基于深度學(xué)習(xí)的地圖線性要素走向判定方法

蔣 巍，張淑霞，馬小燕，薛 青

（1. 寧夏回族自治區(qū)自然資源成果質(zhì)量檢驗(yàn)中心，寧夏 銀川 750004；2. 西安銳思數(shù)智科技股份有限公司，陜西 西安 710000）

深度學(xué)習(xí)方法是對(duì)復(fù)雜圖像場(chǎng)景識(shí)別解析的重要方法之一，已被廣泛應(yīng)用于計(jì)算機(jī)視覺(jué)任務(wù)。盡管基于深度學(xué)習(xí)在地圖要素提取方面取得了一些成果，但是在比例尺有差異的地圖中，比對(duì)地圖的幾何特征研究時(shí)，還沒(méi)有更加全面的智能化算法及技術(shù)[1-8]。本文以深度學(xué)習(xí)為技術(shù)手段，以人工標(biāo)注的地圖的線性要素走向數(shù)據(jù)為依據(jù)，分析判定待審地圖的線性要素走向的正確性。在以寧夏回族自治區(qū)行政地圖的線狀要素提取為實(shí)際案例，其中包括行政邊界和河流，來(lái)驗(yàn)證算法的有效性，期望為地圖審查中各類(lèi)要素的地理位置確定提供參考。

1 方法原理與實(shí)現(xiàn)

地圖審圖依據(jù)的參考是標(biāo)準(zhǔn)地圖集，為實(shí)現(xiàn)待審地圖中線性要素走向的正確性，具體流程如圖1所示。

圖1 線性要素走向判定流程圖

1.1 地圖地理特征點(diǎn)目標(biāo)識(shí)別

通常我們將標(biāo)準(zhǔn)地圖集作為參考地圖，它的尺寸和分辨率往往與待審地圖不同，因此首先需要對(duì)2 幅地圖進(jìn)行配準(zhǔn)對(duì)齊。本文利用地圖中重要的地理目標(biāo)作為配準(zhǔn)的控制點(diǎn)，使用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行地理控制點(diǎn)的識(shí)別和定位。

選擇的地理目標(biāo)如表1所示，在樣本地圖上標(biāo)注省會(huì)城市、地級(jí)市和機(jī)場(chǎng)等地理目標(biāo)樣本數(shù)據(jù)，生成目標(biāo)檢測(cè)訓(xùn)練樣本，所選地圖可以是待審地圖或標(biāo)準(zhǔn)地圖集，使用YOLOV7目標(biāo)識(shí)別算法訓(xùn)練地理目標(biāo)識(shí)別神經(jīng)網(wǎng)絡(luò)模型。通過(guò)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)等提取圖像的高級(jí)語(yǔ)義特征，采用分類(lèi)方法對(duì)輸入圖像的區(qū)域特征進(jìn)行識(shí)別和提取，采用梯度下降算法優(yōu)化模型輸出。在定位地理目標(biāo)時(shí)借助文字提取和識(shí)別算法，并采用OCR相關(guān)技術(shù)輔助定位，簡(jiǎn)化目標(biāo)查找難度并提高算法魯棒性。

表1 地圖地理目標(biāo)識(shí)別模型的類(lèi)型定義

1.2 地圖配準(zhǔn)

在地圖審圖過(guò)程中，有標(biāo)準(zhǔn)地圖集作為參考，也存在因?yàn)楸壤邌?wèn)題導(dǎo)致待審地圖與標(biāo)準(zhǔn)地圖的分級(jí)地圖級(jí)別、范圍不能一一對(duì)應(yīng)，因此需要將二者配準(zhǔn)對(duì)齊。具體地圖配準(zhǔn)步驟包括以下5點(diǎn)。

1）匹配標(biāo)準(zhǔn)地圖：通過(guò)待審地圖的比例尺、尺寸、分辨率（dots per inch，DPI）等，匹配標(biāo)準(zhǔn)地圖庫(kù)中相應(yīng)級(jí)別的標(biāo)準(zhǔn)地圖圖像數(shù)據(jù)。

2）提取地理目標(biāo)點(diǎn)：通過(guò)已訓(xùn)練的深度學(xué)習(xí)目標(biāo)檢測(cè)模型與計(jì)算機(jī)視覺(jué)圖像算子，如角點(diǎn)檢測(cè)等，提取待審地圖中的地理目標(biāo)位置集合和標(biāo)準(zhǔn)地圖圖像中的地理目標(biāo)位置集合。地圖地理目標(biāo)包括市鎮(zhèn)鄉(xiāng)村的位置、河流分叉點(diǎn)、河流匯聚點(diǎn)、道路起止點(diǎn)和道路交叉口等關(guān)鍵點(diǎn)。當(dāng)標(biāo)準(zhǔn)地圖中地理目標(biāo)的坐標(biāo)已知時(shí)可直接利用其坐標(biāo)參數(shù)。

