技术领域
[0001] 本
发明属于图式质量评价的技术领域，具体而言涉及一种地形图图式质量评价方法。
背景技术
[0002] 图像质量评价方法在
图像处理、
计算机视觉和系统工程等领域具有广泛应用价值，图像质量评价方法可分为主观质量评价方法和客观质量评价方法两类。主观质量评价方法是指让观察者根据一些事先规定好的评价尺度或自己已有的经验，对待测试图像按视觉或主观
印象提出质量判断，并给出质量分值。然而主观质量评价方法往往受到观察者本身因素的影响，而且进行视觉心理测试经常需要花费的时间较长，对观察环境有一定的限制。因此，目前在图像质量评价中主要使用客观质量评价方法。
[0003]
专利申请(N102663764)公开了一种基于结构失真与空间
频率指标的图像质量评价方法，该方法在基于结构失真的图像质量评价方法的
基础上，提出结构失真与空间频率指标结合的图像质量评价方法，从而实现了从影响图像质量评价的主要因素即
亮度、清晰度以及相关度对图像质量进行评价。该申请所选用的计算关系式较为简单，但是只涉及到原始图像与失真图像
像素之间的计算。
[0004] 专利申请(CN105046277)公开了一种特征显著性在图像质量评价中的鲁棒机理研究方法，其方法步骤为：首先，确立图像质量评价中特征选择的目标函数并初始化模型参数；其次，选择最优特征加入特征矩阵并移除特征干扰项；然后，计算图像质量评价系统中特征选择的显著性；接着，判断是否满足系统鲁棒性要求或达到特征个数上限；最后，验证模型分类效果。该申请通过引入的系统特征
信噪比衡量特征显著性，求解图像质量评价系统中光滑凸函数的约束优化问题，有效地降低了非显著特征对分类面的干扰，提升了图像质量评价系统的鲁棒性。
[0005] 现有的一些图像质量评价方法，存在如下问题：
[0006] 传统的图像质量评价在形状特征方面是针对整个形状区域，考虑几何结构信息的失真情况，主要包含方向结构和几何正则结构等信息失真度量。本发明根据控制文件建立缓冲区，将获得的符号式样进行量化，具有位移、尺寸、旋转不变性，其检测可靠性更高。
[0007] 传统上对图像
颜色特征的评价是对图像整体的描述，而且受到图像某一区域内全部像素值的影响，无法反应图像某一特定
块的旋转及伸缩变化的影响，因此不能准确的获取图像的局部单位特征，所以单一的颜色特征并不能作为衡量图像质量的指标。
发明内容
[0008] 本发明针对
现有技术的不足，提供一种根据控制文件建立缓冲区，受图像
分辨率和物体完整性的影响较小，在缓冲区范围内同时获取其RGB符号色值，对其进行全面的色彩检测，可靠性更高的地形图图式质量评价方法。
[0009] 为实现上述目的，本发明采用如下技术方案：一种地形图图式质量评价方法，包括以下步骤：
[0010] (1)数据源获取：获取待处理的数据并识别数据的数据类型，并将所获取的数据输入到
数据处理器；
[0011] (2)根据基准图像进行数据预处理；
[0012] (3)根据空间约束的Harris
角点检测形成地形图内图廓角点的有效
配对并实现图像校正；
[0013] (4)根据基准图像和国家基本比例尺地图图式制作点状矢量控制文件；
[0014] (5)基于空间缓冲分析进行符号色值的检测；
[0015] (6)基于GrabCut分割
算法实现符号式样的检测；
[0016] (7)根据符号色值和符号式样检测结果进行地形图图式质量评价。
[0017] 进一步地，步骤(1)中，数据源包括基准图像和待处理数据；所述基准图像分为标准分幅数据和任意分幅数据，其数据类型为后缀名*.jpg的JPEG、*.tif的TIFF或*.img的IMAGINE Image；待处理数据分为标准地形图分幅数据和任意地形图分幅数据，其数据类型为后缀名*.shp的Shapefile、*.mdb的Personal Geodatabase或*.gdb的File Geodatabase。
[0018] 进一步地，步骤(2)中需要对待处理的数据源根据基准影像进行预处理，包括投影转换和矢量转栅格，所述投影转换用于将待处理数据的
坐标系调整与基准图像的坐标系一致；所述矢量转栅格用于将待处理数据的数据类型转化为基准图像的数据类型。
