КОМПЛЕКС АВТОМАТИЗИРОВАННОГО ДЕШИФРИРОВАНИЯ И

ВЕКТОРИЗАЦИИ

Руководство пользователя

Редакция 3.0.2

Панорама 1991-2012

Ногинск

www.gisinfo.ru

2

АННОТАЦИЯ

Данный документ содержит описание применения комплекса автоматизированного дешифрирования и векторизации. Данная версия программы позволяет выполнять автоматическую векторизацию линейных и площадных объектов.

Комплекс реализован в виде алгоритмов обработки растровых изображений и векторных объектов, объединенных в единый технологический процесс, выполняемый в рамках проекта.

Описание применения автоматической векторизации линейных объектов представлено на примере векторизации дорожной сети. Описание применения автоматической векторизации площадных объектов представлено на примере векторизации площадных объектов растительности и гидрографии.

СОДЕРЖАНИЕ

1 Назначение программы

2 Условия выполнения программы

3 Выполнение программы

3.1 Установка программы

3.2 Запуск программы

3.3 Порядок выполнения программы

4 Описание применения

4.1 Работа с проектом

4.1.1 Создание проекта

4.1.2 Открытие проекта

4.1.3 Сохранение проекта

4.2 Интерфейс программы

4.2.1 Панель управления

4.2.2 Кнопки управления обработкой

4.2.3 Редактирование параметров

4.3 Управление видимостью промежуточных результатов обработки

5 Автоматическая векторизация дорожной сети

5.1 Классификация

5.1.1 Создание класса

5.1.2 Создание шаблонов

5.1.3 Настройка параметров классификации

5.1.4 Выполнение классификации

5.2 Удаление небольших областей

5.3 Сглаживание областей

5.4 Растр в линии

5.5 Соединение линий на пересечениях

5.6 Соединение концов линий

5.7 Удаление коротких линий

5.8 Сглаживание линий

5.9 Соединение концов линий с серединой

5.10 Экспорт

6 Автоматическая векторизация площадных объектов

6.1 Поиск теней

6.2 Классификация

6.2.1 Создание классов

6.2.2 Создание шаблонов

6.2.3 Настройка параметров классификации

6.2.4 Выполнение классификации

6.3 Эрозия и наращивание малоконтрастных областей

6.4 Эрозия малоконтрастных областей

6.5 Наращивание малоконтрастных областей

6.6 Сглаживание краев областей

6.7 Удаление теней

6.8 Сглаживание краев областей

6.9 Удаление небольших областей

6.10 Сглаживание краев областей

6.11 Растр в полигоны

6.12 Сглаживание полигонов

6.13 Удаление небольших полигонов

6.14 Экспорт

7 Описание контрольного примера

1 НАЗНАЧЕНИЕ ПРОГРАММЫ

Данная версия программы предназначена для автоматической векторизации линейных и площадных объектов по цветным (RGB) и панхроматическим изображениям земной поверхности. Основным направлением использования комплекса при автоматической векторизации линейных объектов является распознавание дорожной сети в малозастроенных районах. Векторизация площадных объектов наиболее эффективна при распознавании площадных объектов растительности и гидрографии.

2 УСЛОВИЯ ВЫПОЛНЕНИЯ ПРОГРАММЫ

Автоматическая векторизация выполняется на основе анализа распределения яркости пикселей изображения. Для определения статистических характеристик распределения яркости пользователь оцифровывает шаблоны - области на снимке, принадлежащие распознаваемому объекту. Эти данные используются в дальнейшем при классификации - определении принадлежности пикселей распознаваемому объекту.

Данный подход основан на предположении, что распознаваемые объекты отображаются на снимке таким же цветом, как и в шаблоне. В общем случае это предположение неверно. Например, изображение дороги может быть закрыто объектами, отличного от дороги цвета - кронами деревьев, тенями, дорожной разметкой, автомобилями. Если таких областей на снимке много, то результат распознавания будет неудовлетворительным, потребуется значительное время для редактирования результатов автоматической векторизации. Поэтому автоматическая векторизация дает прирост производительности по сравнению с ручной векторизацией в областях, где указанные помехи сведены к минимуму.

