地图影像的几何纠正与识别学习教案

1、会计学1地图影像的几何纠正地图影像的几何纠正(jizhng)与识别与识别第一页，共49页。第1页/共48页第二页，共49页。第2页/共48页第三页，共49页。第3页/共48页第四页，共49页。第4页/共48页第五页，共49页。v 减小几何减小几何(j h)(j h)变形变形v 地理地理(dl)(dl)编码编码第5页/共48页第六页，共49页。 四点定向四点定向(dn xin)第6页/共48页第七页，共49页。 假定上下图廓边变形假定上下图廓边变形(bin xng)相同，左右图廓边变形相同，左右图廓边变形(bin xng)也相同也相同第7页/共48页第八页，共49页。 多项式模型多项式模型(mx

2、ng)(mxng) 线线 性性 变变 换换第8页/共48页第九页，共49页。第9页/共48页第十页，共49页。 雷震提出雷震提出(t ch)(t ch)对每一公里格网块采用仿对每一公里格网块采用仿射变换进行纠正射变换进行纠正 张继贤、林宗坚、洪刚提出分格网采用双线性变换张继贤、林宗坚、洪刚提出分格网采用双线性变换模型模型(mxng)(mxng)进行纠正进行纠正 韩晶，司连法，陈成永韩晶，司连法，陈成永 等提出三角网分块纠正等提出三角网分块纠正 遥感影像局部自适应纠正遥感影像局部自适应纠正第10页/共48页第十一页，共49页。v 在分块过程(guchng)中没有考虑栅格影像的变形特征第11页/共

3、48页第十二页，共49页。（1 1）、选取影像纠正的控制点，以大比例尺地形图为例，选择）、选取影像纠正的控制点，以大比例尺地形图为例，选择(xunz)(xunz)图廓角点和公里格网线的交点作为控制点，这些点的地理坐图廓角点和公里格网线的交点作为控制点，这些点的地理坐标已知，需要精确量测出影像坐标。标已知，需要精确量测出影像坐标。（2 2）、采用仿射变换数学模型，把控制点中的影像坐标当作观测值）、采用仿射变换数学模型，把控制点中的影像坐标当作观测值，建立误差方程式，按最小二乘原理，建立误差方程式，按最小二乘原理(yunl)(yunl)进行平差计算，解算出进行平差计算，解算出仿射变换的参数，得出变

4、换公式。仿射变换的参数，得出变换公式。（3 3）、利用变换公式，计算出各控制点的变形矢量，利用向量场）、利用变换公式，计算出各控制点的变形矢量，利用向量场可视化方法中的箭头表示法，绘制出变形矢量图可视化方法中的箭头表示法，绘制出变形矢量图, ,其中箭头表示变其中箭头表示变形方向，长短表示变形的大小。形方向，长短表示变形的大小。（5 5）、在平面影像坐标基础上，把变形值）、在平面影像坐标基础上，把变形值D D作为第三维坐标，利用二维数作为第三维坐标，利用二维数据场可视化方法中所述的立体图法，采用据场可视化方法中所述的立体图法，采用UnigraphicsUnigraphics绘制影像变形的三维绘制

5、影像变形的三维效果图效果图第12页/共48页第十三页，共49页。第13页/共48页第十四页，共49页。变形变形(bin xng)等值等值线图线图第14页/共48页第十五页，共49页。第15页/共48页第十六页，共49页。第16页/共48页第十七页，共49页。l唯一性唯一性l空外接圆性质空外接圆性质l最大的最小角性质最大的最小角性质第17页/共48页第十八页，共49页。判断判断(pndun)点是否重要点是否重要终止判断终止判断(pndun)条件条件VIP法选择性构网的两个关键步骤第18页/共48页第十九页，共49页。第19页/共48页第二十页，共49页。顾及变形特征的Delaunay三角网构网方

6、法(fngf)（步骤） 在两个三角形中分别寻找备选(bi xun)扩展点。 在每个三角形的备选扩展点中寻找在每个三角形的备选扩展点中寻找VipVip点点 在两个三角形内部搜索在两个三角形内部搜索VIPVIP点点5 5，6 6后，根据空圆法则重新构建后，根据空圆法则重新构建DelaunayDelaunay三角三角网网 继续在所形成的每个三角形中寻找继续在所形成的每个三角形中寻找 大于阈值的最大大于阈值的最大值点，然后根据空圆法则重新构建值点，然后根据空圆法则重新构建DelaunayDelaunay三角网三角网 第20页/共48页第二十一页，共49页。NOY esNoVIP个数=1 构网结束根据空

7、圆法则重新构建三角网循环YesNo作为VIP点,VIP点的 个数增加1 三角网 搜寻所有格网点位于三角形内计算 值找出误差差值最大的点是否大于域值循环循环Y es顾及变形特征的Delaunay三角网构网方法(fngf)（流程）第21页/共48页第二十二页，共49页。值选定为，即能达到很好的纠正效果第22页/共48页第二十三页，共49页。第23页/共48页第二十四页，共49页。第24页/共48页第二十五页，共49页。纠正(jizhng)后影像三维变形效果图第25页/共48页第二十六页，共49页。第26页/共48页第二十七页，共49页。 人工(rngng)矢量化 自动识别劳动强度(lodng qi