3）地理目標(biāo)點(diǎn)匹配：在已提取的待審地圖地理目標(biāo)位置與標(biāo)準(zhǔn)地圖地理目標(biāo)位置之間建立映射關(guān)系，進(jìn)行地圖地理關(guān)鍵點(diǎn)對(duì)的匹配。將關(guān)鍵點(diǎn)特征中，包括名稱(chēng)、圖像特征和幾何特征等做矢量化。通過(guò)距離函數(shù)計(jì)算得到不同關(guān)鍵點(diǎn)矢量的距離，距離小于閾值的點(diǎn)對(duì)作為匹配的關(guān)鍵點(diǎn)對(duì)。將關(guān)鍵點(diǎn)對(duì)依據(jù)特征距離進(jìn)行降序排序，找到前n個(gè)（n≥3）最接近的關(guān)鍵點(diǎn)對(duì)，從而確定幾何變換的控制點(diǎn)。

4）地圖幾何變換：采用仿射變換的幾何變換方法將映射關(guān)系作為控制點(diǎn)，通過(guò)公式（1）和（2）將待審地圖和標(biāo)準(zhǔn)地圖進(jìn)行配準(zhǔn)。

式中，變換前坐標(biāo)x,y；變換后坐標(biāo)x’,y’；系數(shù)矩陣M為變換矩陣。

5）獲得幾何變換后配準(zhǔn)對(duì)齊的地圖對(duì)。

1.3 地圖線性要素類(lèi)型語(yǔ)義分割和幾何特征提取

通過(guò)DeeplabV3神經(jīng)網(wǎng)絡(luò)算法，對(duì)表2所示地圖中省市縣區(qū)行政邊界、雙線河流、單線河流、高速公路、高速鐵路、各級(jí)公路、國(guó)鐵等線性要素進(jìn)行提取。將輸出的推理結(jié)果作為線性要素的掩膜，得到線性要素的感興趣（region of interest，ROI）區(qū)域，在ROI區(qū)域獲得線性地物的邊緣并提取中心線。對(duì)中心線上的點(diǎn)密集采樣，獲得一系列中心線采樣點(diǎn)坐標(biāo)（x,y）。

表2 地圖線性要素分類(lèi)模型的類(lèi)型定義

1.4 標(biāo)準(zhǔn)參考地圖線性要素中心線樣本庫(kù)

建立標(biāo)注地圖線性要素中心線樣本庫(kù)，作為待審地圖中線性要素走向判定的標(biāo)準(zhǔn)參考。利用上述線性要素輪廓提取和中心點(diǎn)采樣方法，對(duì)標(biāo)準(zhǔn)地圖中的省市縣區(qū)行政邊界、雙線河流、單線河流、高速公路、高速鐵路、各級(jí)公路和國(guó)鐵等線性要素做輪廓提取，并獲得中心點(diǎn)坐標(biāo)（x,y），構(gòu)建標(biāo)準(zhǔn)參考庫(kù)。

1.5 地圖線性要素走向偏差判定

如式（3）所示，在獲得待審地圖線性要素中心點(diǎn)S坐標(biāo)（xs,ys）和標(biāo)準(zhǔn)地圖中心參考點(diǎn)R坐標(biāo)（xr,yr）后，地圖線性要素走向偏差判定依據(jù)參考點(diǎn)S與其最近待審地圖中心點(diǎn)R的歐氏距離d進(jìn)行判定，設(shè)定閾值t，作為分類(lèi)的判斷標(biāo)準(zhǔn)。

待審地圖線性要素中心點(diǎn)定位算法是通過(guò)參考點(diǎn)R坐標(biāo)（xr,yr）計(jì)算周邊偏移量以內(nèi)的點(diǎn)距離，在計(jì)算過(guò)程中記錄最小距離點(diǎn)N的坐標(biāo)（xn,yn）。

如圖2 所示，紅色圓圈是待審地圖中心點(diǎn)，綠色圓點(diǎn)是配準(zhǔn)后的標(biāo)準(zhǔn)地圖參考點(diǎn)，距離不超過(guò)一定閾值則被判定為走向正確。閾值根據(jù)圖像分辨率設(shè)置，本文定義為3個(gè)像素。

圖2 待審地圖線性要素中心點(diǎn)示意圖

2 實(shí)驗(yàn)結(jié)果與分析

2.1 評(píng)價(jià)指標(biāo)