Для ускорения обработки, в оперативной памяти создаются массивы для хранения промежуточных данных. Это накладывает ограничение на размер обрабатываемых растров. Не рекомендуется обрабатывать растры больше 200 Мбайт.

Комплекс автоматизированного дешифрирования и векторизации может выполняться в 32-х и 64-х разрядной операционной среде Windows 7 на компьютерах с архитектурой процессоров Intel (Core i5, Core i7 или старше). Ряд этапов обработки выполняется параллельно с распределением вычислительной нагрузки по процессорам (ядрам процессора). Поэтому применение многопроцессорной архитектуры компьютера позволит значительно ускорить скорость обработки.

Рекомендуемые требования к составу аппаратно-программных средств:

- объем оперативной памяти: от 4 Гб и выше;

- объем жесткого диска: от 1 Тб и более;

- размер экрана не менее 1024 на 768 точек.

Программа защищается электронным ключом. Допускается обработка растров размером меньше 2500х2500 пикселей в демонстрационном режиме (без электронного ключа).

3 ВЫПОЛНЕНИЕ ПРОГРАММЫ

Установка комплекса автоматизированного дешифрирования и векторизации выполняется путем запуска программы setup.exe.

Для запуска комплекса автоматизированного дешифрирования и векторизации необходимо запустить файл automap.exe.

Порядок выполнения программы Выполнение программы при векторизации линейных объектов включает следующие последовательные этапы:

- создание проекта;

- оцифровка шаблонов;

- настройка параметров классификации;

- выполнение классификации;

- удаление небольших областей;

- сглаживание краев областей;

- преобразование растра классификации в вектор;

- соединение линий на пересечениях;

- соединение концов линий;

- удаление коротких линий;

- сглаживание линий;

- присоединение концов линий;

Выполнение программы при векторизации площадных объектов включает следующие последовательные этапы:

- создание проекта;

- поиск теней;

- создание классов классификации - оцифровка шаблонов для каждого класса;

- настройка параметров классификации;

- выполнение классификации;

- эрозия малоконтрастных растровых областей;

- наращивание малоконтрастных растровых областей;

- сглаживание краев областей;

- удаление теней;

- сглаживание краев областей;

- удаление небольших областей;

- сглаживание краев областей;

- преобразование растра классификации в вектор;

- сглаживание и фильтрация полигонов;

- удаление небольших полигонов;

- экспорт.

4 ОПИСАНИЕ ПРИМЕНЕНИЯ

Для одного обрабатываемого растра создается проект, в котором хранятся параметры распознавания, ссылка на промежуточные карты, список выполненных этапов. Использование проекта позволяет завершить работу с программой до получения окончательных результатов, чтобы затем продолжить работу с места, на котором закончено распознавание.

Проекты распознавания линейных и площадных проектов различаются.

Линейный проект создается при выборе пункта меню «Файл» - «Создать линейный проект», расширение файла проекта SML. Площадной проект создается при выборе пункта меню «Файл» - «Создать площадной проект», расширение файла проекта SMS.

Все промежуточные карты создаются в той папке, в которой расположен файл проекта. Поэтому новый проект лучше создавать в пустой папке, чтобы все данные, относящиеся к проекту, не находились вместе с данными других проектов.

4.1.1 Создание проекта Диалог создания проекта вызывается при выборе пункта меню «Файл» - «Создать линейный (площадной) проект…» или при нажатии кнопки.

При открытии диалога сразу вызывается запрос имени распознаваемого снимка.

При выборе снимка в диалоге создания проекта заполняются имя растра и имя проекта.

Имя проекта в этом случае совпадает с именем растра и имеет расширение sml (sms).

Имя проекта можно изменить, нажав кнопку справа от имени проекта.

Если ранее создавался проект с похожим снимком, то можно выбрать этот проект в поле «Импортировать параметры из проекта». В этом случае параметры из указанного проекта будут импортированы при создании проекта. Если не указывать проект, из которого импортируются параметры, то проект будет создан с параметрами по умолчанию.

После нажатия кнопки «Создать» новый проект открывается в главном окне программы.

4.1.2 Открытие проекта Открытие проекта выполняется при выборе пункта меню «Файл» - «Открыть проект…» или при нажатии кнопки.

4.1.3 Сохранение проекта Сохранение открытого проекта выполняется при выборе пункта меню «Файл» Сохранить проект» или при нажатии кнопки.

