基于柵格覆蓋模型的林相圖斑快速矢量化方法

李佳唐斌姜巖

（成都理工大學(xué) 地球科學(xué)學(xué)院，四川 成都 610300）

0 引言

隨著GIS應(yīng)用的深入，林業(yè)GIS大量投入使用；林相信息快速獲取顯得尤為關(guān)鍵[1]。數(shù)據(jù)是GIS應(yīng)用的基礎(chǔ)和重要組成部分，其質(zhì)量的好壞將直接影響GIS的可靠性與價(jià)值。GIS數(shù)據(jù)采集方法包括原始數(shù)據(jù)采集及派生數(shù)據(jù)采集，前者常用地面或攝影測(cè)量、衛(wèi)星遙感及GPS測(cè)量等方式；后者主要以已有的地圖為數(shù)據(jù)源，通過矢量化獲取信息。傳統(tǒng)的矢量化方法一般采用矢量數(shù)據(jù)結(jié)構(gòu)，較關(guān)注像素信息，以求精確描述幾何對(duì)象及其拓?fù)鋵傩裕噶炕视写M(jìn)一步提高[2-3]。在面狀對(duì)象矢量化過程中，如果能基于面向?qū)ο蟮乃枷隱4]，將色彩或灰度相似的區(qū)域視為對(duì)象，將圖像分割為不同斑塊；通過數(shù)學(xué)形態(tài)學(xué)運(yùn)算，即可達(dá)到充分描述面狀要素的目的[5]，該研究已在工程地質(zhì)圖、地形圖矢量化及地物識(shí)別等得到應(yīng)用，但在林相專題圖方面存在欠缺。

1原理與方法

1.1柵格覆蓋模型

基于林相圖斑的特點(diǎn)，借鑒前人關(guān)于柵格覆蓋模型的研究，首次將其引入GIS數(shù)據(jù)采集領(lǐng)域，以支持圖斑的快速矢量化[6]。

完整的柵格覆蓋模型含像素（Pixel）、柵格區(qū)（RasterRegion）及柵格空間（RasterCoverage）三個(gè)層次的對(duì)象，其關(guān)系如圖1。其中Pixel描述二維空間R2中一個(gè)規(guī)則正方形區(qū)域的信息，是構(gòu)成柵格數(shù)據(jù)的基本單元。RasterRegion描述地理空間中的連續(xù)分布現(xiàn)象，連續(xù)的區(qū)域用一個(gè)RasterRegion表達(dá)；該區(qū)域不僅記錄柵格數(shù)據(jù)本身，還記錄了柵格數(shù)據(jù)的分布范圍等信息。RasterCoverage表達(dá)多個(gè)RasterRegion組成的集合，其中的RasterRegion可以彼此獨(dú)立；也可以是屬性不同而相互鄰接的不同區(qū)域。Pixel與RasterRegion、RasterRegion與RasterCoverage彼此間構(gòu)成n：1關(guān)系。

圖1柵格覆蓋模型組成關(guān)系圖

1.2處理原理與步驟

傳統(tǒng)林相圖斑矢量化策略的實(shí)質(zhì)是識(shí)別林相圖斑邊緣并將其轉(zhuǎn)換為折線段，是典型的基于矢量數(shù)據(jù)模型的數(shù)字化方法，處理流程如圖2上半部分。

基于林相專題圖的簡(jiǎn)明性及顏色差異等特征，可以依據(jù)某一標(biāo)準(zhǔn)（如RGB或灰度閾值），重分類（reclassify）紙質(zhì)掃描圖，得到不同類別、以柵格數(shù)據(jù)描述的RasterRegion，這是對(duì)林相專題圖的粗描述；粗描述的RasterRegion不可避免存在很多瑕疵，Pixel的作用體現(xiàn)在對(duì)RaterRegion的增強(qiáng)和細(xì)化描述，可以用數(shù)學(xué)形態(tài)學(xué)的去噪、膨脹及腐蝕等運(yùn)算加以實(shí)現(xiàn)。RasterCoverage體現(xiàn)在不同含義林相圖斑疊加形成對(duì)整個(gè)紙質(zhì)掃描圖的柵格覆蓋，以支持對(duì)不同林相含義的描述。RasterCoverage形成后，不同屬性值的RaterRegion相互區(qū)別，實(shí)施柵格-矢量轉(zhuǎn)換，即可實(shí)現(xiàn)多邊形對(duì)象內(nèi)部、外部邊緣一體化識(shí)別，處理流程如圖2下半部分。

從圖2可以看出面向?qū)ο蠓椒ㄅc人工勾繪方法相比，用“聚類/分類”的方法解決了人工判讀掃描信息的過程，初步得到自動(dòng)識(shí)別的對(duì)象；其后又以數(shù)學(xué)形態(tài)學(xué)運(yùn)算等處理為核心，實(shí)現(xiàn)基于柵格覆蓋模型的對(duì)象充分描述，并最終通過柵格-矢量轉(zhuǎn)換方法得到數(shù)字化林相圖。這種處理過程自動(dòng)化程度高，簡(jiǎn)化了人工判讀過程，降低了手工勾繪的勞動(dòng)強(qiáng)度，充分提高了生產(chǎn)效率。

圖2 兩種林相圖矢量化方法原理與流程對(duì)比

1.3數(shù)學(xué)形態(tài)學(xué)方法

數(shù)學(xué)形態(tài)學(xué)是由一組形態(tài)學(xué)的代數(shù)運(yùn)算子組成的，它的基本運(yùn)算有4個(gè)：膨脹（或擴(kuò)張）、腐蝕（或侵蝕）、開啟和閉合，它們?cè)诙祱D像和灰度圖像中各有特點(diǎn)。基于這些基本運(yùn)算還可推導(dǎo)和組合成各種數(shù)學(xué)形態(tài)學(xué)實(shí)用算法，用它們可以進(jìn)行圖像形狀和結(jié)構(gòu)的分析及處理，包括圖像分割、特征抽取、邊緣檢測(cè)、圖像濾波、圖像增強(qiáng)和恢復(fù)等[7]。