為準(zhǔn)確評(píng)價(jià)本文所采用深度學(xué)習(xí)方法對(duì)地圖線性要素的識(shí)別能力，選取常用評(píng)價(jià)方法準(zhǔn)確率(pixel accuracy， PA）、 召回率（Recall）、F1 測(cè)度值（F1-Score） 和平均交并比（mean intersection over union，MIoU）4個(gè)參數(shù)對(duì)模型性能進(jìn)行評(píng)價(jià)。

式中，TP為真實(shí)標(biāo)簽為正確分類(lèi)且預(yù)測(cè)結(jié)果也為正確分類(lèi)的個(gè)數(shù)；FP為真實(shí)標(biāo)簽為錯(cuò)誤分類(lèi)但預(yù)測(cè)結(jié)果為正確分類(lèi)的個(gè)數(shù)；FN為真實(shí)標(biāo)簽為正確分類(lèi)但預(yù)測(cè)結(jié)果為錯(cuò)誤分類(lèi)的個(gè)數(shù)；TN為真實(shí)標(biāo)簽為錯(cuò)誤分類(lèi)且預(yù)測(cè)結(jié)果也為錯(cuò)誤分類(lèi)的個(gè)數(shù)；P為預(yù)測(cè)值；G為真實(shí)值；K為總類(lèi)別個(gè)數(shù)。

2.2 實(shí)驗(yàn)結(jié)果與分析

采用深度學(xué)習(xí)方法對(duì)寧夏回族自治區(qū)行政地圖提取自治區(qū)界與清水河走向，其中結(jié)果如圖3、4所示。

圖3 寧夏回族自治區(qū)行政地圖與寧夏回族自治區(qū)界走向提取結(jié)果圖審圖號(hào)：寧S（2022）第001號(hào)

圖4 寧夏回族自治區(qū)行政地圖與清水河走向提取結(jié)果圖審圖號(hào)：寧S（2022）第001號(hào)

利用模型評(píng)價(jià)參數(shù)對(duì)目標(biāo)識(shí)別方法和語(yǔ)義分割方法的識(shí)別與提取結(jié)果做精度評(píng)價(jià)，由表3 可知，目標(biāo)識(shí)別方法的準(zhǔn)確率、召回率和F1 測(cè)度值分別為78.26%、87.97%和82.83%；語(yǔ)義分割方法的平均交并比（mean intersection over union，MIoU）為88.00%。

表3 識(shí)別結(jié)果統(tǒng)計(jì)分析

點(diǎn)緩沖區(qū)是以點(diǎn)對(duì)象為圓心，以給定的緩沖距離為半徑生成的圓形區(qū)域。在線性要素走向判定的過(guò)程中，采用設(shè)定點(diǎn)緩沖區(qū)的方法決定輸出線性要素的位置范圍，確定行政邊界和河流的走向偏差是否符合要求。點(diǎn)緩沖區(qū)數(shù)學(xué)表達(dá)式為：

即以線性要素中第i點(diǎn)Oi為圓心，對(duì)象Oi的半徑為r的緩沖區(qū)；Bi為距Oi的距離d小于等于r的全部點(diǎn)的集合；d為最小歐氏距離。

其中，通過(guò)實(shí)驗(yàn)確定的經(jīng)驗(yàn)值，將行政邊界走向判定的緩沖區(qū)范圍設(shè)定為5 個(gè)像素，將河流走向判定的緩沖區(qū)范圍設(shè)定為5 個(gè)像素，其判定結(jié)果分析如表4所示。

表4 線性要素的閾值設(shè)定與分析

由上表可知，將行政邊界和清水河的緩沖區(qū)半徑設(shè)定為5 個(gè)像素，即以5 個(gè)像素為行政邊界的緩沖區(qū)的界內(nèi)認(rèn)定為正確的線性走向，溢出緩沖區(qū)則視為錯(cuò)誤的邊界和走向。采用人工方法在行政地圖上選取寧夏回族自治區(qū)行政邊界樣本點(diǎn)1105 個(gè)，清水河樣本點(diǎn)542 個(gè)，對(duì)本文的方法進(jìn)行總體的精度評(píng)價(jià)，結(jié)果表明，行政邊界線性要素判定的準(zhǔn)確率（PA）和召回率（Recall）分別為91.86%和96.19%；清水河線性要素判定的準(zhǔn)確率（PA）和召回率（Recall）分別為94.68%和85.42%。