4.2.1 Панель управления Область главного окна программы разделена на две части. Слева располагается панель управления, справа - окно карты. В панели управления сверху находится список этапов обработки, под ним - панель параметров, которая изменяется в зависимости от выделенного этапа.

В списке этапов расположены пиктограммы управления этапами.

Стрелка показывает текущий выполняемый этап.

С помощью переключателя можно включить/выключить выполнение соответствующего этапа. Если этап обязательный или выполнен, то переключатель становится недоступным.

Нажатие на пиктограмму включает/выключает видимость результатов выполнения этапа. Кроме того видимость результатов текущего этапа меняется при нажатии на кнопку F4 или выборе пункта меню «Вид» - «Показывать результаты текущего этапа».

При перемещении по списку этапов в зависимости от выделенного этапа изменяется панель параметров. На ней доступно редактирование ещё не выполненных этапов. Параметры выполненных этапов отображаются без возможности их редактирования.

4.2.2 Кнопки управления обработкой Кнопки управления выполнением этапов обработки расположены в главной Кнопка «Выполнить текущий этап (F7)» выполняет текущий этап обработки и включает отображение его результатов в окне карты. Перехода на следующий этап не происходит. Эту кнопку удобно использовать в случаях, когда нужно подобрать оптимальное значение параметра.

Кнопка «Перейти на следующий этап (F8)» выполняет переход на следующий этап, если выполнен текущий.

Кнопка «Выполнить текущий этап и перейти на следующий (F9)» выполняет этап и переходит на следующий. Эту кнопку удобно использовать в случаях, когда пользователь уверен во введенных параметрах.

Кнопка «Вернуться на предыдущий этап (F6)» делает текущим предыдущий этап для его повторного выполнения.

Кнопка «Выполнить все этапы до выделенного (Shift-F9)» выполняет обработку до тех пор, пока текущим этапом не станет выделенный. Эту кнопку удобно использовать, когда результат выполнения нескольких этапов достаточно предсказуем.

Кнопка «Выполнить все этапы до конца (Ctrl-F9)» выполняет все этапы обработки до конца.

Кнопка «Вернуться в начало (Ctrl-F6)» сбрасывает результаты обработки.

4.2.3 Редактирование параметров Каждый этап имеет свои настраиваемые параметры. Значения параметров можно выбрать из выпадающего списка, либо ввести их вручную. Изменить параметры можно текущего и следующих за ним этапов. Параметры предыдущих этапов недоступны для редактирования.

Управление видимостью промежуточных результатов обработки Результат выполнения каждого этапа обработки отображается в растровом или векторном виде совместно с изображением распознаваемого снимка. Управлять отображением результатом обработки можно несколькими способами.

1. Нажатие на пиктограмму в списке этапов включает/выключает видимость результатов выполнения этапа.

2. Видимость результатов текущего этапа (этап, отмеченный стрелкой в списке этапов) включается/выключается нажатием клавиши F4.

3. Видимость результатов выделенного этапа (этапа, выделенного синим цветом в списке этапов) включается/выключается нажатием клавиши F3.

4. На панели инструментов расположены кнопки, включающие режим отображения шторки текущего этапа. При включенном режиме шторки результаты выполнения этапа отображаются по габаритам, зависящим от положения курсора.

Кроме того, в диалоге настройки параметров программы (меню "Параметры" Настройка") можно ввести степень прозрачности отображения производных растров.

Использование прозрачности позволяет одновременно просматривать результаты выполнения нескольких этапов.

5 АВТОМАТИЧЕСКАЯ ВЕКТОРИЗАЦИЯ ДОРОЖНОЙ СЕТИ

Описание применения автоматической векторизации линейных объектов представлено на примере автоматической векторизации дорожной сети.

Первым этапом автоматической векторизации является классификация - процесс определения принадлежности пикселя растра распознаваемым объектам. Для его выполнения пользователь должен указать шаблоны – типичные области на растре, принадлежащие распознаваемым объектам.

5.1.1 Создание класса Для этого надо сначала создать класс распознаваемых объектов, нажав кнопку на панели параметров классификатора.

