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 地球科學學院，四川 成都 610300）

0 引言

隨著GIS應用的深入，林業GIS大量投入使用；林相信息快速獲取顯得尤為關鍵[1]。數據是GIS應用的基礎和重要組成部分，其質量的好壞將直接影響GIS的可靠性與價值。GIS數據采集方法包括原始數據采集及派生數據采集，前者常用地面或攝影測量、衛星遙感及GPS測量等方式；后者主要以已有的地圖為數據源，通過矢量化獲取信息。傳統的矢量化方法一般采用矢量數據結構，較關注像素信息，以求精確描述幾何對象及其拓撲屬性，但矢量化效率有待進一步提高[2-3]。在面狀對象矢量化過程中，如果能基于面向對象的思想[4]，將色彩或灰度相似的區域視為對象，將圖像分割為不同斑塊；通過數學形態學運算，即可達到充分描述面狀要素的目的[5]，該研究已在工程地質圖、地形圖矢量化及地物識別等得到應用，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，借鑒前人關于柵格覆蓋模型的研究，首次將其引入GIS數據采集領域，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（RasterRegion）及柵格空間（RasterCoverage）三個層次的對象，其關系如圖1。其中Pixel描述二維空間R2中一個規則正方形區域的信息，是構成柵格數據的基本單元。RasterRegion描述地理空間中的連續分布現象，連續的區域用一個RasterRegion表達；該區域不僅記錄柵格數據本身，還記錄了柵格數據的分布范圍等信息。RasterCoverage表達多個RasterRegion組成的集合，其中的RasterRegion可以彼此獨立；也可以是屬性不同而相互鄰接的不同區域。Pixel與RasterRegion、RasterRegion與RasterCoverage彼此間構成n：1關系。

圖1柵格覆蓋模型組成關系圖

1.2處理原理與步驟

傳統林相圖斑矢量化策略的實質是識別林相圖斑邊緣并將其轉換為折線段，是典型的基于矢量數據模型的數字化方法，處理流程如圖2上半部分。

基于林相專題圖的簡明性及顏色差異等特征，可以依據某一標準（如RGB或灰度閾值），重分類（reclassify）紙質掃描圖，得到不同類別、以柵格數據描述的RasterRegion，這是對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的作用體現在對RaterRegion的增強和細化描述，可以用數學形態學的去噪、膨脹及腐蝕等運算加以實現。RasterCoverage體現在不同含義林相圖斑疊加形成對整個紙質掃描圖的柵格覆蓋，以支持對不同林相含義的描述。RasterCoverage形成后，不同屬性值的RaterRegion相互區別，實施柵格-矢量轉換，即可實現多邊形對象內部、外部邊緣一體化識別，處理流程如圖2下半部分。

從圖2可以看出面向對象方法與人工勾繪方法相比，用“聚類/分類”的方法解決了人工判讀掃描信息的過程，初步得到自動識別的對象；其后又以數學形態學運算等處理為核心，實現基于柵格覆蓋模型的對象充分描述，并最終通過柵格-矢量轉換方法得到數字化林相圖。這種處理過程自動化程度高，簡化了人工判讀過程，降低了手工勾繪的勞動強度，充分提高了生產效率。

圖2 兩種林相圖矢量化方法原理與流程對比

1.3數學形態學方法

數學形態學是由一組形態學的代數運算子組成的，它的基本運算有4個：膨脹（或擴張）、腐蝕（或侵蝕）、開啟和閉合，它們在二值圖像和灰度圖像中各有特點。基于這些基本運算還可推導和組合成各種數學形態學實用算法，用它們可以進行圖像形狀和結構的分析及處理，包括圖像分割、特征抽取、邊緣檢測、圖像濾波、圖像增強和恢復等[7]。

2應用實例

以川中丘陵區某鎮林相專題圖為實驗樣區，對其快速矢量化方法進行了實驗分析。區域有馬尾松、杉木、柏木等優勢樹種；圖3是實驗樣區掃描圖（部分）；圖4是RasterRegion粗分割結果；圖5是Pixel形態學運算處理效果；圖6是多個RasterRegion疊加形成RasterCoverage并執行柵格-矢量轉換效果。

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，或存在內部空洞。從而出現欠描述區域。

圖3 原始掃描圖

圖4 RasterRegion粗分割

2.2 數學形態學方法處理

A稱為輸入圖像，B稱為結構元素，其中Ac為A的補集，將B相對原點旋轉一周得到-B，再利用-B對Ac進行腐蝕,腐蝕結果的補集就是所求結果。為了解決膨脹算法處理后遺留的斷點孔洞和新出現的線段錯誤連接，這里運用開算法對已經經過膨脹處理的圖像進行再次處理。

開運算基本公式A·B=（A-B）⊕B （2）

根據公式開運算可以看做將一個結構元素先做腐蝕運算再做膨脹的結果。開運算的作用為磨光邊緣，使邊緣的尖角轉化為背景，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，可以對形成的孔洞進行再次填充。再對處理后的圖像進行矢量化，矢量化效果如下圖。

圖5 形態學運算逼近

圖6 RasterCoverage柵格-矢量轉換

3結束語

與傳統矢量化面狀要素側重對其邊緣的描述相比，柵格覆蓋模型將其柵格化描述作為首要解決問題，通過數學形態學運算較好的解決了面狀要素充分描述的問題，避免了傳統交互式矢量化面狀要素過程中邊緣線自動追蹤的噪聲干擾；然后通過柵格與矢量數據格式轉換，得到矢量化描述的最終目標。

實踐表明，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。多次實驗結果表明，適當的聚類、分類閾值設置較為重要，當前仍需要借助試錯及迭代法逐步改進方案；后續研究應當致力于研究掃描圖像的自適應分類、分類標準與矢量化效果之間的關系；該方案適宜于處理有一定色差的專題圖，連續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查數據的森林景觀分類研究[J]．林業科學，2005，42(2)：21-29．

［2］董敏，孫寶生，陳川，等．基于Arcgis的柵格圖像自動矢量化的實現新方法[J]．西部探礦工程，2011，2：139-142．

［3］李雪，舒寧，李亮，等．基于GIS輔助數據的樣本像斑變化檢測方法研究[J]．計算機工程與應用，2010，46(14)：215-218．

［4］童小華，華慧，楊光，等．面向對象數字化和數據處理[J]．測繪通報，1998(5)：33-35．

［5］陳鴻，湯曉安，王晨昊，等．面向對象的掃描地形圖自動分層算法研究[J]．中國圖象圖形學報，2010，15(9)：1416-1424．

［6］陳軍，楊存建，許輝熙．基于知識發現的林相圖小斑空間信息的自動提取方法[J]．計算機應用，2004，24(S2)：268-269,273．

［7］崔屹．圖像處理與分析—數學形態學方法及應用[M]．北京：科學出版社，2000．