[0019] 进一步地，步骤(3)中基于空间约束Harris角点的图像校正包括如下步骤：
[0020] (a)读取基准图像和预处理后的数据；
[0021] (b)根据图像的大小为N×M将数据分成大小为L×L的数据块，其中，N为列像素数，M为行像素数，L单位为像素，以图像四角处最小图像块包含内图廓线相交的交点确定最小的L为图像分块初始值，后续根据匹配效果动态确定L值，直到L＝N或L＝M；并根据分块数据的空间关系选取原始图像四角处四块数据作为代检测数据；
[0022] (c)Harris角点检测；
[0023] (d)Harris角点匹配将欧氏距离作为评判描述子匹配程度的标准；
[0024] (e)利用RANSAC随机抽样一致性算法，根据几何限制消除误匹配，提高鲁棒性；
[0025] (f)根据下式对得到的匹配角点分别在基准图像和待校正图像间进行空间约束；
[0026]
[0027] 其中，si为两个角点间距离，sj为数据内图廓边长(比例尺一定的地形图其内图廓的四个边长是确定的)，Δs为容差；αi为三个角点构成的角度(理论上其构成的角度为90度)，Δα为容差；Max(M，N)取M、N中的最大值；
[0028] (g)根据形成的内图廓角点有效匹配对完成图像数据的校正。
[0029] 进一步地，步骤(4)中根据基准图像和国家基本比例尺地图图式制作点状矢量控制文件，包括符号色值的确定和符号式样的量化，所述符号色值的确定用于在CMYK模式下确定靛青C、品红M、黄Y、黑K的四色色值；所述符号式样量化用于将具有几何特征的符号以
重心、宽度和高度的指标表示出来。
[0030] 进一步地，步骤(5)中基于空间缓冲分析进行符号色值的检测包括如下步骤：
[0031] (1)根据创建的点状控制文件生成缓冲区；
[0032] (2)将控制文件中的CMYK模式下的色值转化为RGB模式下的色值，转换公式如下：
[0033] R＝255*(100-C)*(100-K)/10000；
[0034] G＝255*(100-M)*(100-K)/10000；
[0035] B＝255*(100-Y)*(100-K)/10000；
[0036] (3)根据创建的缓冲区范围在待检测图像内进行RGB色值匹配；
[0037] (4)根据匹配结果输出符号色值检测结果；所述测结果包括图像对比和文字描述。
[0038] 进一步地，步骤(6)中基于GrabCut分割算法实现符号式样的检测包括如下步骤：
[0039] (1’)根据点状的控制文件生成用于GrabCut分割的矩形范围；
[0040] (2’)根据符号色值检测结果确定用于GrabCut分割的前景色，以提高分割
精度；
[0041] (3’)在上述步骤(1)和(2)的基础上进行GrabCut分割，并通过灰度化和二值化得到二值图像；
[0042] (4’)通过数学形态学
腐蚀运算和开运算，填充内部斑点得到比较平滑的二值区域后进行轮廓检测；
[0043] (5’)量化检测的图形，包括图形的重心、宽度和高度；
[0044] (6’)与控制文件中的符号式样的重心、宽度和高度进行匹配，并输出符号式样检测结果；所述检测结果包括图形对比和文字描述；
[0045] 进一步地，步骤(7)中需要根据符号色值和符号式样检测结果进行地形图图式质量评价，所述图式质量评价包括如下步骤：根据输出的符号色值检测结果和符号式样检测结果进行定性和定量描述；当符号色值或符号式样任何一个出现错误就判定为不合格。
[0046] 本发明的有益效果：
[0047] 本发明主要应用于前期地形图图式设计的检验，后续生产用图中图式质量的检查。
[0048] 在精度方面：通过本发明一方面可以减少人为因素在量取符号式样的测量误差，另一方面可以减少人眼在符号色值判断中的视觉误差。
[0049] 在效率方面：针对大量待评价数据，本发明通过程序批量化评价，极大提高了图式质量评价的效率。
[0050] 灵活性方面：根据人为要求或最新图式要求，通过
修改控制文件可以很方面的调整符号式样以及符号色值的设定，而且可以重复利用，避免资源浪费。
附图说明
[0051] 图1是本发明的地形图图式质量评价方法的总体
流程图；
[0052] 图2是本发明的基于空间约束Harris角点的图像校正流程图；
