（控制理论与控制工程专业论文）电子地图中地理对象的智能识别研究(2).pdf

电子地圜甲地理对象的智能识别研究 摘要 地理信息的提取和识别是建立地理信息系统的基础，获取地理信息的途径之一就是 扫描地图的自动矢量化。本文在分析和讨论了目前有代表性的扫描地图矢量化方法的基 础上，模拟人类渎图的方式，从地图的整体结构出发，根据组成地图的主要图形对象的 特点，提出了一种有效的面向对象的直接矢量化方法，并以此为指导在v i s u a lc + 十6 0 环 境下实现了一个扫描地图自动矢量化系统。 本文采用面向对象的思想，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，保留和其它图形对象共有的象素，逐步简化了原始图像，避免识别过程中 图形对象之间的相互干扰，提高了矢量化操作的速度。此外，本文利用数学形态学的运 算，对已经矢量化的图像做再次的矢量化处理，极大提高了识别精度。 目前的矢量化研究都是在c a d c a m 领域进行的，本文提出的算法是根据地理信息 系统的要求设计的，并实现了- b ：g i s 软件m a p i n f o 的接口，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 ) ；面向对象；矢量化：特征图段；二次矢量化 电子地倒中地理对象的智能识别研究 a b s t r a c t o b t a i n i n g a n dr e c o g n i z i n g g e o g r a p h i c i n f o r m a t i o ni st h ef o u n d a t i o no fg e o g r a p h i c i n f o r m a t i o ns y s t e m ( g i s ) e x i s t i n gv e c t o r i z a t i o nm e t h o d su s u a l l yt a k eat w o p h a s ew o r k f l o w ： c o n v e r tar a s t e ri m a g et or a wv e c t o r sa n dr e c o g n i z eg r a p h i co b j e c t sf r o mt h er a wv e c t o r s t h e f i r s t p h a s es e p a r a t e s ag r a p h i co b j e c ti n t os e v e r a lp a r t s ，t h u s ，t h es e c o n dp h a s ef a c e st h e d i f f i c u l t yo fs e a r c h i n g f o ra n dm e r g i n gr a wv e c t o r sb e l o n g i n gt ot h es a m eo b j e c t t h e s e o p e r a t i o n ss l o wd o w n v e c t o r i z a t i o na n dd e g r a d et h er e c o g n i t i o nq u a l i t y i m i t a t i n gt h ew a yo f w h i c hh u m a n sr e a dm a p st h i sp a p e ri n t r o d u c e st h ec o m p l e t ec o n c e p to fd i r e c to b j e c t - o r i e n t e d v e c t o r i z a t i o n a na u t o m a t i cv e c t o r i z a t i o ns y s t e mu s i n gt h i sm e t h o di sa l s oe s t a b l i s h e do nt h e v i s u a lc + + 6 0e n v i r o n m e n t t h ei d e ao fo b j e c t o r i e n t e di si n t r o d u c e di nt h i sp a p e r , t h eg e o g r a p h i ce l e m e n t si nt h e m 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 a r , a r c ( c i r c l e ) a n d c u r v e t h i sm e t h o dr e c o g n i z e se a c hc l a s so f g r a p h i