，+ 包( x ) 的拐点，则求边缘点就 可只求吲厂( x ) 的局部极值或者f 哆f ( x ) 的零交叉点 图2 1 信号局部极值与零交叉检测 f i g 2 1s i g r l a lp a r t i a le x t r e m e v a l u ea n dz e r oo v e r l a p p i n ge x a m i n a t i o n 如图2 1 ，原信号厂( x ) ，和t 是剧变点，则厂+ b ( x ) 成为了拐点，羔( 厂+ 只) ( z ) 成 0 2 为了局部极值，寿( 厂+ 皖) ( 工) 成了零交叉点e 检测零交叉点或局部极值是类似的方法。厂+ 只o ) 的拐点是其一阶导数绝对值的最大值 或最小值，最大值是剧变点，最小值是缓变点，很容易通过检测l 町，( x ) i 的局部最大求出剧 变点及其吲，( x ) 在该点的值。用二阶导数来区别这两种类型的零交叉点是困难的，但是经 孙刚磊：电子地图地理对象的智能识别研究与系统实现 过筛选还是比较容易找出剧变点的。m a l l a t 2 3 。叼等人指出，使用平滑函数的一阶导数的极值 检测优于使用其二阶导数的零交叉点检测。 把边缘检测推广到二维。畔1 设磨光函数臼( 石，y ) 满足 慷：曰( 工，y 坶d y = l ，。l i mo ( 训) = 0 设厂( x ，y ) r ( r 2 ) ，则 厂只( 训) = 且：f ( x - u , y v ) 只( 刚) d u d v 我们定义两个小波函数y ( z ，y ) ，“( x ，y ) 女i ：i t y 乍，y ) = 昙臼( 础) ，旷( 训) = 言曰( 埘) 令 州础) 毒y 7 ，州础) = 吉y 4 ( 矧 则，( 五y ) 在尺度s 的二维小波变换为 w , t f ( x ，y ) = ，( 五y ) ，哗f ( x ，y ) = 厂 ( 工，y ) 参照式f 2 3 1 ，f 2 4 ) ，可得 f w j f ( x , _ y ) 1 。 l 哗厂( 训) 厂6 杀( 厂+ 刚( 训) 茜( 心) ( 训) = s 弓( 厂，( 一y ) ( 2 5 ) 式中弓( ，+ 只) ( 工，y ) 为( 厂+ b ) ( z ，y ) 的梯度。 因此上式即为，( 五y ) r ( r 2 ) 的小波变换。 在各尺度s 下，小波变换的模为 丝，( w ) = | 时，( 五圳2 + i 哗厂( x ，y ) 1 2 与水平方向的夹角( 对应于图像边缘的法线方向) 为 a , f ( x ，y ) = a r g ( 彬7 f ( x ，y ) + i t 时，图像 像素值记为2 5 5 ( 表示白色) ，否则记为0 ( 表示黑色) ，这样得到的二值图像即为图像的 轮廓( 即图像边缘) 。 具体二维算法可表示为： ( 1 ) 计算小波变换后的模及方向 帆s ( k ，z ) m 2 0 ，i 一2 皿；1 2 0 ，1 ，l ) 4 f ( k ，i ) k = 0 , 1 2 。k ；1 。0 ，1 ，l ( 2 ) 取阀值t 0 m ，厂( 七，) t ；保留，否则去掉 ( 3 ) 找a t ，( 七，z ) 的局部最大模及方向4 f ( k ，) 图2 2 即为使用该方法进行的一个灰度图像边缘检测实例。 由两图比较可以看到，经过检测后所得的边缘图像，飞机的边缘轮廓及其背景还是比较 清晰的。 