8、nd)大，精度低智能化GIS的发展趋势第27页/共48页第二十八页，共49页。 地图识别：计算机实现人对地图的阅读(yud)和理解，从二维数字扫描图像中自动提取目标的色彩、形状和语义信息，并通过特征信息的处理和分析，完成对不同地图模式的分类决策，自动为智能化GIS提供数据信息。 识别：发现什么识别：发现什么(shn me)东西，在什么东西，在什么(shn me)地方。地方。 地图由符号构成(guchng)，地图影像的识别就是对不同的点、线、面符号要素的识别。第28页/共48页第二十九页，共49页。v 现有的一些商用软件如CASSCAN、GEOSCAN、 MAPGIS等相继开发了扫描(somio

9、)矢量化的功能，并不断完善。v 目前已较成熟的OCR技术及线状符号自动识别最为 成功的分版等高线的自动矢量化。但总的来说，理论研究基本处于尝试阶段，距离实用还相差较远，软件系统大多只能进行线划目标的提取而不能识别或只能识别具有规则几何形状的地物和简单符号，离真正的自动化和智能化还有一段距离。第29页/共48页第三十页，共49页。v 分析(fnx)符号的构图规律v 点状符号(fho)的识别 v 地图识别方法 线划跟踪法 数学形态学法 统计结构法 神经网络法 人工智能法等第30页/共48页第三十一页，共49页。第31页/共48页第三十二页，共49页。基于形状分析的点状符号识别 形状是最主要的视觉变

10、量，对识别影响大。 从输入的待识点阵图形中选择提取描述该符号的形状特征,再根据一定的准则判定该符号所属的类别。 特征的选取原则：较强的分类能力、较高的稳定性和抗干扰性、容易提取，大小、旋转(xunzhun)、平移不变性 利用欧拉数、体态比、密度集、面积、周长等组合特征对点状 符号逐级分类识别 基于傅里叶系数特征识别 采用傅里叶系数表示点状符号的轮廓线，并计算特征不变量（圆形度F1、细长度F2、密集度F3) 第32页/共48页第三十三页，共49页。基于傅里叶系数特征(tzhng)的点状符号识别同一(tngy)符号多次扫描形状特征基本不变第33页/共48页第三十四页，共49页。平移(pn y)不变

11、性基于傅里叶系数(xsh)特征的点状符号识别第34页/共48页第三十五页，共49页。大小(dxio)不变性旋转(xunzhun)不变性基于傅里叶系数特征(tzhng)的点状符号识别第35页/共48页第三十六页，共49页。)(10niiixwfyy为输出，f是作用函数，xi是神经元接收到的信息，为内部(nib)阈值,i为连接强度，称之为权。 能识别带有噪声或变形的输入模式，有很强的自适应学习能力和自组织能力，并且识别速度快。常用的有 Hopfield网络、BP网络等。 对于给定的符号样本，根据一定的学习规则学习，求出权重。识别时，给待识符号一个对应的网络初始状态，神经网络按照运行规则作动态运行，

12、直至到达一个吸引子，若此吸引子是网络中存贮的样本符号，待识符号被识别。第36页/共48页第三十七页，共49页。对网络进行训练，使其记住(j zh)以上8个样本符号输入的带噪声(zoshng)的符号的联想识别，通过神经网络的重复反馈，最终输出正确结果。第37页/共48页第三十八页，共49页。目前，线状符号识别(shbi)一般采用的方法为线划跟踪法和数学形态学法及其联合运用。第38页/共48页第三十九页，共49页。采用(ciyng)线划跟踪法跟踪骨架线，自动搜索和跨越断点，个别交叉情况人工干预。第39页/共48页第四十页，共49页。 举例 房屋(fngw)、陡坎的识别第40页/共48页第四十一页，

13、共49页。人工输入编码信息，计算机根据以下几种引导(yndo)方式选择不同的识别算法。 如选择点方式引导，任给多边形内一点，以此点为中心，采用螺旋式方式搜索多边形上的点，得到房屋轮廓的矢量串。 计算机充分利用闭合多边形的结构特征，在给定阈值内自动连接断点，然后(rnhu)通过多边形拟合检测角点及直角化处理。第41页/共48页第四十二页，共49页。用栅格跟踪提取基元线段，在矢量方式下计算(j sun)线段的特征参数，以特征参数为基础进行棱缘线的启发式搜索。特征参数包括线段长度、曲率以及和与之相连的已提取的棱缘线的角度。识别思想：第42页/共48页第四十三页，共49页。示意图第43页/共48页第四十四页，共49页。扫描图扫描图彩色分色彩色分色预处理预处理点状符号识别点状符号识别符号库符号库线状符号识别线状符号识别自动自动人机协同人机协同矢量入库或输出矢量入库或输出图像编辑图像编辑二值化二值化要素分离要素分离细化细化定位分割定位分割几何纠正几何纠正第44页/共48页第四十五页，共49页。 图像细化技术 细化是特征提取和线划跟踪(gnzng)的基础，细化时需保留 细线的端点和较短线，尽量避免信息丢失。第45页/共48页第四十六页，共49页。第46页/共48页第四十七页，共49页。第47页/共48页第四十八页，共49页。NoImag