本發(fā)明屬于遙感圖像處理和地圖制圖綜合的技術(shù)領(lǐng)域，涉及一種地理空間數(shù)據(jù)柵格-矢量自動化轉(zhuǎn)換及連續(xù)尺度表達方法，具體涉及一種融合遙感數(shù)據(jù)處理和地圖制圖綜合的地理空間數(shù)據(jù)柵格-矢量自動化轉(zhuǎn)換及連續(xù)尺度表達方法。

背景技術(shù)：

地理空間數(shù)據(jù)的多尺度表達是攝影測量與遙感領(lǐng)域和地圖學(xué)與地理信息系統(tǒng)領(lǐng)域中的重要內(nèi)容之一，在遙感領(lǐng)域，多尺度表達技術(shù)不僅僅應(yīng)用與影像數(shù)據(jù)可視化，同時也為影像特征提取、影像分類和混合像元分解等提供了切入點；在地理信息系統(tǒng)領(lǐng)域中，地理要素的多尺度表達依據(jù)現(xiàn)有制圖規(guī)則和專題地物的分布規(guī)律進行空間數(shù)據(jù)的尺度間聯(lián)合并應(yīng)用于多尺度空間分析和相關(guān)決策。柵格-矢量數(shù)據(jù)轉(zhuǎn)換是地理信息系統(tǒng)中數(shù)據(jù)轉(zhuǎn)換的基本內(nèi)容，并在數(shù)據(jù)采集、檢索查詢、數(shù)據(jù)融合以及數(shù)據(jù)共享方面提供靈活方便的數(shù)據(jù)存儲形式。

多尺度表達通常采用影像金字塔技術(shù)。但是，一方面?zhèn)鹘y(tǒng)的多尺度表達在遙感領(lǐng)域和地圖制圖綜合領(lǐng)域是基于不同的數(shù)據(jù)源分別進行處理，這種數(shù)據(jù)處理方式大幅度增加了地理空間數(shù)據(jù)處理的時間復(fù)雜度；另一方面，矢量數(shù)據(jù)的多尺度表達一般僅表達出在有限尺度上的結(jié)果，難以獲取有限尺度之外的連續(xù)尺度表達。傳統(tǒng)的柵格-矢量數(shù)據(jù)轉(zhuǎn)換采用手工矢量化手段，但隨著地理空間數(shù)據(jù)的海量增長，手工矢量化的人力成本和人為誤差限制了矢量化效率和精度的提高。

技術(shù)實現(xiàn)要素：

為了解決上述技術(shù)問題，本發(fā)明提供了一種融合遙感數(shù)據(jù)處理和地圖制圖綜合的地理空間數(shù)據(jù)柵格-矢量自動化轉(zhuǎn)換及多尺度連續(xù)表達方法。

本發(fā)明所采用的技術(shù)方案是：一種基于影像金字塔的柵格-矢量數(shù)據(jù)轉(zhuǎn)換及連續(xù)尺度表達方法，其特征在于，包括以下步驟：

步驟1：將遙感影像進行預(yù)處理；

具體實現(xiàn)包括以下子步驟：

步驟1.1：在原始遙感影像的上選擇云體陰影區(qū)、山體陰影區(qū)或在近紅外波段上選擇灰度值小于8的水體區(qū)域或紅色波段上選擇灰度值小于5的植被區(qū)域作為感興趣區(qū)并計算感興趣區(qū)像元的平均灰度值，用每個波段減去該平均值獲得大氣校正后的影像；

步驟1.2：根據(jù)遙感影像數(shù)據(jù)來源分析影像各波段的特點，結(jié)合實驗影像中的地物分布特征，選擇能夠最明顯反應(yīng)出影像地物特征的三個波段進行影像的彩色融合。

步驟2：對預(yù)處理后的遙感影像進行多尺度可視化表達，獲取多尺度柵格遙感影像；

具體實現(xiàn)包括以下子步驟：

步驟2.1：選用高斯核函數(shù)對遙感影像進行高斯卷積運算；假設(shè)預(yù)處理后的遙感影像i0(x,y)的大小為m×n，其中x＝1,2,…,m；y＝1,2,…,n；高斯核函數(shù)為卷積運算后影像為l0(x,y,σ)：l0(x,y,σ)＝g(x,y,σ)*i0(x,y)；