Имя класса можно ввести вручную (например «Дороги»), либо выбрать его из классификатора, который будет использоваться в выходной карте результатов распознавания. При выборе объекта из классификатора код объекта будет заполнен автоматически по коду из классификатора. Этот код будет использоваться при экспорте результатов распознавания.

Цвет класса определяет цвет распознанных областей на растрах, создаваемых в процессе распознавания. Для распознавания линейных объектов используется только один класс, поэтому после создания класса кнопка добавления станет недоступной.

После добавления класс появится в таблице классов панели параметров классификации.

Рисунок 4 - Панель создания шаблонов и таблица классов 5.1.2 Создание шаблонов После создания класса можно приступать к созданию шаблонов. Шаблон рекомендуется оцифровывать только на проезжей части дороги. Необходимо избегать контрастных областей с дорожной разметкой, автомобилями, тенями.

Режим создания объекта шаблона включается нажатием на кнопку. Точки контура вводятся нажатием левой кнопки, завершается оцифровка двойным нажатием на левую кнопку мыши или нажатием левой кнопки мыши в сочетании с Ctrl.

Удаление шаблона выполняется кнопкой, редактирование.

Для каждого объекта шаблона запоминается диапазон цветов пикселей, находящихся внутри объекта. Если на снимке не удается найти области, в которых находятся все характерные для объекта цвета, то к объекту можно добавить подобъект при нажатии на кнопку. В этом случае характерными для объекта считаются все пиксели, попавшие в объект и все его подобъекты (можно создать несколько подобъектов).

Зачастую линейные объекты имеют несколько значительно отличающихся по оттенкам цвета участков. Например, один участок дороги темно серый, другой – светло серый. Причем переход между этими участками резкий, без полутонов. В этом случае лучший результат даст использование двух шаблонов (один на светлом, другой на темном участке дороги), чем один шаблон, включающий обе области (один контур или два контура = объект + подобъект). Это объясняется тем, что в одном шаблоне в обучающую выборку попадут участки, где часть окна находится в темной, другая в светлой зоне. В результате будут неверно классифицированы области с таким же процентным содержанием цветов. А таких областей обычно много по краям дорог, зданий, полей и т.д.

В любом случае, не нужно предугадывать, какие области будут верно распознаны при оцифровке шаблона в той или иной области на снимке. Создавайте один шаблон в характерной малоконтрастной области объекта и выполняйте классификацию. Увидев распознанные классификатором области, добавляйте новый шаблон в нераспознанной области и повторяйте классификацию.

5.1.3 Настройка параметров классификации Далее необходимо настроить параметры классификации.

Уровень обобщения классификатора определяет, насколько классифицируемые области могут отличаться от шаблона. Чем больше уровень обобщения, тем менее похожие на шаблон области будут классифицированы.

Размер окна определяет диаметр круглого плавающего окна, для которого вычисляются статистические характеристики. Если эти характеристики отличаются от шаблонных на величину, зависящую от уровня обобщения классификатора, то все окно классифицируется, как принадлежащее классу. Допустимый уровень отклонения характеристик окна зависит от уровня обобщения классификатора.

Средняя ширина линии используется на последующих этапах для вычисления вектора направления на концах линии.

Режим «Использовать текстурные признаки» добавляет использование текстурных характеристик при классификации. В некоторых случаях включение этого режима улучшает качество распознавания, но замедляет скорость обработки.

5.1.4 Выполнение классификации После настройки параметров, классификация запускается кнопкой «Выполнить текущий этап».

После завершения процесса, классифицированные области будут залиты цветом, выбранным при создании класса. Включить/ выключить отображение этих областей, можно нажав на пиктограмму в строке этапа классификации (или нажатием F4).

Рисунок 7 - Результат первой классификации по одному шаблону Рисунок 8 - Результат повторной классификации по двум шаблонам Удаление небольших областей Удалить неправильно классифицированные области можно на этапе удаления небольших областей. Необходимо подобрать допуск для удаления небольших областей и дырок, чтобы удалить максимальное количество шумов при сохранении верно распознанных областей.

Результат преобразования растра классификации в векторные линии сильно зависит от гладкости краев распознанных областей. Поэтому перед преобразованием в вектор нужно выполнить сглаживание краев.

Сглаживание выполняется перемещением круглого окна по изображению.