2.3 深度學(xué)習(xí)方法與傳統(tǒng)方法對(duì)比

選擇銀川市、固原市、石嘴山市、吳忠市、中衛(wèi)市和寧夏回族自治區(qū)6個(gè)區(qū)域的82張行政區(qū)劃地圖和專(zhuān)題地圖，其中包括64 張正確地圖和18 張包含錯(cuò)誤信息的地圖，采用本文的方法與傳統(tǒng)的人工目視解譯方法進(jìn)行對(duì)比，結(jié)果如表5所示。

表5 傳統(tǒng)的人工目視解譯方法與深度學(xué)習(xí)方法對(duì)比分析

由上表可知，采用傳統(tǒng)的人工目視解譯方法效率為180 s/幅，本文方法效率為15 s/幅。傳統(tǒng)的人工目視解譯方法采用抽樣的方式進(jìn)行審查，只關(guān)注易錯(cuò)區(qū)域和包含敏感信息的區(qū)域，而本文方法全面審查地圖，能夠發(fā)現(xiàn)偶發(fā)錯(cuò)誤，其審查面積占比明顯高于傳統(tǒng)的人工目視解譯方法。

由于本文選擇YOLOV7目標(biāo)識(shí)別方法定位地理標(biāo)志點(diǎn)，具有較高的置信度和檢測(cè)速度且占用內(nèi)存較小，能夠快速為配準(zhǔn)提供高精度的控制點(diǎn)位置；選擇配準(zhǔn)方法對(duì)地圖進(jìn)行預(yù)處理，使得地圖與標(biāo)準(zhǔn)參考地圖的吻合度更高；DeeplabV3 語(yǔ)義分割方法具有更高的分割精度和處理效率，對(duì)地圖的細(xì)節(jié)特征提取能力更強(qiáng)，其對(duì)地圖中的河流要素進(jìn)行了準(zhǔn)確的定位與提??；地圖線性要素走向偏差判定方法采用設(shè)定閾值的方式，能更靈活適應(yīng)對(duì)河流審查的定制化標(biāo)準(zhǔn)。因此，本文的方法不僅具有較高的查準(zhǔn)率和查全率，還可以廣泛運(yùn)用于復(fù)雜多樣的地圖要素審查中。

3 討論

不同比例尺待審地圖的配準(zhǔn)是決定判定進(jìn)度的關(guān)鍵環(huán)節(jié)，為降低配準(zhǔn)時(shí)的誤差對(duì)判定精度產(chǎn)生的影響，在標(biāo)準(zhǔn)參考地圖庫(kù)中準(zhǔn)備大、中、小3 種級(jí)別比例尺的參考地圖，選取與待審地圖最接近的參考圖使配準(zhǔn)過(guò)程中產(chǎn)生的誤差降低；其次，在多對(duì)配準(zhǔn)點(diǎn)中選擇至少3 對(duì)以上作為地理目標(biāo)點(diǎn)，通常選取最常見(jiàn)的易定位的地理標(biāo)志，如省會(huì)城市、地級(jí)市和著名山峰等做參考，使獲取的候選點(diǎn)具有更高的魯棒性，且使得待審地圖上某些地理目標(biāo)點(diǎn)不存在或難以查找和準(zhǔn)確定位時(shí)，確保有其他候補(bǔ)地理目標(biāo)點(diǎn)可用；此外，地理目標(biāo)點(diǎn)的分布應(yīng)盡量離散或靠近待審線性要素對(duì)象，以降低地圖幾何變換后待審線性要素對(duì)象與標(biāo)準(zhǔn)參考圖中的先行要素對(duì)象的誤差。不同比例尺下標(biāo)準(zhǔn)地圖選取以及地圖配準(zhǔn)帶來(lái)的判定精度影響的定量分析還需進(jìn)一步研究。

4 結(jié)論與展望

本文通過(guò)訓(xùn)練目標(biāo)識(shí)別和語(yǔ)義分割深度神經(jīng)網(wǎng)絡(luò)，識(shí)別和提取寧夏回族自治區(qū)行政區(qū)劃地圖的地理目標(biāo)和線性要素，在深度神經(jīng)網(wǎng)絡(luò)的解譯結(jié)果基礎(chǔ)上對(duì)地圖線性要素走向進(jìn)行判定，實(shí)驗(yàn)結(jié)果表明具有較好的提取效果。本文僅對(duì)地圖的線性要素走向進(jìn)行判定，且在線要素與點(diǎn)要素的位置關(guān)系判定中，對(duì)于不同復(fù)雜程度的地圖適用性未做進(jìn)一步的實(shí)驗(yàn)，下一步研究將針對(duì)不同類(lèi)型的地圖測(cè)試方法的泛化性能。