co b j e c t sf r o m t h 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 co 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 r a n da r co b j e c t sa 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 t r i c a l p 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 s t oe l i m i n a t et h e i ri 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 mu s i n gt h e m e t h o ds h o w st h es i g n i f i c a n ti m p r o v e m e n t i ns p e e da n d r e c o g n i t i o nq u a l i t y a tp r e s e n tt h er e s e a r c ha b o u tv e c t o r i z a t i o ni s ，m a i n l ya m o n gt h ec a d c a i v t t h em e t h o d d e s i g n e di nt h i sp a p e r r e a l i z e st h ei n t e r f a c ew i t hm a p i n f o ag i ss o f t w a r e t h i sp a p e rs a t i s f i e s t h ed e m a n do fg i s k e y w o r d s ：g e o g r a p h icin f o r m a tio rs y s t e m ( gis ) ：o b j e c t o rie n t e d ：v e c t o r iz a tio r i c h a r a c t e rs e g m e n t ：r e v e c t o r iz a tio n 皇三垫望! 丝墨墅墨塑堡堂望型竺壅 0 前言 地理信息系统( g i 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 ) 作为信息科学和信息产业的重要 组成部分受到世界各国的普遍重视，并在近几年得到了快速的发展。地理数据是地理信 息系统建立和应用的基础。传统的地图手扶跟踪数字化方法有速度慢、精度低、可靠性 差、自动化程度低和人力资源浪费等缺点，远远不能满足地理信息系统发展的需要。从 地图扫描图像上识别和提取数字地理信息是一项正在发展之中的新技术，为地图数字化 开辟了新的途径，对促进地理信息系统的建立和应用具有十分重要的意义。 地图信息的识别与提取技术涉及计算机、模式识别、数字图像处理、人工智能、计 算机视觉、地理学等多个学科。地图信息的识别和提取技术主要解决地图上各种地理要 素空间数据的获取问题。近些年来，国内外有关学者在这一领域进行了广泛而深入的研 究，而且随着各相关学科的发展，各种新方法和新工具不断被引入到这项技术中，业已 取得一定的成就，推动了地图信息识别与提取技术的发展。目前已有的地图信息识别与 提取方法有基于细化的矢量化方法、基于轮廓线的方法、基于游码的方法、稀疏象素法 等算法。数学形态学方法以及基于人工智能技术的方法也开始应用在地图信息的识别中。 这些方法具有各自的特点、性能和适用对象。 本文在参考目前已有的矢量化算法 1 j 的基础上，对原有的细化算法进行了改进。由 于传统矢量化算法都是栅格点链矢量的识别步骤，在提取点链过程中受图形相 交的影响，点链容易发生畸变，给后续处理带来了困难，且识别结果不精确。为了简化 对图形交叉情况的分析和处理，本文提出了一种面向对象直接矢量化的地理信息识别方 法。通过模拟人类读图的方式，分析组成地图的各种图形对象，文中设计了一个图形对 象类的继承关系，分别为每一类图形对象设计了识别算法，直接在原始图像基础上识别 出每一个图形对象，即栅格矢量的识别步骤。为了不影响其它图形对象的识别，图 形对象被识别后就从栅格图像中删除，栅格图像被逐步的简化，降低了图像识别的复杂 度，以此算法设计的实验系统对地图的识别取得了很好的效果。 本文内容分为六章：第一章简要介绍了地理信息提取与识别技术和矢量化方法的现 状。第二章介绍了图像预处理的有关方法，简要介绍了文中用到的数学形态学方法和 b r e s e n h a m 算法。第三章详细介绍了面向对象的直接矢量化方法。第四章介绍了一种提 高矢量化精度的二次矢量化算法。第五章介绍了试验系统的功能和总体结构。第六章对 所作的工作进行总结，并对地图信息识别的发展做出展望。 