Увеличение размеров окна увеличивает степень сглаживания краев растровых областей. Необходимо подобрать уровень сглаживания таким образом, чтобы на краях областей не было зубцов.

На этом этапе выполняется преобразование растровых областей в линейные объекты. Этап не имеет параметров.

Процесс выполняется удалением граничных пикселей с сохранением 8-связности цепочки центральных пикселей с последующей их векторизацией.

Соединение линий на пересечениях После векторизации дороги оказываются разорванными на перекрестках. Для соединения участков, принадлежащих одной дороге, выполняется их соединение в местах пересечений.

Рисунок 9 - Результат преобразования растра классификации в вектор Для этого нужно указать допуски для связи отрезков линий.

Алгоритм сначала вычисляет направление концов отрезков, а затем соединяет отрезки, если угол и расстояние между концами отрезков меньше заданного допуска.

Из-за того, что линии на перекрестках сдвинуты в сторону примыкающей дороги, необходимо при сшивке обрезать их края. Длину отрезаемой линии определяет параметр «Обрезать концы линий».

Рисунок 10 - Результат соединения линий на пересечениях После соединения линий на пересечениях определяется сеть основных проездов.

Данный этап соединяет концы линий значительно удаленных друг от друга. Такие пропуски могут возникнуть по причине появления шумов на изображении – тени от зданий, скопления машин и т.д. Необходимо оценить примерное расстояние таких пропусков и ввести это значение в максимальное расстояние соединяемых линий.

После сшивки остаются короткие линии, которые обычно являются шумом.

Рисунок 13 - Линии до удаления коротких линий Рисунок 14 - Линии после удаления коротких линий Векторизация линий выполнялась по пикселям, поэтому линии имеют пилообразную форму. На данном этапе линии сглаживаются, а затем фильтруются для уменьшения количества точек.

Соединение концов линий с серединой На последнем этапе распознавания выполняется присоединение второстепенных проездов к основным дорогам и расстановка общих точек в местах пересечений. Для присоединения линий используется допуск Распознанные объекты можно сохранить в формате SIT, SXF, SHP.

При экспорте в SIT и SXF нужно указать классификатор и имя создаваемой карты. Если при создании классов имя класса импортировалось из классификатора, то этот классификатор будет использоваться по умолчанию. Перед экспортом классификатор можно изменить, но код объекта будет использоваться тот, который был введен в диалоге создания класса.

При включении режима «Открыть карту в ГИС «Карта 2011» созданная карта будет открыта в ГИС «Карта 2011». Для этого в параметрах программы (меню «Параметры» - «Настройка») должен быть указан путь к установленной ГИС «Карта 2011».

При экспорте в SHP нужно ввести только имя создаваемой карты. Коды объектов также будут использоваться те, которые были введены в диалоге создания класса.

Коды объектов заносится в файл DBF в поле ObjectCode.

6 АВТОМАТИЧЕСКАЯ ВЕКТОРИЗАЦИЯ ПЛОЩАДНЫХ

ОБЪЕКТОВ

Описание применения автоматической векторизации площадных объектов представлено на примере автоматической векторизации площадных объектов гидрографии и растительности.

Перед классификацией необходимо идентифицировать теневые пиксели для исключения их ошибочной классификации. Для этого пользователь должен ввести значение в поля Максимальная яркость тени и Максимальный размер тени в пикселях. Все теневые области имеющие меньшие чем заданные яркость и размер, будут классифицированы как тень (на растре классификации они показываются черным цветом). Определить яркость теней на растре можно наведя курсор на тень, при этом в строке статуса показывается интенсивность красной, синей, зеленой составляющей и яркость (как среднее из цветовых составляющих). Ограничение теневых областей по размеру необходимо для того, чтобы отличить тени от темных объектов (прежде всего площадной гидрографии).

Первым этапом автоматической векторизации является классификация - процесс определения принадлежности пикселя растра распознаваемым объектам. Для его выполнения пользователь должен указать шаблоны – типичные области на растре, принадлежащие распознаваемым объектам.

6.2.1 Создание классов При распознавании полигонов используется многоклассовый классификатор, поэтому для каждого типа распознаваемых объектов необходимо создать свой класс.

