基于隨機(jī)概率采樣與多級(jí)融合的大幅面地形圖分割方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種基于隨機(jī)概率采樣與多級(jí)融合的大幅面地形圖分割方法：步驟1，輸入原始地形圖圖像；步驟2，對(duì)原始地形圖圖像進(jìn)行隨機(jī)概率采樣；步驟3，確定地形圖分割種類(lèi)數(shù)；步驟4，計(jì)算聚類(lèi)中心，得到聚類(lèi)中心矩陣；步驟5，計(jì)算原始地形圖的隸屬矩陣，得到隸屬矩陣；步驟6，利用隸屬矩陣對(duì)原始地形圖進(jìn)行模糊分類(lèi)，得到分割后的圖像；步驟7，對(duì)分割后的圖像進(jìn)行多級(jí)融合，得到的融合后圖像；步驟8，輸出分割后的分版圖像。該方法將隨機(jī)概率采樣與圖像多級(jí)融合相結(jié)合以進(jìn)行地形圖分割，最終既能夠更準(zhǔn)確地獲得地形圖的分割版圖，又能大幅度提高分割效率。尤其適用于大幅面的地形圖分割。
【專(zhuān)利說(shuō)明】基于隨機(jī)概率采樣與多級(jí)融合的大幅面地形圖分割方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于地理信息處理【技術(shù)領(lǐng)域】，具體涉及一種基于隨機(jī)概率采樣與多級(jí)融合的大幅面地形圖分割方法。本發(fā)明應(yīng)用于大幅面地形圖的圖像分割。
【背景技術(shù)】
[0002]在地形圖處理領(lǐng)域中，為了快速準(zhǔn)確地對(duì)地形圖進(jìn)行分割得到分割版圖，并為地形圖中地理要素的進(jìn)一步提取提供有利條件，通常需要對(duì)地形圖分割。目前，地形圖分割方法主要采用基于顏色空間的聚類(lèi)和基于樣本學(xué)習(xí)的分類(lèi)法。
[0003]鄭華利等人在文獻(xiàn)“鄭華利，周獻(xiàn)中，王建宇，‘基于色彩空間轉(zhuǎn)換及模糊約束聚類(lèi)的地形圖自動(dòng)分色’ [J]，測(cè)繪學(xué)報(bào)，32 (2)，183-187(2003) ”中提出了一種模糊約束聚類(lèi)算法。該方法首先對(duì)地形圖的色彩空間進(jìn)行轉(zhuǎn)換，使其直方圖的峰谷特性更加明顯，然后對(duì)模糊C均值聚類(lèi)算法進(jìn)行模糊約束，從而較好地解決了地圖的自動(dòng)分色問(wèn)題。由于經(jīng)過(guò)色彩空間的轉(zhuǎn)換后直方圖的峰值比較明顯，所以該算法對(duì)于初始聚類(lèi)中心選擇的依賴(lài)性較小。此外，采用了模糊約束的顏色聚類(lèi)，對(duì)于那些在地形圖直方圖中占有較小比例的顏色信息也能正確地進(jìn)行分層。該方法雖然能夠得到較好的地形圖分割效果，但是仍然存在的缺點(diǎn)是，模糊C均值聚類(lèi)算法對(duì)地形圖進(jìn)行4分類(lèi)，沒(méi)有考慮地形圖中存在的過(guò)渡色、漸變色和覆蓋色等復(fù)雜問(wèn)題，導(dǎo)致分割結(jié)果不準(zhǔn)確。此外，該方法對(duì)地形圖中所有數(shù)據(jù)進(jìn)行一次性處理，沒(méi)有考慮到大幅面地形圖數(shù)據(jù)量大的問(wèn)題，因此分割效率不高。
[0004]Alireza Khotanzad等人在文獻(xiàn)“Alireza Khotanzad and Edmund Zink, ‘ContourLine and Geographic Feature Extraction from USGS Color Topographical PaperMaps’[J]，IEEE Transactions on Pattern Analysis and Machine Intelligence，25(I)，18-31 (2003) ”中提出了一種基于樣本學(xué)習(xí)的分類(lèi)方法對(duì)地形圖進(jìn)行分割。