[0053] 图3是本发明的基于空间缓冲分析的符号色值检测流程图；
[0054] 图4是本发明的基于GrabCut分割算法的符号式样检测流程；
[0055] 图5是本发明的基于GrabCut分割算法的基本过程示意图。
具体实施方式
[0056] 为使本发明
实施例的目的和技术方案更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0057] 本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
[0058] 如图1所示，本发明的一种地形图图式质量评价方法，包括以下步骤：
[0059] (1)数据源获取：获取待处理的数据并识别数据的数据类型，并将所获取的数据输入到数据处理器；
[0060] (2)根据基准图像进行数据预处理；
[0061] (3)根据空间约束的Harris角点检测形成地形图内图廓角点的有效配对并实现图像校正；
[0062] (4)根据基准图像和国家基本比例尺地图图式制作点状矢量控制文件；
[0063] (5)基于空间缓冲分析进行符号色值的检测；
[0064] (6)基于GrabCut分割算法实现符号式样的检测；
[0065] (7)根据符号色值和符号式样检测结果进行地形图图式质量评价。
[0066] 作为一种优选的方式，步骤(1)中，数据源包括基准图像和待处理数据；所述基准图像分为标准分幅数据和任意分幅数据，其数据类型为后缀名*.jpg的JPEG、*.tif的TIFF或*.img的IMAGINE Image；待处理数据分为标准地形图分幅数据和任意地形图分幅数据，其数据类型为后缀名*.shp的Shapefile、*.mdb的Personal Geodatabase或*.gdb的File Geodatabase。
[0067] 作为一种优选的方式，步骤(2)中需要对待处理的数据源根据基准影像进行预处理，包括投影转换和矢量转栅格，所述投影转换用于将待处理数据的坐标系调整与基准图像的坐标系一致；所述矢量转栅格用于将待处理数据的数据类型转化为基准图像的数据类型。
[0068] 如图2所示，步骤(3)中基于空间约束Harris角点的图像校正包括如下步骤：
[0069] (a)读取基准图像和预处理后的数据；
[0070] (b)根据图像的大小为N×M将数据分成大小为L×L的数据块，其中，N为列像素数，M为行像素数，L单位为像素，以图像四角处最小图像块包含内图廓线相交的交点确定最小的L为图像分块初始值，后续根据匹配效果动态确定L值，直到L＝N或L＝M；并根据分块数据的空间关系选取原始图像四角处四块数据作为代检测数据；
[0071] (c)Harris角点检测；
[0072] (d)Harris角点匹配将欧氏距离作为评判描述子匹配程度的标准；
[0073] (e)利用RANSAC随机抽样一致性算法，根据几何限制消除误匹配，提高鲁棒性；
[0074] (f)根据下式对得到的匹配角点分别在基准图像和待校正图像间进行空间约束；
[0075]
[0076] 其中，si为两个角点间距离，sj为数据内图廓边长(比例尺一定的地形图其内图廓的四个边长是确定的)，Δs为容差；αi为三个角点构成的角度(理论上其构成的角度为90度)，Δα为容差；Max(M，N)取M、N中的最大值；
[0077] (g)根据形成的内图廓角点有效匹配对完成图像数据的校正。
[0078] 作为一种优选的方式，步骤(4)中根据基准图像和国家基本比例尺地图图式制作点状矢量控制文件，包括符号色值的确定和符号式样的量化，所述符号色值的确定用于在CMYK模式下确定靛青C、品红M、黄Y、黑K的四色色值；所述符号式样量化用于将具有几何特征的符号以重心、宽度和高度的指标表示出来。
[0079] 如图3所示，步骤(5)中基于空间缓冲分析进行符号色值的检测包括如下步骤：
[0080] (1)根据创建的点状控制文件生成缓冲区；
[0081] (2)将控制文件中的CMYK模式下的色值转化为RGB模式下的色值，转换公式如下：
[0082] R＝255*(100-C)*(100-K)/10000；