Добавление класса выполняется при нажатии кнопки на панели параметров классификатора.

Имя класса можно ввести вручную (например «Лес»), либо выбрать его из классификатора. При выборе объекта из классификатора код объекта будет заполнен автоматически по коду из классификатора. Этот код будет использоваться при экспорте результатов распознавания.

Цвет класса определяет цвет распознанных областей на растрах, создаваемых в процессе распознавания. После добавления класс появится в таблице классов панели параметров классификации.

После создания класса можно приступать к созданию шаблонов. Шаблон рекомендуется оцифровывать на характерных участках распознаваемого класса.

Необходимо избегать попадания в шаблоны областей, имеющих цветовые и текстурные характеристики, совпадающие с другими шаблонами (деревьев на поле, полян в лесу и т.д.).

Классификация внутри шаблонов не выполняется, поэтому, чем больше шаблон по площади, тем быстрее выполняется классификация. Кроме этого, увеличение размера шаблона дает более представительную выборку для обучения классификатора, что положительно сказывается на качестве классификации.

Режим создания объекта шаблона включается нажатием на кнопку. Точки контура вводятся нажатием левой кнопки, завершается оцифровка двойным нажатием на левую кнопку мыши или нажатием левой кнопки мыши в сочетании с Ctrl.

Удаление шаблона выполняется кнопкой, редактирование.

Для каждого объекта шаблона запоминается диапазон цветов пикселей, находящихся внутри объекта. Если шаблон невозможно создать как отдельный объект (например, несколько отдельных лесов), то к объекту можно добавить подобъект при нажатии на кнопку. В этом случае характерными для объекта считаются все пиксели, попавшие в объект и все его подобъекты (можно создать несколько подобъектов).

Если объекты одного класса значительно отличаются по цвету или текстуре, то необходимо их оцифровать в разных шаблонах (например, один шаблон для лиственных, другой для хвойных лесов).

Предсказать результаты классификации трудно, поэтому шаблоны надо добавлять итерационно, после анализа результатов классификации по ранее созданным шаблонам.

6.2.3 Настройка параметров классификации Далее необходимо настроить параметры классификации.

Уровень обобщения классификатора определяет, насколько классифицируемые области могут отличаться от шаблона. Чем больше уровень обобщения, тем менее похожие на шаблон области будут классифицированы. Рекомендуется при первой классификации установить минимальный уровень обобщения классификатора.

Размер окна определяет диаметр круглого плавающего окна, для которого вычисляются статистические характеристики.

В отличие от одноклассовой классификации, многоклассовый классификатор предварительно вычисляет для каждого пикселя вероятность принадлежности к каждому классу. Побеждает класс с максимальной вероятностью. Чем больше размер окна, тем больше вероятность верной классификации внутри площадных объектов.

Однако на границе между областями разных классов малоконтрастные участки зачастую неверно классифицируются, как принадлежащие классу с большей контрастностью. Поэтому размер окна должен быть как можно меньшим, но достаточным для достоверной классификации.

Режим Использовать текстурные признаки добавляет использование текстурных характеристик при классификации. В некоторых случаях включение этого режима улучшает качество распознавания, но замедляет скорость обработки.

Если в окне классификации окажется слишком много теневых пикселей, то результаты классификации будут иметь низкую достоверность. Поэтому перед классификацией окна проверяется количество теневых пикселей. Если их количество классифицируется. Оптимальное значение этого параметра 30%.

6.2.4 Выполнение классификации После настройки параметров, классификация запускается кнопкой «Выполнить текущий этап».

После завершения процесса, классифицированные области будут залиты цветом, выбранным при создании класса. Включить/ выключить отображение этих областей, можно нажав на пиктограмму в строке этапа классификации (или нажатием F4).

Эрозия и наращивание малоконтрастных областей Основная проблема оконного подхода к классификации заключается в том, что более контрастные классы (лес) перекрывают менее контрастные (поля) на величину примерно равную половине размера окна классификации. Для решения этой проблемы добавлены два дополнительных этапа - эрозия и наращивание малоконтрастных областей. Их выполнение позволяет более точно определить границы между контрастными и малоконтрастными классами.

Эрозия малоконтрастных областей выполняется для полного исключения попадания малоконтрастных областей в сильно контрастные. На этапе наращивания на границе малоконтрастных областей добавляются пиксели незначительно отличающиеся по цвету от ранее классифицированных.

