【技术实现步骤摘要】
本专利技术涉及地理信息，特别是涉及一种电子海图水深点信息提取及矢量化方法。
技术介绍
1、电子海图水深点数据对于研究海洋养殖和基建建设至关重要，然而电子海图水深点信息通常不开放下载，目前该数据的获取方法分为两种：专业人员人工辨别水深点的地理坐标和水深数字，将其录入地理信息系统(geography information system，gis)工具中；利用计算机视觉和神经网络，涉及对象检测、边缘检测、图像识别等技术，智能识别电子海图并提取水深点的位置和深度信息。
2、专业人员人工辨识手动输入通常可以录入高度精确的水深数据信息，也是目前大多数行业部门的做法，该方法费时费力，效率低下。利用计算机视觉识别模型的方法，通常需要较大体量的训练数据，模型结构越复杂需要的支撑数据越多，标注训练网络模型的数据集同样需要大量的人力和时间。
3、现有技术公开了一种扫描纸质海图水深点自动矢量化及信息提取方法，它包括扫描纸质海图；进行几何校正；框选海图图像中任一包含单个水深点的图像区域，并获取左上角的空间坐标；读取框选区域的图像数据，识别区域中的数字；根据数字序列中各数字间的位置关系，获取整数位和小数位，得到水深点水深读数；计算水深点的空间坐标；在创建的点矢量文件中生成点要素并将水深数据写入属性表，在图上显示获取的水深读数和空间位置。本专利技术能够大幅度提高海图水深点矢量化工作的效率。该现有技术存在因电子海图水深点深度数据存在数字密集、角度随机、存在其他标记符号等问题给水深数据识别带来干扰的问题。
技术
1、本专利技术的目的是：提供一种电子海图水深点信息提取及矢量化方法，以解决现有技术存在的因电子海图水深点深度数据存在数字密集、角度随机、存在其他标记符号等问题给水深数据识别带来干扰的问题。
2、为了实现上述目的，本专利技术提供了一种电子海图水深点信息提取及矢量化方法，包括如下步骤：
3、s1、获取电子海图，将电子海图缩放拖拽到目标区域，待水深点数字清晰时进行截取保存；
4、s2、对截取保存的电子海图进行预处理，获得单个数字图像，预处理包括图像修复、数字位置查找、水深数据位置排序和数据保存；
5、s3、单个数字图像通过预先训练好的识别模型进行识别，获得各张单个数字图像中的数字数据；
6、s4、结合单个数字图像和数字数据进行水深信息还原，获得带地理空间坐标的电子海图水深点信息数据，并存储到矢量图层中，水深信息还原包括数值还原、数值矫正、坐标转换和水深点导入。
7、优选的，在步骤s2中，图像修复包括尺寸缩放、二值化、锐化、滤波去噪、标准化和膨胀。
8、优选的，在步骤s2中，数字位置查找包括查找轮廓、单个数字定位、确定数字框面积阈值和筛选数字框，
9、查找轮廓的具体过程为通过图像处理找到并记录截图图像内的所有轮廓，所有轮廓会以由内而外的顺序保存；
10、单个数字定位的具体过程为通过图像处理获得轮廓内所有数字的最小外接矩形框，即数字框，通过矩形中心点公式计算所有数字框的中心点位置，从而定位图像中所有数字的中心点图像坐标；
11、确定数字框面积阈值的具体过程为计算截取图像内所有数字框面积及其中位数，分别取0.5倍与1.5倍的面积中位值作为阈值下限和阈值上限；
12、筛选数字框的具体过程为选定数字框面积阈值后，按筛选出正确的数字框面积。
13、优选的，在步骤s2中，水深数据位置排序包括获取数字框中心位置、对数字框中心位置做密度聚类、获取聚簇中心位置、依聚簇中心对聚簇排序和每个聚簇内部排序，
14、获取数字框中心位置的具体过程为计算各单个数字框中心坐标位置；
15、对数字框中心位置做密度聚类的具体过程为利用电子海图水深数据点内数字紧凑，不同数据点的数字斥离的特点，使用密度聚类方法，对所有数字框中心坐标进行聚簇，聚簇结果为同一水深点数值的数字框集合；