該方法首先根據(jù)地形圖中不同地理要素之間的重疊覆蓋情況，制作相應(yīng)的模板，然后根據(jù)模板的顏色特征與地形圖中像素的顏色特征之間的差異對(duì)地形圖進(jìn)行分割。此方法雖然能夠較好的處理面狀地理要素信息以及地形圖中線劃要素信息。但是仍然存在的缺點(diǎn)是，地形圖中不同地理要素的模板樣本難以制作齊全，此外，圖像分割時(shí)僅僅使用顏色距離，難以很好的處理地形圖中存在的過(guò)渡色、漸變色和覆蓋色等復(fù)雜問(wèn)題，這些因素都是導(dǎo)致最終分割結(jié)果不準(zhǔn)確的原因，從而不能得到較好的地形圖分割效果。
[0005]綜上所述，基于顏色空間的聚類(lèi)和基于樣本學(xué)習(xí)的分類(lèi)方法在地形圖分割方面雖然獲得了較好的效果，但這些方法都難以快速準(zhǔn)確地進(jìn)行大幅面地形圖圖像的分割，此外，在地形圖分割種類(lèi)數(shù)的確定方面沒(méi)有一個(gè)準(zhǔn)確的自適應(yīng)的確定方法。所以在利用傳統(tǒng)的基于顏色空間的聚類(lèi)和基于樣本學(xué)習(xí)的分類(lèi)方法得到的分割版圖中，存在分割不準(zhǔn)確以及效率低下的問(wèn)題。

【發(fā)明內(nèi)容】

[0006]針對(duì)上述現(xiàn)有技術(shù)中基于顏色空間的聚類(lèi)和基于樣本學(xué)習(xí)的分類(lèi)方法導(dǎo)致的地形圖分割效果不理想和效率低下的缺點(diǎn)，本發(fā)明的目的在于，提出一種基于隨機(jī)概率采樣與多級(jí)融合的大幅面地形圖分割方法，該方法中對(duì)地形圖的分割主要包括獲得聚類(lèi)中心，模糊分類(lèi)和多級(jí)融合三部分。本發(fā)明充分利用隨機(jī)概率采樣能夠較大程度減少獲得聚類(lèi)中心所需要的數(shù)據(jù)量的優(yōu)點(diǎn)，以及多級(jí)融合能夠更準(zhǔn)確地對(duì)分割后圖像進(jìn)行融合的特點(diǎn)，將隨機(jī)概率采樣與圖像多級(jí)融合相結(jié)合以進(jìn)行地形圖分割，最終既能夠更準(zhǔn)確地獲得地形圖的分割版圖，又能大幅度提高分割效率。尤其適用于大幅面的地形圖分割。
[0007]為了達(dá)到上述目的，本發(fā)明采用如下技術(shù)方案予以解決:
[0008]一種基于隨機(jī)概率采樣與多級(jí)融合的大幅面地形圖分割方法，具體包括如下步驟:
[0009]步驟I，輸入原始地形圖圖像；
[0010]步驟2，對(duì)原始地形圖圖像進(jìn)行隨機(jī)概率采樣，得到采樣數(shù)據(jù)矩陣；
[0011]步驟3，確定地形圖分割種類(lèi)數(shù)；
[0012]步驟4，計(jì)算聚類(lèi)中心，得到聚類(lèi)中心矩陣；
[0013]步驟5，計(jì)算原始地形圖的隸屬矩陣，得到隸屬矩陣；
[0014]步驟6，利用隸屬矩陣對(duì)原始地形圖進(jìn)行模糊分類(lèi)，得到分割后的圖像；
[0015]步驟7，對(duì)分割后的圖像進(jìn)行多級(jí)融合，得到的融合后圖像；
[0016]步驟8,輸出分割后的分版圖像。
[0017]進(jìn)一步的，所述步驟2的具體步驟如下:
[0018]2a)生成一個(gè)符合正態(tài)分布的，且和原始地形圖A等大小的隨機(jī)矩陣Rmxn作為隨機(jī)概率矩陣，該矩陣中所有元素的值為O和I之間的任意隨機(jī)數(shù)；其中，M為原始地形圖的寬度，N為原始地形圖的長(zhǎng)度；
[0019]2b)計(jì)算概率閾值P，并利用步驟2a)生成的隨機(jī)概率矩陣Rmxn對(duì)原始地形圖進(jìn)行數(shù)據(jù)采樣；概率閾值P的計(jì)算如下:
【權(quán)利要求】