大连理工大学硕士学位论文 三 = ( i o t ) ( x ，y ) = 尊p ( x + f ，y + 歹) & r ( i ，歹 ( 3 1 】 一u 膨胀： m d ( x ，y ) = ( ，o r ) ( x ，y ) = o r v ( z + ，+ ) r ( f ，) j(32)o iy j 咒稀简苹对称结榆元素( 豳形、方形、菱形) 妻蟊下圈3 1 掰示： - ：i t t 图3 1 儿种对称结构元素 f i g 。3 1s o m es y m m e t r i cs t l u c t u r ee l e m e n t s 孙刚磊：电子地图地理对象的智能识别研究与系统实现 3 。1 腐蚀秘膨胀 腐蚀是一种消除i 如界点，使边界向内部收缩的过稷。可以用来消除小且无意义的物体。 一般意义魏腐镪壤念定义为 e = x b = ( 并，) ，) 1 尽量x ( 3 3 ) 也就是说，由b 对x 腐蚀所产生的二值图像e 悬满足以下条件的点( x ，y ) 的集合：如果 b 的愿点平移到点( x ，y ) ，那么b 将完全包含于x 中。 蟛胀是将与物体撩触的所肖背景点合并至该物体中，使边界向外部扩张的谶程。可以用 来填李 物体中的空洞。一般意义的膨胀概念定义为 d = x q ) b = ( x , y ) l b c 、x o ( 3 4 ) 落就是说，由b 对x 膨胀所产生的二值图像d 是满足戬下条件静点( x ，y ) 的集合：细采 b 的原点平移到点( x ，y ) ，那么它与x 的交集非警。 鬻蚀和膨涨静性震：对偶关系 ( x 嚣) 。；( 善。0 雪)5 ) 融日) 。= ( 爿。o 研( 3 6 ) 镶魏： 艚b 1m b l 阁3 2 腐蚀和膨胀运算 f i g 3 2e r o s i o na n dd i l a t i o n 大连理工大学硕士学位论文 另外，腐蚀和膨胀都可以用平移来说明： x o b = 甚( x ) 6 ( 3 7 ) 朐占= q ( x ) 一6 ( 3 8 ) 0 e d 在实际操作中，用位移的概念，通过计算机实现膨胀和腐蚀运算更为方便。 3 1 2 开运算和闭运算 先腐蚀后膨胀的过程称为开运算。用来消除小物体、在纤细点处分离物体、平滑较大物 体的边界的同时并不明显改变其面积。 z 。b = ( 胸b ) o b( 3 9 ) 先膨胀后腐蚀的过程称为闭运算。用来填充物体内细小空洞、连接邻近物体、平滑其边 界的同时并不明显改变其面积。 肖b = ( 丑o b ) 0 占( 3 1 0 ) 通常，由于噪声的影响，图像在阈值化后所得到边界往往是很不平滑的，物体区域具有 一些噪声孔，背景区域上散布着一些小的噪声物体。连续的开和闭运算可以有效地改善这种 情况。有时需要经过多次腐蚀之后再加上相同次数的膨胀，才可以产生比较好的效果。 例如图3 3 ，开运算，b 作用结果：去掉小刺，但未去掉小桥；b 2 作用结果：有位移。 闭运算，b l 作用结果：去掉小刺，但未去掉小桥；b 2 作用结果：去掉小刺，和小桥。 图3 3 开运算和闭运算 f i g 3 3o p e na n dc l o s e 使用数学形态学的以上基本运算，还可以实现图像处理中的细化和粗化运算，提取图像 的边界和骨架，还可以实现图像的噪音滤除，这些具体的应用在本文的其他章节使用的时候 将给予详细说明。 孙刚磊：电子地图地理对象的智能识别研究与系统实现 3 2b r e s e n h a m 算法 b r e s e n h a m 算法是一种传统的线图像光栅化算法。确定像素最佳逼近直线的过程称为光 栅化( r a s t e r i z a t i o n ) 。 3 2 1b r e s e n h a m 画直线方法 b r e s e n h a m 直线算法以两个整数坐标作为直线的端点，确定一组最能逼近过这两点的直 线的点。 