其中，σ為尺度空間因子，是呈高斯分布的標準差，σ的值越大表示圖像對應(yīng)的尺度越大，圖像越模糊；

步驟2.2：將卷積運算后影像l0(x,y,σ)進行降采樣處理以獲得尺寸及分辨率均不同的多尺度柵格遙感影像數(shù)據(jù)；

多尺度柵格遙感影像的具體層數(shù)k取決于原始影像大小，其具體計算如下：k＝[log2(min(m,n))]-a；

其中，m,n分別為原始影像的行數(shù)和列數(shù)，a為位于0～log2(min(m,n))之間的任意整數(shù)。

步驟3：對步驟2中獲得的多尺度柵格遙感影像進行噪聲處理；

具體實現(xiàn)包括以下子步驟：

步驟3.1：將多尺度柵格遙感影像進行相似塊分組，分組時首先在多尺度柵格遙感影像中選擇并定義k×k大小的參照塊和r×r大小的搜索區(qū)域，再根據(jù)相似塊定義標準g(p)在影像中尋找與參照塊差異度最小的影像塊并整合成三維矩陣q(p)；相似塊定義標準g(p)具體如下，g(p)＝{q:d(p,q)≤τ^step1}；

其中，d(p,q)表示兩個影像塊之間的歐式距離，τ^step1為距離閾值；

對分組后的三維矩陣進行三維變換并設(shè)定合適的閾值進行閾值收縮處理，將噪聲大于閾值和不大于閾值的像元進行區(qū)分，并根據(jù)各影像塊中低于閾值的像元數(shù)目及其噪聲強度進行影像塊權(quán)重的確定；對矩陣進行三維逆變換并將影像塊恢復(fù)到原來位置得到帶權(quán)重的影像，完成影像的基礎(chǔ)估計；

步驟3.2：在基礎(chǔ)估計后影像和噪聲影像中分別選擇并定義一定大小的影像參照塊和搜索區(qū)域，分別在基礎(chǔ)估計后影像和噪聲影像中尋找與參照塊差異度最小的影像塊并形成三維矩陣，將三維矩陣進行三維變換；然后采用維納濾波進行系數(shù)放縮處理，該系數(shù)取決于基礎(chǔ)估計的三維矩陣及噪聲強度；影像塊內(nèi)的像素值由維納濾波系數(shù)和噪聲強度作為權(quán)重進行加權(quán)更新獲得，最后將影像塊融合到原來的位置獲得去噪后的影像i0'(x,y)。

步驟4：對經(jīng)噪聲處理后的多尺度柵格遙感影像進行自動矢量化操作；

具體實現(xiàn)過程為：

將經(jīng)噪聲處理后的多尺度柵格遙感影像i0'(x,y)分為待矢量化目標地物i0s'(x,y)和影像背景i0b'(x,y)兩個部分，假設(shè)待矢量化地物的邊界為c0，c為演化追蹤曲線，c將影像分為曲線內(nèi)部cin和曲線外部cout兩部分；構(gòu)建能量泛函e(c)，將檢測待矢量化地物邊界問題轉(zhuǎn)化為解能量泛函最值問題，采用歐拉-拉格朗日方程求解能量泛函獲得矢量化影像。

步驟5：對自動矢量化操作后的影像進行簡化處理；

具體實現(xiàn)過程為：

遍歷自動矢量化操作后的影像，記錄影像中的節(jié)點位置及對應(yīng)的斑塊并對斑塊進行編號i，計算矢量化地物面積si；對不同尺度的矢量化影像上設(shè)定不同的面積閾值t，大于面積閾值的地物保留，其斑塊屬性值ri設(shè)為1；小于面積閾值的地物舍去，其斑塊屬性ri設(shè)為0：

步驟6：對簡化處理后的矢量影像的連續(xù)尺度表達。

具體實現(xiàn)過程為：

首先選擇在各不同比例尺圖像中均存在的特征點，并記錄特征點坐標；根據(jù)選擇的特征點進行delaunay三角剖分處理，獲得大小兩尺度上相對應(yīng)的像素點坐標；讀取兩個不同尺度上相對應(yīng)像元上的像素值，進行加權(quán)處理獲得大小兩尺度中間任意尺度圖像以實現(xiàn)矢量圖像的連續(xù)尺度表達。