皇三丝里主垫型翌鍪塑塑墼望型竺壅 1 地图信息提取和识别技术 1 1 地理信息系统( g i s ) 简介 地理信息系统( g e o g r a p h i c i n f o r m a t i o ns y s t e m ) ，简称g i s ，是在计算机的软硬件支持 下，以图文并茂、可视、快捷的方式，进行地理信息的采集、存储、管理、检索、分析 和显示的系统，是人们对地理实体进行抽象和建模的有力工具。 地理信息系统由数据库和地理信息管理系统组成，在g i s 系统数据库中有两类信息： 第一类是反映事物地理空间位置的信息，称为空间数据，也常称地理数据或者图形数据： 第二类是与事物的属性有关，反映事物其他特征的信息，称为属性数据或非图形数据。 电子地图是获取空间数据和属性数据的重要数据源。 1 2 问题的提出和意义 1 2 1 传统地图和电子地图 地图广泛应用于城市建设、国防建设以及科学研究的许多部门和领域，而且经过多 年的发展和应用，这些部门业已各自积存了庞大数量的图纸。这种传统的信息表达方式 存在诸多缺陷： 1 ) 数据更新不便，特别是如今城市发展日新月异，地图更新的时间越来越快，如 果只使用纸制地图，无疑会造成资源的巨大浪费； 2 ) 不便于存储管理和分类，由于图纸在使用过程中的磨损，会造成有关信息的丢 失，处理空间数据的能力有限： 3 ) 不便于分析总结，无法快速提取相关信息，无助于根据地图信息做出准确的决 策。 随着信息技术的发展，一种新型的地图电子地图已经出现。电子地图具有对地 图进行无极缩放、漫游、地名地物查询、定位、用户自行标志新目标等传统地图不具备 的优越性能，而且更新修改容易，因此电子地图的应用越来越广泛。 目前，创建电子地图的主要途径是利用传统地图，通过扫摘仪等数字化设备得到。 由于传统地图由扫描仪扫描后得到的新的地图是以栅格数据形式存储的，由栅格数据格 式转换到矢量数据格式就是本文所提到的地图信息的提取和识别，即地图矢量化。 1 2 2 栅格数据和矢量数据格式 很多大型的应用程序都有自己的图像编辑系统，定义一种结构合适、操作方便的图 像结构是很重要的。计算机存储和管理数据的效率，在很大程度上取决数据组织方式的 优劣。图像格式各种各样，总体来说大致有两种：一种是位映象图像，也就是前面述及 的栅格格式，简称位图，例如b m p 、p c x 、t i f f 、g i f 等格式的图像。另一种是矢量图 像，也称矢量图形，例如d x f ，m i f 、p l t 、e p s 等格式的图像。g i s 系统软件支持的 主要空间数据结构有矢量数据结构和栅格数据结构两种形式。 1 栅格数据 栅格数据格式是以象素为单位描述图像。栅格图像是指在空间和亮度上部已经离散 化了的图像。我们可以把一幅栅格图像考虑为一个矩阵，矩阵中的任一元素对应于图像 电子地幽中地埋对象的智能识别研究 中的个点，而相应的值对应于该点的灰度级，数字矩阵中的元素叫做像素。如果所有 的像素有且仅有两个灰度级( 黑或白) ，则称其为二值图像，也即位图；否者称其为灰度 图像或彩色图像。 地图经扫描仪扫描后，初步保存为栅格图像( 常见的格式有t i f f 、b m p 、p c x 、j p e g 等) 。栅格数据表示的图像细腻逼真，它与制图图体的空间分布特征有个简单、直观而严 格的对应关系，便于处理面状数据，进行空间分析，便于描述边界复杂和模糊的事物。 栅格图像在地理应用领域有着这样的缺陷：首先，栅格图像文件对图像每一像素点 ( 不管前景或背景像素) 都要保存，所以其存储开销特别大。另外，我们不能对图像上 的任对象( 曲线、文字或符号) 进行属性修改、拷贝、移动及删除等图形编辑操作， 更不能进行拓扑求解，只能对某个矩形区域内的所有像素同时进行图像编辑操作。此外， 当图像进行放大或缩小显示时，图像信息会发生失真。 2 矢量数据 矢量数据是以图形元素为单位描述，统一的单元是点，线和多边形。矢量对象是以 矢量的形式，即用方向和大小来综合表示目标的形式描述的对象。例如画面上的一段直 线，个矩形，一个点，一个圆，一个填充的封闭区域等等。矢量图形文件就是由 这些矢量对象组合而成的描述性文件。矢量图形则是计算机软件通过一定算法，将矢量 对象的描述信息在显示终端上重绘的结果。 矢量数据结构是人们最熟悉的图形表达方式，对于线画地图来说，用矢量数据来记 录往往比栅格数据节省存储空间。矢量格式有很大的灵活性，图形的缩放旋转容易。矢 量结构有助于网格分析，空间位置精度高。 矢量数据也有一定的局限性。例如数据结构复杂，数学模拟困难，不利于实现空间 信息和描述边界复杂模糊的事物，不能直接处理数字图像信息。 1 2 3 地图矢量化的意义 在地理信息系统发展早期，最初引用的是矢量处理技术，栅格数据处理始于2 0 世纪 7 0 年代中期。几年前，这两种数据结构势不两立，很难兼容，因此给数据处理和利用带 来许多不便。