Эрозия малоконтрастных областей Эрозия малоконтрастных областей выполняется для полного исключения попадания малоконтрастных областей в сильно контрастные. Одна итерация эрозии удаляет крайние пиксели растровых областей малоконтрастных классов.

малоконтрастными. Для каждого класса необходимо ввести количество итераций и минимальный размер областей. Минимальный размер нужен для того, чтобы при эрозии полностью не стереть растровую область.

Рисунок 23 - Результаты классификации перед выполнением эрозии Рисунок 24 - Результаты применения эрозии к результатам классификации Данные результаты эрозии получены со следующими значениями параметров На растре классификации видно, что гидрография не везде правильно классифицирована, а основное русло реки имеет большую площадь. Поэтому количество итераций подобрано таким, чтобы убрать все небольшие области при сохранении основного русла. Небольшие области рек удаляются полностью потому, что минимальный размер области не ограничивается (равен 0).

Поля крайне редко попадают на лес, есть небольшие участки, где размер перекрытия составляет до 7 пикселей, поэтому количество итераций равно 7. Растровые области шириной меньше 14 пикселей при эрозии могут будут удалены. Чтобы их не потерять вводится минимальный размер 1000 пикселей.

Наращивание малоконтрастных областей Каждая итерация наращивания выполняется следующим образом:

- сначала выполняется поиск крайних пикселей растровых областей малоконтрастных классов;

- для каждого крайнего пикселя (помечен красным) определяются все классифицированные пиксели, попадающие в окно сканирования (зеленые пиксели, попавшие в синий круг окна сканирования);

- по этим пикселям вычисляется средний цвет;

- затем определяются неклассифицированные пиксели, попавшие в окно наращивания (желтые пиксели);

- если цвет всех неклассифицированных пикселей, попавших в окно наращивания отличается от среднего меньше чем на заданный допуск, то все они присоединяются к классифицированной области.

Перед выполнением этапа для каждого малоконтрастного класса необходимо установить количество итераций, размер окна сканирования, размер окна наращивания и допуск отклонения цвета (допустимые значения от 1 до 255).

Параметры подбираются в зависимости от исходного изображения. При первом выполнении рекомендуется установить следующие значения параметров:

- количество итераций указать в два раза больше количества итераций эрозии;

- размер окна сканирования ввести такой же, как при классификации;

- размер окна наращивания указать в два раза меньше окна сканирования;

- допуск отклонения цвета в окне наращивания относительно окна сканирования установить 20.

Наибольшее значение имеет допуск отклонения цвета. При его слишком маленьком значении малоконтрастные области практически не будут расти, при большом - малоконтрастные области начнут проникать в контрастные области и друг в друга.

Сглаживание краев областей Сглаживание краев растровых областей выполняется при перемещении круглого окна по изображению. Увеличение размеров окна увеличивает степень сглаживания краев растровых областей.

Рисунок 28 - Результаты сглаживания с размером окна 15 пикселей Удаление теней выполняется в два этапа. Сначала классы, которые в принципе не могут отбрасывать тень (поляны, гидрография и т.д.) наращиваются в направлении, противоположном направлению падения тени на конкретном снимке. Затем оставшиеся теневые области присоединяются к тому классу, граница с которым длиннее.

Наращивание в тени выбранных для обработки классов выполняется следующим образом:

- по изображению перемещается круглое окно, размер которого определяется параметром Диаметр круглого окна;

- если количество классифицированных пикселей внутри окна больше допуска, определяемое параметром Минимальный процент пикселей класса в окне и количество теневых пикселей на границе сектора больше допуска определяемого параметром Минимальный процент теневых пикселей на границе окна в секторе поиска (желтые пиксели), то все пиксели окна классифицируются как принадлежащие классу;

Рисунок 29 - Определение теневых пикселей на границе сектора поиска Для ориентирования сектора необходимо ввести угол, ограничивающий сектор поиска (в данном случае 180 градусов) и азимут падения тени (угол, отсчитываемый от направления на север до направления падения тени по часовой стрелке). Азимут тени можно измерить на растре, нажав кнопку и указав две точки вектора падения тени.