1.一種基于隨機(jī)概率采樣與多級(jí)融合的大幅面地形圖分割方法，其特征在于，具體包括如下步驟: 步驟I，輸入原始地形圖圖像； 步驟2，對(duì)原始地形圖圖像進(jìn)行隨機(jī)概率采樣，得到采樣數(shù)據(jù)矩陣； 步驟3，確定地形圖分割種類(lèi)數(shù)； 步驟4，計(jì)算聚類(lèi)中心，得到聚類(lèi)中心矩陣； 步驟5，計(jì)算原始地形圖的隸屬矩陣，得到隸屬矩陣； 步驟6，利用隸屬矩陣對(duì)原始地形圖進(jìn)行模糊分類(lèi)，得到分割后的圖像； 步驟7，對(duì)分割后的圖像進(jìn)行多級(jí)融合，得到的融合后圖像； 步驟8，輸出分割后的分版圖像。
2.如權(quán)利要求1所述的方法，其特征在于，所述步驟2的具體步驟如下: 2a)生成一個(gè)符合正態(tài)分布的，且和原始地形圖A等大小的隨機(jī)矩陣Rmxn作為隨機(jī)概率矩陣，該矩陣中所有元素的值為O和I之間的任意隨機(jī)數(shù)；其中，M為原始地形圖的寬度，N為原始地形圖的長(zhǎng)度； 2b)計(jì)算概率閾值P，并利用步驟2a)生成的隨機(jī)概率矩陣Rmxn對(duì)原始地形圖進(jìn)行數(shù)據(jù)采樣；概率閾值P的計(jì)算如下:
3.如權(quán)利要求1所述的方法，其特征在于，所述步驟3中，利用下式確定地形圖的分割種類(lèi)數(shù): Cluster.n=^1+^2+^3+— C11+!.(5) 其中，Cluster_n為地形圖的分割種類(lèi)數(shù)，C11為排列組合表達(dá)式，表示在由I種顏色繪制的地形圖中的某區(qū)域有I種顏色相互覆蓋所得到的顏色種類(lèi)數(shù)，I ^ I。
4.如權(quán)利要求1所述的方法，其特征在于，所述步驟4的具體步驟如下: 4a)初始化隸屬矩陣:初始化一個(gè)與原始地形圖A相同大小的隨機(jī)矩陣作為初始隸屬矩陣Utl;并使其滿(mǎn)足下式:
5.如權(quán)利要求1所述的方法，其特征在于，所述步驟5的具體步驟如下: 5a)讀取步驟(4)中得到的聚類(lèi)中心矩陣V ; 5b)利用模糊C均值聚類(lèi)算法中的隸屬度計(jì)算公式，計(jì)算原始地形圖A中各像素的隸屬度，得到所有像素的隸屬度組成隸屬矩陣Uf ；
6.如權(quán)利要求1所述的方法，其特征在于，所述步驟6的具體步驟如下:利用隸屬矩陣Uf，按以下公式所示的模糊分類(lèi)方法對(duì)原始地形圖A進(jìn)行圖像分割得到分割后的圖像:
X(i;J) e imagek 如果 uF’k (i；J)≥ uF’p (i；J) (p = I, 2,...Cluster』) 其中，image,為原始地形圖中像素Xaj)被劃入的第k個(gè)分割后的圖像。
7.如權(quán)利要求1所述的方法，其特征在于，所述步驟7的具體步驟如下: 7a)讀取聚類(lèi)中心矩陣； 7b)計(jì)算每個(gè)聚類(lèi)中心和其他聚類(lèi)中心之間的距離； 7c)利用聚類(lèi)中心之間的距離以及多級(jí)融合方法對(duì)分割后的圖像進(jìn)行融合，直至融合后得到的分版圖像數(shù)目和地形圖的分割種類(lèi)數(shù)Cluster_n相等時(shí)停止，得到融合后的分版圖像。
8.如權(quán)利要求7所述的方法，其特征在于，所述步驟7b)中的距離采用馬氏距離:
9.如權(quán)利要求7所述的方法，其特征在于，所述步驟7c)中的多級(jí)融合方法的規(guī)則:當(dāng)且僅當(dāng)與第i類(lèi)的最小距離是第j類(lèi)，同時(shí)與第j類(lèi)的最小距離是第i類(lèi)時(shí)，將第i類(lèi)和第j類(lèi)融合為一新類(lèi)。
【文檔編號(hào)】G06T7/00GK103824283SQ201410029317
【公開(kāi)日】2014年5月28日 申請(qǐng)日期:2014年1月22日 優(yōu)先權(quán)日:2014年1月22日
【發(fā)明者】苗啟廣, 許鵬飛, 宋建鋒, 權(quán)義寧, 劉天歌, 劉如意, 封志德 申請(qǐng)人:西安電子科技大學(xué)