近年来，人们越来越清晰的认识到：栅格数据和矢量数据都有其优势和局 限，因此，两种数据的选择是有效利用g i s 的一个关键，两种数据格式的转换，提高地 理信息系统软件的通用性也提到日程。 目前，g i s 的开发者和使用者都在积极研究这两种数据结构的相互转换技术，而且 已开发出栅格数据结构和矢量数据结构相互转换的软件。矢量到栅格的转换是简单的， 有很多程序可以完成这一转换，而且有许多显示屏幕中可以自动完成转换工作。栅格到 矢量的转换我们称为图像的矢量化，概念虽然很容易理解，但具体算法要复杂的多，是 学术界研究的重点。 计算机自动矢量化技术是一门多学科交叉领域的学科。涉及计算机图像处理，计算 机图形学，模式识别，人工智能等学科，具有重大的理论意义和实用价值 1 3 图像矢量化技术概况 图纸的扫描输入和自动识别技术的研究始于二十世纪七十年代中期，当时限于计算 机技术及扫描输入技术的限制，只局限于电路图等一些简单类型图纸的自动转化输入研 究，近些年来，才发展到比较复杂的地图、机械设计图、建筑设计图等图纸的自动转化 输入的研究。然而，由于图纸自动转换技术的研究在国内外开展的都比较晚；原始图纸 本身的绘制质量问题及使用过程造成的磨损引起的扫描图像噪声污染的存在；以及不同 电子地图中地理对象的智能识别研究 类型的图纸的结构、构成要素、复杂程度均各有特点，使得自动矢量化技术远没有达到 实用化程度，至今尚未形成一个专业领域。 目前市场上的栅格矢量化软件德国s o f t e l e c 公司的v p s t u d i o ，a b l e 公司的r 2 v 等， 其他的矢量化软件还有r a v t e k 公司的c r u c i b l e 。国内的有华中理工大学g i r s 图形智能 识别系统，浙江大学的a d i s y s t e m 图纸自动输入与识别系统，这些软件大多针对特定类 型的图纸设计，在很多情况下识别效果还很不理想，有不少关键技术还未解决或解决得 不好，处理速度也不能令人满意。 但是，在多年的研究和实践中，逐步形成了几种比较有效的矢量化算法“，目前， 矢量化方法主要分为两类，即基于细化的方法 4 1 1 5 t 6 1 ，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1 7 j 、基于游码的方法 8 1 1 9 1 、基于网格模式的方法， 以及基于稀疏象素的方法【l0 1 等。典型的栅格图像的矢量化方法的基本流程如下： 1 ) 采样中心轴点，这是信息简化的核心过程，获得能表征中心轴的重要点。 2 ) 线形跟踪，跟踪中心轴点，从而产生没有矢量的点链。 3 ) 线段逼近，除去点链的非关键点，对剩下的关键点进行连接。 1 3 1 基于细化的方法 细化( t h i n n i n g ) 【4 】 5 】 6 i 是一种简化图像的方法，在图像处理和模式识别中得到了广泛的 研究。所谓细化就是将线条的宽度减少到只有一个象黍，仅剩下能表征其特征的骨架。 细化处理的原则是： 1 ) 细化要取原图像的中心线，即细化过程是对称的。 2 ) 细化不改变原图像的连通性。 3 ) 细化要保持原图像的基本特征。比如细化后的线条不能变短，拐角不能断开或者 出现多余分支等。 细化算法运用不断收缩线体轮廓( 即去除线体的外层象素) 的思想。其核心过程就 是在图像上移动个窗口，并运用一套规则来表示窗口的中心。每完成一次扫描，就删 除掉所有的标识点。重复进行扫描，直到没有再多的点可以被删除。例如，n a c c a c h e 和 s h i n g h a l 运用一个3 3 的窗口，如图1 3 1 ，采用如下标识规则，对其中心点进行表示， 如果下面的规则都能够被满足1 4 j ，那么点p 就被标识删除。 f f 同 卜f h | p 4i 9 l p 0 l e 矗吲 ij【】一 幽1 3 13 3 矩阵窗口 f i g 13 1m e t r i c sw i n d o w o f 3 3 1 ) p 的4 邻域，即p 0 ，p 2 ，p 4 ，p 6 中必须至少有个象素是自的，也就是说p 是一个边 界点。 2 ) p 的8 邻域的象素中至少有两个象素是黑的，也就是说p 不是一个结束点。对于 p ，他的黑的8 邻域中，必须至少没有一个做过标识。 3 ) p 一定不是一个断点。 4 ) 如果p 2 做了标识，在设置p 2 为白的情况下，一定不能使p 是一个断点。 如果p 4 做了标识，在设置p 2 为白的情况下，一定不能使p 是一个断点。由于重复 细化的作用，使得边界重复细化的方法在形状类似y 和t 的交叉处容易发生变形。为了 4 电了地图中地理对象的智能识别岍究 克服这一缺点，研究人员进一步提出了调整边界重复细化的技术，该项技术主要包括调 整标识规则以及改变窗口的尺寸等。 基于细化的方法的主要优点是能够保持线段的连续性，最主要的缺点是有很高的时 间复杂度，丢失线宽信息，在交叉点区域容易产生变形以及错误的分支。