[0083] G＝255*(100-M)*(100-K)/10000；
[0084] B＝255*(100-Y)*(100-K)/10000；
[0085] (3)根据创建的缓冲区范围在待检测图像内进行RGB色值匹配；
[0086] (4)根据匹配结果输出符号色值检测结果；所述测结果包括图像对比和文字描述。
[0087] 如图4所示，步骤(6)中基于GrabCut分割算法实现符号式样的检测包括如下步骤：
[0088] (1’)根据点状的控制文件生成用于GrabCut分割的矩形范围；
[0089] (2’)根据符号色值检测结果确定用于GrabCut分割的前景色，以提高分割精度；
[0090] (3’)在上述步骤(1)和(2)的基础上进行GrabCut分割，并通过灰度化和二值化得到二值图像；
[0091] (4’)通过数学形态学腐蚀运算和开运算，填充内部斑点得到比较平滑的二值区域后进行轮廓检测；
[0092] (5’)量化检测的图形，包括图形的重心、宽度和高度；
[0093] (6’)与控制文件中的符号式样的重心、宽度和高度进行匹配，并输出符号式样检测结果；所述检测结果包括图形对比和文字描述；
[0094] 作为一种优选的方式，步骤(7)中需要根据符号色值和符号式样检测结果进行地形图图式质量评价，所述图式质量评价包括如下步骤：根据输出的符号色值检测结果和符号式样检测结果进行定性和定量描述；当符号色值或符号式样任何一个出现错误就判定为不合格。
[0095] 本发明的点状矢量控制文件字段设计如下表：
[0096]
[0097]
[0098] 相关的算法介绍如下：
[0099] 1.Harris角点检测算法基本流程如下：
[0100] (1)计算图像I(x,y)在X和Y两个方向的梯度Ix、Iy。
[0101]
[0102] (2)计算图像两个方向梯度的乘积。
[0103]
[0104] (3)使用尺度可变高斯函数 对 和Ixy进行高斯加权(取σ＝1)，生成矩阵M的元素A、B和C。
[0105]
[0106] 其中，w为加权函数
[0107] (4)计算每个像元的Harris相应值R，并对小于某一
阈值t的R置为0。
[0108] R＝{R:detM-α(traceM)2＜t} (4)
[0109] 其中，detM为矩阵 的行列式；traceM为矩阵M的直迹；α为经验常数。
[0110] (5)在3×3或5×5的邻域内进行非最大值抑制，局部最大值点即为图像中的角点。
[0111] 2.GrabCut分割
[0112] 将图割理论用于计算机视觉领域是近年来发展起来的一种新方法。GrabCut算法(综合利用纹理及边界2种信息进行
图像分割)是对Graph cuts算法(先将一幅图像映射成一个网络图，并构造关于标号的
能量函数，然后利用组合优化技术使能量函数最小化)的改进：①用高斯混合模型(Gaussian mixture model，GMM)取代灰度直方图，实现了彩色图像的分割；②采用多次
迭代方式取代一次估计GMM参数，完成能量最小化，提高分割精度；③通过非完全标号降低用户的交互工作量。
[0113] GrabCut分割的基本过程是：首先在目标区域周围画一个矩形框(图5(a))，初始化三元图T，以非完全标号的方式将矩形框内标为未知区域Tu、矩形框外标为背景区域TB，将Tu内的像元值标为1、TB内的像元值标为0，同时设目标区域TF为空，根据用户标定的像元标号值为0和1的集合，分别进行目标和背景的GMM初始化；然后将Tu划分为目标和背景2类，对新划分的目标和背景像元点进行切割，更新GMM参数，在新的GMM参数下继续对Tu迭代，直到满足迭代终止条件，确定GMM参数；最后根据确定的GMM对Tu进行一次切割，得到目标区域[13](图5(b))。
[0114] 3.欧氏距离
[0115] 假设p维空间中的任意两点为x和y，x＝(x1,...,xp)T,y＝(y1,...,yp)T，均为p维向量，欧氏距离即为x点与y点的坐标差之和的平方根，具体定义为：
[0116]
[0117] 以上仅为本发明的实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干
变形和改进，这些均属于本发明的保护范围。