本發(fā)明在現(xiàn)有遙感數(shù)據(jù)處理技術(shù)和地理信息系統(tǒng)地圖綜合方法的基礎(chǔ)上，將地理信息數(shù)據(jù)的自動矢量化和柵格-矢量連續(xù)尺度表達結(jié)合在一起，實現(xiàn)地理信息數(shù)據(jù)的快速處理以及遙感技術(shù)與地理信息系統(tǒng)技術(shù)的結(jié)合。本發(fā)明主要采用高斯金字塔技術(shù)和塊匹配與三維濾波算法進行遙感柵格數(shù)據(jù)多尺度表達和影像噪聲控制，利用chan-vese模型實現(xiàn)柵格影像的自動矢量化，同時采用morphing技術(shù)進行矢量化圖像的連續(xù)尺度表達。

附圖說明

圖1是本發(fā)明實施例的原理圖。

圖2是本發(fā)明實施例的流程圖。

圖3是本發(fā)明實施例的噪聲處理流程示意圖。

具體實施方式

為了便于本領(lǐng)域普通技術(shù)人員理解和實施本發(fā)明，下面結(jié)合附圖及實施例對本發(fā)明作進一步的詳細描述，應(yīng)當(dāng)理解，此處所描述的實施示例僅用于說明和解釋本發(fā)明，并不用于限定本發(fā)明。

參見圖1和圖2，本發(fā)明實施例提供的一種基于影像金字塔的柵格-矢量數(shù)據(jù)自動轉(zhuǎn)換及連續(xù)表達方法，包括以下步驟：

步驟1：將遙感影像進行預(yù)處理；

步驟1.1，在原始遙感影像的上選擇云體陰影區(qū)、山體陰影區(qū)或在近紅外波段上選擇灰度值小于8的水體區(qū)域或紅色波段上選擇灰度值小于5的植被區(qū)域作為感興趣區(qū)并計算其平均灰度值，并用每個波段減去這個平均值獲得大氣校正后影像；

步驟1.2，根據(jù)所用影像的特征，在envi平臺上選用波段5(nir)、波段6(swir1)和波段4(red)進行rgb假彩色合成以區(qū)分陸地和水體。

步驟2：對預(yù)處理后遙感影像i0(x,y)進行多尺度可視化表達，獲取多尺度遙感柵格影像。

遙感影像多尺度可視化表達的方法主要有影像金字塔(含高斯金字塔和拉普拉斯金字塔)、小波變換等，本實施例中遙感影像的多尺度表達實現(xiàn)采用高斯金字塔方法，利用高斯核函數(shù)進行平滑處理獲得平滑圖像l0(x,y,σ)。高斯核函數(shù)的具體形式及其卷積運算如下，

l0(x,y,σ)＝g(x,y,σ)*i0(x,y)(式2)

其中σ為尺度空間因子，是呈高斯分布的標準差，其取值為0.5.

將卷積運算后影像l0(x,y,σ)進行降采樣處理以獲得尺寸及分辨率均不同的多尺度柵格影像數(shù)據(jù)。降采樣處理一般舍去下層影像中的部分行和列，上一層影像由下層影像的部分像元數(shù)組成，多尺度柵格影像的具體層數(shù)k取決于原始影像大??；根據(jù)選取的landsat-8影像分辨率及所選影像的尺寸特點，將多尺度層數(shù)k計算式如下，

k＝[log2(min(m,n))]-a(式3)

其中a設(shè)為5，則獲得多尺度層數(shù)k為4的多尺度柵格影像。

步驟3：對步驟2中獲得的多尺度柵格遙感影像進行噪聲控制，目前圖像噪聲處理的方法主要有基于空間域、變換域、偏微分、變分以及形態(tài)學(xué)這幾大類的算法。本發(fā)明根據(jù)所選遙感影像特征采用塊匹配與三維濾波技術(shù)。

如圖3，該步驟包含以下子步驟：

步驟3.1，將多尺度柵格遙感影像進行相似塊分組，分組時首先在多尺度柵格遙感影像中選擇并定義k×k大小的參照塊和r×r大小的搜索區(qū)域，再根據(jù)相似塊定義標準g(p)在影像中尋找與參照塊差異度最小的影像塊并整合成三維矩陣q(p)；相似塊定義標準g(p)具體如下，

g(p)＝{q:d(p,q)≤τ^step1}(式4)