Рисунок 31 - Растр классификации после удаления теней Сглаживание краев областей После удаления теней нужно выполнить повторное сглаживание краев для выравнивания границ между классами.

Рисунок 32 - Растр классификации после сглаживания краев растровых Удаление небольших областей Под удалением растровых областей понимается присоединение областей, площадь которых меньше заданного допуска, к одной из соседних областей. Если удаляемая область граничит с одной областью, то есть находится внутри другой, и её размер меньше допуска, то она всегда присоединяется к соседней области.

Если область граничит с несколькими областями, то присоединение выполняется в соответствии с приоритетом, определяемым в таблице Приоритета присоединения соседних областей. В этой таблице строки соответствуют удаляемому классу, столбцы определяют классы к которым присоединяется удаляемый класс. Для добавления допустимого для присоединения класса нужно нажать левую кнопку мыши в соответствующей ячейке таблицы и выбрать класс из выпадающего меню.

Рисунок 33 - Пример заполнения таблицы приоритета присоединения соседних В данном примере реки никогда не присоединяются к другим классам. Леса присоединяются к лугам и неопределенным (неклассифицированным) областям.

Луговая растительность присоединяется только к неопределенным областям.

Неопределенные области присоединяются только к луговой растительности.

Рисунок 34 - Растр классификации до удаления небольших областей Рисунок 35 - Растр классификации после удаления небольших областей 6.10 Сглаживание краев областей После удаления теней можно снова повторить сглаживание краев для выравнивания границ между классами.

6.11 Растр в полигоны На этом этапе выполняется преобразование растровых областей в векторные полигоны. Этап не имеет параметров.

Рисунок 36 - Результаты преобразования растровых областей в векторные 6.12 Сглаживание полигонов Векторизация выполнялась попиксельно, поэтому границы полигонов имеют пилообразную форму. На данном этапе границы полигонов сглаживаются, а затем фильтруются для уменьшения количества точек.

6.13 Удаление небольших полигонов На последнем этапе выполняется удаление небольших полигонов. Удаляться будут объекты, периметр которых меньше допуска.

Распознанные объекты можно сохранить в формате SIT, SXF, SHP.

При экспорте в SIT и SXF нужно указать классификатор и имя создаваемой карты. Если при создании классов имя класса импортировалось из классификатора, то этот классификатор будет использоваться по умолчанию. Перед экспортом классификатор можно изменить, но коды объектов будут использоваться те, которые были введены в диалоге создания класса.

При включении режима «Открыть карту в ГИС «Карта 2011» созданная карта будет открыта в ГИС «Карта 2011». Для этого в параметрах программы (меню «Параметры» - «Настройка») должен быть указан путь к установленной ГИС «Карта 2011».

При экспорте в SHP нужно ввести только имя создаваемой карты. Коды объектов также будут использоваться те, которые были введены в диалоге создания класса.

Коды объектов заносится в файл DBF в поле ObjectCode.

7 ОПИСАНИЕ КОНТРОЛЬНОГО ПРИМЕРА

При инсталляции в подпапку Data программы устанавливается два проекта распознавания линейных и площадных объектов.

Для распознавания линейных объектов:

1. Запустите программу automap.exe 2. Откройте проект example.sml. При установке по умолчанию он находится в каталоге c:\Program Files\Panorama\AutoMap\Data\Lines.

4. Нажмите кнопку панели инструментов "Выполнить все этапы до конца".

5. После завершения обработки будет создана карта с результатами распознавания в папке c:\Program Files\Panorama\AutoMap\Data\Линии\example_export.sit Для распознавания площадных объектов:

1. Запустите программу automap.exe 2. Откройте проект zoom.sms. При установке по умолчанию он находится в каталоге c:\Program Files\Panorama\AutoMap\Data\Polygons 4. Нажмите кнопку панели инструментов "Выполнить все этапы до конца".

5. После завершения обработки будет создана карта с результатами распознавания в папке c:\Program Files\Panorama\AutoMap\Data\Площади\zoom_export.sit Проекты поставляются с готовыми шаблонами и настройками по умолчанию. При необходимости можно сбросить результаты распознавания нажав кнопку. После этого можно начать обработку проекта с начала, добавив шаблоны и изменив параметры.