2應(yīng)用實(shí)例

以川中丘陵區(qū)某鎮(zhèn)林相專題圖為實(shí)驗(yàn)樣區(qū)，對(duì)其快速矢量化方法進(jìn)行了實(shí)驗(yàn)分析。區(qū)域有馬尾松、杉木、柏木等優(yōu)勢(shì)樹種；圖3是實(shí)驗(yàn)樣區(qū)掃描圖（部分）；圖4是RasterRegion粗分割結(jié)果；圖5是Pixel形態(tài)學(xué)運(yùn)算處理效果；圖6是多個(gè)RasterRegion疊加形成RasterCoverage并執(zhí)行柵格-矢量轉(zhuǎn)換效果。

2.1 直接粗分割

從分割的圖中我們可以看出粗描述不能充分逼近林相圖斑邊緣，或存在內(nèi)部空洞。從而出現(xiàn)欠描述區(qū)域。

圖3 原始掃描圖

圖4 RasterRegion粗分割

2.2 數(shù)學(xué)形態(tài)學(xué)方法處理

A稱為輸入圖像，B稱為結(jié)構(gòu)元素，其中Ac為A的補(bǔ)集，將B相對(duì)原點(diǎn)旋轉(zhuǎn)一周得到-B，再利用-B對(duì)Ac進(jìn)行腐蝕,腐蝕結(jié)果的補(bǔ)集就是所求結(jié)果。為了解決膨脹算法處理后遺留的斷點(diǎn)孔洞和新出現(xiàn)的線段錯(cuò)誤連接，這里運(yùn)用開算法對(duì)已經(jīng)經(jīng)過膨脹處理的圖像進(jìn)行再次處理。

開運(yùn)算基本公式A·B=（A-B）⊕B （2）

根據(jù)公式開運(yùn)算可以看做將一個(gè)結(jié)構(gòu)元素先做腐蝕運(yùn)算再做膨脹的結(jié)果。開運(yùn)算的作用為磨光邊緣，使邊緣的尖角轉(zhuǎn)化為背景，將已處理后的柵格圖像再用開濾波處理可以打開線性地物間的連接，由于有再次膨脹的過程，可以對(duì)形成的孔洞進(jìn)行再次填充。再對(duì)處理后的圖像進(jìn)行矢量化，矢量化效果如下圖。

圖5 形態(tài)學(xué)運(yùn)算逼近

圖6 RasterCoverage柵格-矢量轉(zhuǎn)換

3結(jié)束語

與傳統(tǒng)矢量化面狀要素側(cè)重對(duì)其邊緣的描述相比，柵格覆蓋模型將其柵格化描述作為首要解決問題，通過數(shù)學(xué)形態(tài)學(xué)運(yùn)算較好的解決了面狀要素充分描述的問題，避免了傳統(tǒng)交互式矢量化面狀要素過程中邊緣線自動(dòng)追蹤的噪聲干擾；然后通過柵格與矢量數(shù)據(jù)格式轉(zhuǎn)換，得到矢量化描述的最終目標(biāo)。

實(shí)踐表明，這種方案在矢量化圖斑較多的專題地圖，特別是林相圖方面效果明顯。多次實(shí)驗(yàn)結(jié)果表明，適當(dāng)?shù)木垲悺⒎诸愰撝翟O(shè)置較為重要，當(dāng)前仍需要借助試錯(cuò)及迭代法逐步改進(jìn)方案；后續(xù)研究應(yīng)當(dāng)致力于研究掃描圖像的自適應(yīng)分類、分類標(biāo)準(zhǔn)與矢量化效果之間的關(guān)系；該方案適宜于處理有一定色差的專題圖，連續(xù)漸變顏色專題圖矢量化問題仍有待研究。

［1］陸元昌，洪玲霞，雷相東．基于森林資源二類調(diào)查數(shù)據(jù)的森林景觀分類研究[J]．林業(yè)科學(xué)，2005，42(2)：21-29．

［2］董敏，孫寶生，陳川，等．基于Arcgis的柵格圖像自動(dòng)矢量化的實(shí)現(xiàn)新方法[J]．西部探礦工程，2011，2：139-142．

［3］李雪，舒寧，李亮，等．基于GIS輔助數(shù)據(jù)的樣本像斑變化檢測(cè)方法研究[J]．計(jì)算機(jī)工程與應(yīng)用，2010，46(14)：215-218．

［4］童小華，華慧，楊光，等．面向?qū)ο髷?shù)字化和數(shù)據(jù)處理[J]．測(cè)繪通報(bào)，1998(5)：33-35．

［5］陳鴻，湯曉安，王晨昊，等．面向?qū)ο蟮膾呙璧匦螆D自動(dòng)分層算法研究[J]．中國圖象圖形學(xué)報(bào)，2010，15(9)：1416-1424．

［6］陳軍，楊存建，許輝熙．基于知識(shí)發(fā)現(xiàn)的林相圖小斑空間信息的自動(dòng)提取方法[J]．計(jì)算機(jī)應(yīng)用，2004，24(S2)：268-269,273．

［7］崔屹．圖像處理與分析—數(shù)學(xué)形態(tài)學(xué)方法及應(yīng)用[M]．北京：科學(xué)出版社，2000．