一条直线的斜截式方程为_ y ：m x + b ：竽x + b ，这里x 和缈是增量。它的隐式方程 似 可以表示为：f ( x ，y ) = 匈工一a x y + a x b ，对于点( x ，y ) ，如果满足f ( 工，y ) = o ，则这个 点在这条直线上，如果f ( x ，y ) o ，则这个点 在直线的下方，如下图0 2 。为了讨论方便，我们假定所画的直线的斜率大于。小于1 ，即 o 衄出l ，在这个假定下，算法在x 方向上每递增一个单位，而y 方向上是否递增一 个单位取决于误差e 的符号。所谓误差是直线的实际位置与所选生成点之间的距离( 沿垂直 方向度量) 。 图3 4b r e s e n h a m 算法思想 f i g 3 4t h ei d e ao fb r e s e n h a ma l g o r i t h m 对于从起始点p i ( x ，y ) 开始的直线f ( x ，y ) 卸，下一个点或者为p i + l ( x + 1 ，y ) ，或者为p i + l ( x + 1 ，y + 1 ) ，最终取决于中点m 在直线上f ( x + l ，y + l ，2 ) 是正是负。如果f ( x + l ，y + l 2 ) 值为负， 则下一个点应该为p ，否则为p i + 1 。即： 1 f ( x + l ，_ y + 1 2 ) = 缈( x + 1 ) 一缸( y + 1 2 ) + 止b = a y 一亡血 ( 3 1 1 ) 因为我们只关注该式的符号，所以令d = 2 a y 一血。这里称作d 为决定变量，因为d 的值可以帮助我们判断下一个点为p i + l ( x + 1 ，y ) 还是p i ，l ( x + l ，y + 1 ) 。对于接下来的其他的点的 大连理工大学硕士学位论文 判断，我们可以计算f 的值作为判断的依据，但是很繁琐。b r e s e n h a m 算法用了增量计算的 方法。不是在每一点处都计算f 的值，而只是计算新点相对于前一点决定变量的差值。 如果选择p i + 1 ( x + 1 ，y ) 为下一点，则下一次判断d 时，增量为： 11 f ( x + 2 ，y + ) 一f ( x + 1 ，y + 亡) = ( 3 1 2 ) 二 如果选择p i + l ( x + 1 ，y + 1 ) 为下一点，则下一次判断d 时，增量值为： 11 f ( x + 2 ，y + 二) 一f ( x + 1 ，y + 习= 缈一血 ( 3 1 3 ) 上 对于其他象限的情况同理。 3 2 2b r e s e n h a m 画圆方法 根据圆的对称性，我们只要能够生成一个八分圆，那么其它部分就可通过一系列的反射 变换得到。现在考虑以坐标原点为中心，半径为整数的圆x 2 + y2 = r 2 的生成。我们假定以 点x = 0 ，y = r 为起点按顺时针方向生成第- - , 分圆( 4 5 。到9 0 。之间) 。为了最佳逼近该 圆，对于下一点只有两种可能的选择，即右方像素和右下角像素，这种情况下，决定变量d 为d = 3 - - 2 r 。 如果d 0 ，选择右下方向像素，d 的增量为4 ( x y ) + 1 0 ，如果d 0 ，则选择右方像素， d 的增量为4 x + 6 。 3 3 噪音滤除 噪音滤除时工程图纸自动输入预处理的一个重要环节。图纸经过扫描仪扫描并经二值化 处理形成二值图像时，有图扫描过程的非理想性以及原有图纸质量欠佳等因素，会引入各种 噪声成分： 孤立噪声：图纸背景中的孤立点，斑点，污点或麻点，其主要来源是图纸背景不干净引 起的。 毛刺噪声：图纸中线段边沿本不应有的小毛刺。 空洞、缺隙噪声：图纸中线段内部出现的小洞或边沿出现的缺口。 