WWW.REFERATCENTRAL.ORG.UA - Я ТУТ НАВЧАЮСЬ

... відкритий, безкоштовний архів рефератів, курсових, дипломних робіт

ГоловнаГеографія фізична, Геоморфологія, Геологія → Розробка, формування та ведення індексних кадастрових карт засобами ГІС. - Курсова робота

Розробка, формування та ведення індексних кадастрових карт засобами ГІС. - Курсова робота

послідовності рядків, які в свою чергу є упорядкованими послідовностями пік селів. Пікселі характеризуються числом абогрупою чисел - значень пікселів Таким чином, кожний піксель характеризується значенням та координатами номером рядку та своїм номером у цьому рядку. Будь-який фізичний об'єкт І. растровому зображенні природного походження відображається у вигляді множини точок цього растру. Оскільки пікселі не містять інформації про свою належність до певного об'єкту, під час розпізнавання доводиться обробляти певний об'єм даних растру. Це призводить до великого зростання часу обробки. Розпізнавання по растру пов'язане також з тим, що побудувати ознаки об'єктів, які б були стійкими до афінних перетворень зображення, надзвичайно складно. Основою векторних зображень є векторні об'єкти. Кожний векторний об'єкт характеризується власними числовими, специфічними геометричними, метричними, топологічними та іншими властивостями. Це, наприклад, конфігурація, структура, місцезнаходження на зображенні, орієнтація, тощо. адекватного використання в геоінформаційних системах векторні об'єкти повинні мати метричні характеристики, що досягається встановленням об'єктів певної системи координат. Оскільки всі об'єкти пов'язані між собою одним зображенням, до якого вони належать, то система координат стає загальною характеристикою цього зображення. Крім згаданих властивостей, з векторними об'єктами можуть асоціюватися дані будь-якої природи - числові, текстові та ін. Ця властивість векторних об'єктів обумовлює можливість створені таблиць та баз даних для об'єктів, що формують зображення. Зображення у векторному представленні мають ряд інших переваг у порівнянні з зображеннями у растровому форматі:
o можливість групування, сортування, відображення, аналізу об'єктів прошарками;
o виграш у швидкодії алгоритмів розпізнавання, що пов'язано з можливістю розпізнавання для невеликої частки об'єктів, які утворюють множину зацікавленості;
o виграш у швидкодії та достовірності розпізнавання внаслідок угрупування об'єктів за типами, до яких застосовуються специфічні для відповідної групи методи обробки, критерії, бази прототипів та ін.;
o векторне зображення використовує суттєво менший об'єм пам'яті ЕОМ (оперативного та дискового простору).
2.2 Технологічна послідовність автоматизованого розпізнавання об'єктів на цифрових растрових зображеннях.
Розглянемо технологічну послідовність автоматизованого розпізнавання, що пропонується при використанні існуючих растрових карт, даних ДЗЗ або аерофотозйомки (рис2.1). Вхідне растрове зображення у цифровому вигляді підлягає попередньому обробленню внаслідок наявності характерних для сканованих та аерофотозображень декількох типів завад-(адитивних, мультиплікативних, імпульсних), великих розмірів цифрових масивів даних, обмеженості апаратно-обчислювальних ресурсів, відсутності достовірної апріорної інформації про характеристики об'єктів і систему формування зображень. Для попереднього оброблення частіше застосовують алгоритми локально-апертурної фільтрації .
В процесі сепарації інформативних зон визначають області зображення, які містять корисну інформацію. Для цих зон проводиться подальше оброблення.
Продовженням попереднього оброблення вхідного растру є сегментація. Мета та алгоритми сегментації залежать від алгоритмів векторизації та розпізнавання, що мають бути застосовані до даного зображення. Найчастіше критерієм векторизації є колір (яскравість, або ін.) пікселів [5], тобто об'єктом називають зв'язану множину пікселів однакового кольору (кластер) при тому, що суміжні з цією множиною пікселі мають інші кольори. В цьому випадку сегментація - це процес формування в інформативних зонах кластерів, які відловідають реальним об'єктам. Розпізнавання може також проводитися з викорис танням скелету контурного препарату. Для цього треба провести сегментацій таким чином, щоб виділити в окремі кластери границі об'єктів.
Від якості попередніх етапів оброблення зображення залежать хід та результат автоматичної векторизації. В ідеальному випадку множина векторних об'єктів повинна співпадати з множиною реальних об'єктів на зображенні.
Усунути та скоригувати всі завади на вхідних растрах принципово неможливо, додаткових опцій при налаштовуванні методів оброблення растрів може не вистачити для правильної сегментації. В цьому випадку залишкові завади ; сприймаються системою як об'єкти або частини об'єктів та переводяться при трансформаціях у векторний формат. Тому для підготовки до кінцевого розпізнавання необхідно провести попереднє оброблення отриманого векторного зображення. Таке оброблення базується на застосуванні методів, які за тими чи іншими ознаками класифікують векторні об'єкти як завади і, таким чином, стає можливим скоригувати помилки.
Наступним кроком для підвищення ефективності кінцевого розпізнавання є преселекція та сепарація об'єктів на інформативні прошарки. Преселекція являє собою класифікацію об'єктів за їх інтегральними параметрами (периметр, площа та ін.) . На цій стадії можливо відфільтрувати, наприклад, шумові об'єкти, які мають площу менше певного порогового значення. Або за значенням площі можливо виконати сортування полігонів на будівлі (менші значення) та поля без будівель (більші значення площі). Лінії можливо сортувати за довжиною, товщиною (зберігається як властивість лінії після скелетизації), орієнтацією, кутом повороту та іншими параметрами. Значення границь інтегральних параметрів в процесі експлуатації системи постійно уточнюються, а множина цих параметрів може доповнюватися новими, більш ефективними, що надають нових можливостей при обробленні.
За отриманими прошарками формуються множини зацікавленості, в яких після геоприв'язки проводиться кінцеве розпізнавання та сортування об'єктів.
В разі необхідності геоприв'язку виконують до етапу преселекції. Кінцеве розпізнавання являє собою широкий клас моделей та методів, які останнім часом іртрімко розвиваються.
Мал. 1. Технологія автоматизованого розпізнавання об'єктів на цифрових растрових зображеннях
2.3 Реалізації методу розпізнавання
графічних образів в системі ведення земельного кадастру.
Як зазначалося, найбільш ефективне заповнення КБД при використанні існуючих карт, даних ДЗЗ або аерофотозйомки буде проводитися у разі поєднання автоматичної векторизації та розпізнавання. Але заповнення КБД може відбуватися на основі існуючих векторних цифрових карт. В цьому випадку заповнення КБД удосконалюється завдяки застосуванню автоматизованого розпізнавання графічних образів. Наявність такої можливості вимагає реалізації у вигляді окремого програмного модулю (компоненту).
Блок преселекції також повинен бути реалізований у вигляді окремого програмного модулю (компоненту). Це дозволить використовувати його для підтримки первинного заповнення КБД та для виконання швидких узагальнений просторових запитів.
При використанні
Loading...

 
 

Цікаве