虽然他们可以 用于线形图纸的矢量化，但主要还是用于图像尺寸小且线宽信息不重要的o c r 领域。 在处理技术图纸以及在地图学应用中，当地图包含直线，圆以及基于这些基萃元素时， 也常常使用基于细化的方法。 1 3 2 基于轮廓线的方法 在基于非细化的方法中，基于轮廓线( c o n t o u rb a s e d ) l j 勺方法 _ 7 】在早期很流行，图像的 轮廓是表述图像的有用信息，这类方法利用图像轮廓记性识别处理，它的基本步骤是： 1 ) 抽取图像轮廓并进行矢量化； 2 ) 匹配轮廓对，提取骨架； 3 ) 搜索轮廓对，判别交叉点，确定骨架的拓扑关系，重建图形。 识别过程可用以下图l _ 3 2 说明： 一 原图轮霹雷骨架图识别结果 图1 3 2 轮廓匹配法示意图 f i g1 3 2f i g u r ef o rc o n t o u r b a s ev e c t o f i z a t i o n 轮廓匹配法处理的对象是单象素宽的轮廓，其矢量化也采用细化骨架的矢量化处理 类似的方法。相比之下，轮廓比细化后的骨架所包含的信息要更丰富些。但轮廓线上的 噪声e e 骨架上的大，其特征提取和分析相对困难些。 1 3 3 基于游程编码的方法 基于游程编码( ml e n g t he n c o d i n g ) 的方法1 8 1 的过程是先对图像进行处理，形成域的表 示及其邻接图，再在后续矢量化处理过程中，以域结构作为处理的基本单元，提取图像 所描述图形的拓扑信息与几何信息实现图像信息到矢量图形信息的转换。 图1 3 3 基于游程编码算法流程圈 f i g1 3 3f l o w c h a r tf o rr t l nl e n g t he n c o d i n gv e c t o r i z a t i o a 此类算法由于是以域结构为基本处理单元，较之以象素为处理单元的算法减少了大 量数据，抗干扰性明显增强，而且具有整体性、关联性，为从宏观上把握整个图像的拓 扑结构提供了便利。但是在游码图形显示的过程中，由于不能精确的对交叉点进行定位， 所以容易产生噪音和引起交叉区域的变形。 1 3 4 基于稀疏象素矢量化算法 稀疏象紊矢量化方法【i o j 的过程如下 电于地l 垫l 中地理对象的智能识别研究 1 ) 找到一个稳定的中心轴的起始点以及跟踪方向，起始点要不受图像噪音和图像 不精确性的影响。 2 ) 选定跟踪步长，沿其跟踪方向进行跟踪，并记录中心轴点和宽度游码信息。 3 ) 从表示中心轴的这些点链中，选出能反映原始图像的关键点，去掉那些不重要 的冗余点。这样既能正确反映图像的原貌，又能减少内存的占用。 稀疏象素跟踪过程的结果是可以近似表达黑色区域中心轴的点链。在点链当中，由 于一部分点位于临近点的连接线段上或者时逼近了这个连接线段，从而可以认为这一部 分点时多余的，应该从点链中删除这些点。 稀疏象素矢量化能够保存线宽以及精确的中心轴和端点，它不是对图像的所有象素 进行访问，而是访问中一t l , 轴点中所选中的子集，所以矢量化速度很快。它的不足之处是， 虽然能够对交叉区域提供矫正处理，并不是所有的交叉区域都可以得到正确处理。 1 3 5 现有矢量化算法小结 如前所述，目前的地图矢量化处理系统一般采取两个主要步骤：首先将栅格图像转 化为一种矢量格式的过渡形式，如点链，然后根据初步的矢量格式识别图形对象，即栅 格中间矢量格式( 主要为点链) 矢量的转换模式。在矢量化的第一个阶段，一 般要把互相交叉在一起的图形对象分成若干部分，这样在第二个步骤中，就面临组合矢 量图形的任务。这些后处理操作降低了矢量化速度和识别的精度。 1 4 本文对地图识别技术所作的探讨 在分析讨论了当前有代表性的扫描图像矢量化方法的基础上，对于传统的基于细化 的矢量化算法提出了改进：同时，针对地图扫描二值图像的特点和人类读图方式的特点， 提出了一种面向对象的直接矢量化方法。根据图形对象中线和圆弧的特点，分别设计了 针对它们的识别算法。并基于此设计实现了一个试验系统。 1 ) 提出并实现了地图扫描二值图像中线网络的识别算法，它直接从栅格图像识别 线对象，避免了其它算法在相交情况下对线整体的分割，提高了识别的精度。 2 ) 在直线识别基础上提出了圆弧的直接矢量化算法。 3 ) 在识别一个图形对象后立即删除相应象素，提高图像的清晰度，方便了对复杂 图形对象的识别。 4 ) 对原有的矢量化基础上对图像进行二次矢量化算法，消除节点的分裂和偏移现 象，提高了识别的精度。 5 ) 用v i s u a lc + + 6 0 软件开发环境开发了地图扫描图像矢量化系统。该系统主要 功能包括：多种栅格图像的读取和显示：基于图形元素的绘制、选取、删除等：栅格图 像及矢量图像的编辑、移动、缩放。二值图像的处理：如细化，消除噪声，腐蚀和膨胀 等数学形态学运算；二值扫描图像的矢量化；与m a p i n f o 的接口等。 电子地图中地理对象的智能识别研究 2 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缺少的部分。