断裂噪声：图纸中个别线段出现的轻微的断裂。 这些噪声若不设法滤除，会影响后续的细化，矢量化处理等环节的处理效果和正确性。 用数学形态学中的丌运算可以滤除毛刺噪声和孤立噪声，闭运算可以填充二值图像的空洞、 缺隙和断裂噪声，经过开闭运算处理后，这些噪声可以基本滤除。一般来说，开闭运算的处 孙剐磊：电子地图地理对象的智能识别研究与系统实现 理颞摩无关紧簧，但是奇一 孛特殊情况，这这犟中情况下，某一小块局部区域单纯从大小米说， 既可以被认为含有毛刺噪声，也可以被认为含有缺隙噪声，而且两种噪声只要种被滤除， 另一辩也会随着消失，若先逃覃亍开运算，则该小区域会被当佟噪声滤除掉，从两引起线段豹 断裂。因此，一般说先进行闭运算，樽进行开运算。 圈纸经过二值化处理后，有些地方的线段变得很绷，当某蝗线段的宽度小于结构元素的 几何尺寸时，j 于其进行开运算，就会把线段这几处较纲的部分灏作嗓声滤除掉丽使线段断裂， 影响后面的细化、矢嶷化处理环节。为了解决这一问越，本文提出了一种把数学形态学开闭 运算、连通饿检查和逻辑运算相结合的改进的复合数学形态学滤波算法。 3 。3 i 基本悬想 由于开邀算在滤除孤立嗓声和毛刺噪声外，也开掉了线段中比较细的成分。本文中的算 法懋想是将嚣运霎嚣滤狳莓静艨毒或分与矛运筹褥至l 瓣图像逆行一下连逶牲斡判叛，麴暴荛 线段涟通成分，则以遥当的方式放回到原线段中去，以达到滤除嗓音而又不破坏线段避通性 豹鐾瓣。 遮里我们称开运算得到的图像为“开得图像”，歼运算去除的部分称为“汗掉图像”。 对予3 x 3 懿开运冀，开搀魏强攮是强像孛宽发枣子3 个像素静小块豹送域。这些开撼强豫 成分可能是噪声，也w 能是原有图像线段的谶接成分。通过对这些细分区域逐块检查，若被 检查豹区域弱辩与开褥图像中载嚣个以上匏嚣壤或一个区域两处叹上绝方楣遗，墨g 认为该区 域不是噪声，而是线段的连接部分。枪测出的连接成分经膨胀处理后黧新放回到开得图像中 去。 3 3 2 算法步骤 详细算法冒謦表遮戈： 七= ( ，b ，) b ； ( 3 1 4 ) 厶= l 。u ( t 。o ( i 。一s o o ) ) o b ：( 3 1 5 ) 箕中i 为雅始嚣像，珐为适当尺寸翡结李弩元素，b 2 荧3x3 魏方形结椽元紧。算法框圈 如图3 5 所示： 大连理工大学硕士学位论文 图3 5 噪声滤除算法框图 f i g 3 5n o i s ed e l e t i o na l g o r i t h m 算法说明：原始图像i 经以b l 为结构元素的闭运算后得i c ；i c 经同样得结构元素开运算 后得到图像i c o ，这里称之为开得图像，把i c 与k 做减法运算得另一幅图像i n ( = i c o - i c o ) ， 称之为开掉图像，开得图像i c o 与开掉图像i n 经提取连接成分处理( 记为i c o i n ) 后从i n 中 提取属于i c o 中线段连接成分的区域组成另一图像b 屺，为使i n c 中的细的连接成分加粗到正 常宽度，可对其作3 x 3 膨胀运算，然后再与i c o 作逻辑或运算得到最终结果图像i r 。 下面对提取连接成分处理步骤再作一下介绍。i c o 以及由i c - i c o 得到的i n 是由若干区域 构成的，记每块区域为r ，则： t 。= v r ( r - 为有用的相对交大的区域) ( 3 1 6 ) i = y r f ( r 为细小区域) ( 3 1 7 ) 对i n 的每块区域r i 逐块检查，看其是否同 c o 中的任何两块以上区域或一块区域的两处 以上地方相连接；若是，则认为其是i c o 中的连接成分，不