其中，d(p,q)表示兩個影像塊之間的歐式距離，τ^step1為距離閾值。

對分組后的三維矩陣進行三維變換并設(shè)定合適的閾值進行閾值收縮處理，將噪聲大于閾值和不大于閾值的像元進行區(qū)分，并根據(jù)各影像塊中低于閾值的像元數(shù)目及其噪聲強度進行影像塊權(quán)重的確定。對矩陣進行三維逆變換并將影像塊恢復(fù)到原來位置得到帶權(quán)重的影像，完成影像的基礎(chǔ)估計。

步驟3.2：與步驟3.1類似，在基礎(chǔ)估計后影像和噪聲影像中分別選擇并定義一定大小的影像參照塊和搜索區(qū)域，分別在基礎(chǔ)估計后影像和噪聲影像中尋找與參照塊差異度最小的影像塊并形成三維矩陣，將三維矩陣進行三維變換；然后采用維納濾波進行系數(shù)放縮處理，該系數(shù)取決于基礎(chǔ)估計的三維矩陣及噪聲強度。影像塊內(nèi)的像素值由維納濾波系數(shù)和噪聲強度作為權(quán)重進行加權(quán)更新獲得，最后將影像塊融合到原來的位置獲得去噪后的影像i0'(x,y)。

步驟4：對經(jīng)噪聲處理后的多尺度柵格遙感影像實現(xiàn)自動矢量化操作。

對經(jīng)噪聲處理后的多尺度柵格遙感影像進行自動矢量化操作。自動矢量化操作盡管在一些軟件上已經(jīng)實現(xiàn)，如supermap,raster2vector等。但本發(fā)明在多尺度的基礎(chǔ)上主要采用chan-vese主動輪廓算法實現(xiàn)影像自動矢量化。將影像i0'(x,y)分為待矢量化目標地物i0s'(x,y)和影像背景i0b'(x,y)兩個部分，假設(shè)待矢量化地物的邊界為c0，c為演化追蹤曲線,c將影像分為曲線內(nèi)部cin和曲線外部cout兩部分。構(gòu)建能量泛函e(c)，將檢測待矢量化地物邊界問題轉(zhuǎn)化為解能量泛函最值問題，采用歐拉-拉格朗日方程求解能量泛函獲得矢量化影像。

步驟5，對自動矢量化圖像進行制圖綜合處理。

遍歷矢量化影像，記錄影像中的節(jié)點位置及對應(yīng)的斑塊并對斑塊進行編號i，計算矢量化地物面積si；對不同尺度的矢量化影像上設(shè)定不同的面積閾值t，大于面積閾值的地物保留,其斑塊屬性值ri設(shè)為1；小于面積閾值的地物舍去，其斑塊屬性ri設(shè)為0：

步驟6：矢量圖像的連續(xù)尺度表達。

連續(xù)尺度表達技術(shù)主要有地圖綜合技術(shù)、morphing模型以及漸進式傳輸技術(shù)。本發(fā)明主要采用morphing模型實現(xiàn)柵格和矢量圖像的大尺度和小尺度圖像之間進行雙線性插值處理，獲得連續(xù)尺度表達。首先選擇在各不同尺度圖像中均存在的特征點，并記錄特征點坐標；根據(jù)選擇的特征點進行delaunay三角剖分處理，獲得大小兩尺度上相對應(yīng)的像素點坐標；讀取兩個不同尺度上相對應(yīng)像元上的像素值，進行加權(quán)處理獲得大小兩尺度中間任意尺度圖像以實現(xiàn)矢量圖像的連續(xù)尺度表達。

本文中所描述的具體實施例僅是對本發(fā)明精神作舉例說明。本發(fā)明所屬技術(shù)領(lǐng)域的技術(shù)人員可以對所描述的具體實施案例做各種修改或補充或采用類似的方式替代(例如：選用其它類型的金字塔或者分割算法等)，但并不會偏離本發(fā)明的精神或者超越所附權(quán)利要求書所定義的范圍。