图像预处理过程 是对图像的一个过滤过程，要排除干扰保留需要处理的部分，并过滤掉不需要的部分。 地图经扫描后得到的二值图像，由于扫掐仪精度、图纸质量等因素的影响，扫描过程中 会引入各种噪音成分，如孤立噪声、毛刺噪声以及空洞等。去除噪声是图像预处理的主 要内容。另外对于本文中用到的一些图形基本算法，在本章中也做了介绍，主要有数学 形态学的基本理论和b r e s e n h a m 算法。 2 1 数学形态学基本理论 数学形态学起源于岩相学对岩石结构的定量描述工作，近年来在数字图像处理和机 器视觉领域中得到了广泛的应用，形成了一种独特的数字图像分析方法和理论。它的基 本思想是用具有一定形态的结构元素去量度和提取图像中的对应形状，以达到对图像兮 析和识别的目的。其数学基础和所用语言是集合论。 通常形态学图象处理表现为一种邻域运算形式，种特殊定义的邻域称之为“结构 元素”( s t r u c t u r ee l e m e n t ) ，在每个象素位置上它与二值图象对应的区域进行特定的逻辑 运算，逻辑运算的结果为输出图象的相应象素。形态学运算的效果取决于结构元素的大 小、内容以及逻辑运算的性质。数学形态学的基本运算有四个：腐蚀( e r o s i o n ) ，膨胀 ( d i l a t i o n ) ，开启( 0 p e n ) 和闭合( c l o s e ) 。 给定二值图象i ( x y ) 和作为结构元素的二值模板t 0 , j ) ，则典型的腐蚀与膨胀运算可 表示成： 腐蚀： ， e ( x ，y ) = ( 1 0 r ) ( x ，y ) = 4 凹u ( x + f ，y + j ) & 丁( f ，) j j = u 膨胀： d ( x ，y ) = ( 。7 1 ) ( x ，y ) = 魄【，( x + f ，y + ，) & r ( f ，_ ，) 】 几种简单对称结构元素( 圆形、方形、菱形) 如下图2 1 1 所示 ：+ ： ：专：4-,ib 图2 1 1 儿种对称结构元素 f i g 2 1 1s o m e s y m m e t r i c s t r u c t u r ee l e m e n t s 2 1 1 腐蚀和膨胀 腐蚀是一种消除边界点，使边界向内部收缩的过程。 体。一般意义的腐蚀概念定义为 e = x b = x ，y ) i b 。j , 一 ( 2 1 1 ) r ! l2 1 可以用来消除小且无意义的物 也就是说，由b 对x 腐蚀所产生的二值图象e 是满足以下条件的点( x y ) 的集合：如 电子地图中地理对象的智能识别研究 果b 的原点平移到点( x ，y ) ，那么b 将完全包含于x 中。 膨胀是将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程。可 以用来填补物体中的空洞。一般意义的膨胀概念定义为 d = x ( g b = x ，y ) 1 日。m x 中 ( 2 l4 ) 也就是说，由b 对x 膨胀所产生的二值图象d 是满足以下条件的点( x ，y ) 的集合： 如果b 的原点平移到点( x ，y ) ，那么它与x 的交集非空。 腐蚀和膨胀的性质：对偶关系 ( x o 口) 。= ( x 。o b ) ( x o b ) 。= ( x 。0 固 例如： r 2 ，15 、 f 2 16 、 狮b tx 目b 】 图2 1 ，2 腐蚀和膨胀运算 f i g 2 1 2e r o s i o na n dd i l a t i o n 另外，腐蚀和膨胀都可以用平移来说明： x o b = m ( j ) 6 ( 2 17 ) x o b = q ( ) 一6 ( 2 1 8 ) 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。 2 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。 r 。b = ( x o b ) o b( 2 19 ) 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。 x b = ( ob ) o b f 2 i 1 0 ) 通常，由于噪声的影响，图象在闽值化后所得到边界往往是很不平滑的，物体区域 里王些里! 垫里翌墨塑塑垦塑型竺至 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2 1 3 ，开运算，b l 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 1 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。 x o b l x b j 图2 1 3 开运算和闭运算 f i g 2 1 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。 2 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。确定象素最佳逼近直线的过程称 为光栅化( r a s t e r i z a f i o n ) 。 2 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 = ，眦+ b = 竺x + b ，这里a x 和缈是增量。它的隐式方 衄 程可以表示为：f ( x ，y ) = 缈工一a x ，y + 缸b ，对于点( x y ) ，如果满足f ( x ，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2 2 1 。为了讨论方便，我们假定所画的直线的斜率大于 0 小于l ，即0 缸y 1 ，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) 。 幽2 2 1b r e s e n h a m 算法思想 f i g 2 2 1t h ei d e ao f b r e s e n h a m a l g o r i t h m 9 电子地图中地理对象的智能识别研究 对于从起始点p i ( x ，y ) 开始的直线f ( x ，y ) = o ，下一个点或者为p i + l ( x + l ，y ) ，或者为p i + 1 f x + l ，y + 1 ) ，最终取决与中点m 在直线上f ( x ，y + l 2 ) 是正是负。如果f ( x ，y + l 2 ) 值为负， 则下一个点应该为p i + 【，否则为p 一l 。即： 1 f ( x + 1 ，y + 1 2 ) = a y ( 工+ 1 ) 一缸( y + 1 2 ) + a x b = a y 一姒 ( 2 2 1 ) o 因为我们只关注该式的符号，所以令d = 2 a y a x 。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 ；( x + 1 ，y ) 还是p i + t ( x + i ，y + 1 ) 。但是对于接下来的 其他的点的判断如何那? 虽然我们可以计算f 的值作为判断的依据，但是确很繁琐。 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 + l ( 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 + ) = ( 2 22 ) zz 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： 气1 f ( r + 2 ，y + 詈) 一f ( x + i ，y + 言) = 衄一血 ( 2 2 3 ) zz 对于其他象限的情况同理。 2 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z 2 + y 3 = 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- - k 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，即右方象素和右下角象素，这种情况下， 决定变量d 为d = 3 - - 2 r 。 如果d 0 ，选择右下方向象素，d 的增量为4 ( x y 汁1 0 ，如果d 0 ，则选择右方象 素，d 的增量为4 x + 6 。 2 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颧裂。 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。用数学形态学中的开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， 开闭运算的处理顺序无关紧要，但是有一种特殊情况，这这种情况下，某一小块局部区 域单纯从大小来说，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 种噪声只要一种被滤除，另一种也会随着消失，若先进行开运算，则该小区域会被当作 l o 电了= 地图中地理对象的智能识别研究 噪声滤除掉，从而引起线段的断裂。因此，一般说先进行闭运算，再进行开运算。 图纸经过二值化处理后，有些地方的线段变得很细，当某些线段的宽度小于结构元 素的几何尺寸时，对其进行开运算，就会把线段这几处较细的部分当作噪声滤除掉而使 线段断裂，影响后面的细化、矢量化处理环节。为了解决这一问题，本文提出了一种把 数学形态学开闭运算、连通性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。 2 3 1 基本思想 由于开运算在滤除孤立噪声和毛刺噪声外，也开掉了线段中比较细的成分。本文中 的算法思想是将开运算后滤除掉的所有成分与开运算得到的图像进行一下连通性的判 断，如果为线段连通成分，则以适当的方式放回到原线段中去，以达到滤除噪音而又不 破坏线段连通性的目的。 这晕我们称开运算得到的图像为“开得图像”，开运算去除的部分称为“开掉图像”。 对于3 3 的开运算，开掉的图像是图像中宽度小于3 个象素的小块的区域。这些开掉 图像成分可能是噪声，也可能是原有图像线段的连接成分。通过对这些细分区域逐块检 查，若被检查的区域同时与开得图像中的两个以上的区域或一个区域两处以上地方相连， 则认为该区域不是噪声，而是线段的连接部分。检测出的连接成分经膨胀处理后重新放 回到开得图像中去。 2 3 2 算法步骤 详细算法可以表达为： ，。= ( i b 1 ) b i( 231 ) ，月= ，。u ( t 。 ( ，。一l 。) ) 0 8 2 ( 2 3 2 ) 其中i 为原始图像，b l 为适当尺寸的结构元素，b 2 为3 3 的方形结构元素。算法 框图如图2 3 1 所示： 图2 3 1 噪声滤除算法框图 f i g2 , 3 1n o i s ed e l e t i o na g o r i l h m 算法说明：原始图像i 经以b 1 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i c 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 。i n ) 后从k 中提取属于i c o 中线段连接成分的区域组成另图像i n c ，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 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： m ，。= u r ，( r 为有用的相对交大的区域)f 2 3 f 3 1 屯子地型中地理对象的智能识别研宠 o 2 9 r ， r 为细小区域) ( 2 34 ) 对1 w 的每块区域r 逐块检查，看其是否同i 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，不是噪声，且记其为， 由组成连接成分图像i n f ： r k = 七d 0 ，= v ( 符号0 表示提取连接成分运算)f 2 3 5 ) 应用这种复合滤波算法，不仅能达到去除噪声的效果，而且不会破坏图纸的结构成 分和线段的连通性。在试验系统中取得了很好的效果。 电子地图中地理对象的智能识别研究 3 基于面向对象的图形矢量化 通过模拟人类读图的方式，本章提出了一个面向对象的直接矢量化方法，该算法直 接从原始的栅格图像中识别图形对象，没有任何中间过程。为了不影响其它图形对象的 识别，图形对象一旦被识别后就从栅格图像中删除，随着栅格图像被逐步的简化，矢量 化过程也越来越清晰，识别也更加容易。 31 现有的矢量化算法总结 在本文的第一部分，已经介绍了目前地图包括工程图的矢量化所使用的一些算法及 它们的大致过程。总结这些矢量化算法，它们都有一个共同特点，即这些矢量化算法都 是把从栅格图像到矢量图像的转换分为了两个步骤。首先，输入的栅格图像被转化为一 种初步的矢量表示，例如细化算法中的骨架线，轮廓匹配的中轴线等，主要是以点链的 形式表示。第二个步骤，初步的矢量格式被分析和重构得到图像的矢量对象，包括直线， 圆弧等等。本文中把这一类的矢量化算法称为间接矢量化。一个典型的间接矢量化算法 模型如下图3 1 1 所示： 输入栅格图像 山 l步骤l ：提取骨架或中轴线 ， f得到初步的矢量表示 山 i 步骤2 ：基于矢量的图形对象 上 得到矢量化图形 蕊黝橱格酉德 一初步矢量线段 图3 1 1 间接矢量化图3 1 2 图形对象相接情况的识别 f i g3 1 i i n d i r e c t v e e t o r i z a t i o n f i g3 1 2 v e c t o r i z a t i o n f o r t o u c h i n go b j e c t s 间接矢量化算法成功的把对象素的跟踪和图形对象的识别分开，但是同时它也引起 了一些不足。 首先在交叉点处的变形是所有细化和非细化矢量化算法需要处理的难点。一条与其 他图形对象相交的直线被分为若干个线段，需要在第二个阶段查找这些线段并且合并成 一个图形对象。由于基于矢量的图形对象识别并不关心交叉处的象素变形情况，导致一 些断开的直线对象得不到合并。由此导致了矢量化过程中的一些错误，并且第二个步骤 中对变形的处理是矢量化的速度和精确度下降。 第二个不足是间接矢量化算法不能处理相接的图形对象。如图3 ，1 2 所示，一条平行 直线和一个u 形