16、获取聚簇中心位置的具体过程为每个聚簇为一个单独的水深点数值，计算各聚簇内的所有数字框中心点图像坐标，取均值作为每个聚簇的中心坐标，将聚簇中心坐标认作该水深点的图像坐标；
17、依聚簇中心对聚簇排序的具体过程为将聚簇中心坐标的纵坐标赋10的权重后进行聚簇排序，排序结果为靠近裁剪图左上角的聚簇排在前，靠近右下角的聚簇排在后；
18、每个聚簇内部排序的具体过程为对每个聚簇内部所有数字框中心纵坐标赋10的权重排序，得到聚簇内所有数字框的顺序。
19、优选的，在步骤s2中，数据保存包括依据排序顺序保存数字框中心位置、依据排序顺序按照数字框裁剪原图、背景值填充和分辨率调整，
20、依据排序顺序保存数字框中心位置的具体过程为对排序后的单个数字框中心位置坐标按照排序的顺序存储；
21、依据排序顺序按照数字框裁剪原图的具体过程为按同样的顺序在截取图像中以单个数字框裁剪为单个数字图像；
22、背景值填充和分辨率调整的具体过程为在所有单个数字图像外层填充背景值，并将其尺寸补正为28*28分辨率。
23、优选的，在步骤s3中，预先训练好的识别模型的模型架构包括：
24、输入层，接受28x28像素的单通道灰度图像；
25、第一卷积层，包含32个3x3大小的滤波器，生成32个深度通道的特征图；第一池化层，使用2x2的最大池化层来减小空间维度；
26、第二卷积层，包含64个3x3大小的滤波器，生成64个深度通道的特征图；第二池化层，再次使用2x2的最大池化层减小空间维度；
27、扁平化层，将特征图转换为一维向量；
28、第一全连接层，包含64个神经元，用于学习高级特征表示；
29、输出层，即第二全连接层，包含10个神经元，使用softmax激活函数，输出表示10个数字类别的概率分布。
30、优选的，预先训练好的识别模型选取手写数字数据集minist作为训练数据，权重集包括神经元权重、偏置。
31、优选的，预先训练好的识别模型选用relu激活函数，以softmax输出识别概率。
32、优选的，在步骤s4中，数值还原包括单个水深点水深数值还原和水深点图像坐标还原，
33、单个水深点水深数值还原的具体过程为结合经截取图像预处理获得的各水深点内部(即聚簇内部)图片排序及经单个数字识别获得的对应水深点单个数字数据，经处理得到该水深点水深数值；
34、水深点图像坐标还原的具体过程为将获得的水深点水深信息，写入经截取图像预处理获得的对应水深点图像坐标(即聚簇中心位置)，获得带图像坐标信息的水深点数据；
35、数值矫正具体过程为比对识别获得的水深信息和原截取图像，通过人工判定的方式进行检查，矫正错误识别的结果，得到精确的水深数据；
36、坐标转换具体过程为在所有水深数据点中选取左上角和右下角各一个点，操作人员可以通过本文档来自技高网...
【技术保护点】
1.一种电子海图水深点信息提取及矢量化方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种电子海图水深点信息提取及矢量化方法，其特征在于，在步骤S2中，图像修复包括尺寸缩放、二值化、锐化、滤波去噪、标准化和膨胀。
3.根据权利要求1所述的一种电子海图水深点信息提取及矢量化方法，其特征在于，在步骤S2中，数字位置查找包括查找轮廓、单个数字定位、确定数字框面积阈值和筛选数字框，
4.根据权利要求1所述的一种电子海图水深点信息提取及矢量化方法，其特征在于，在步骤S2中，水深数据位置排序包括获取数字框中心位置、对数字框中心位置做密度聚类、获取聚簇中心位置、依聚簇中心对聚簇排序和每个聚簇内部排序，
5.根据权利要求1所述的一种电子海图水深点信息提取及矢量化方法，其特征在于，在步骤S2中，数据保存包括依据排序顺序保存数字框中心位置、依据排序顺序按照数字框裁剪原图、背景值填充和分辨率调整，
6.根据权利要求1所述的一种电子海图水深点信息提取及矢量化方法，其特征在于，在步骤S3中，预先训练好的识别模型的模型架构包括：
<...【技术特征摘要】
1.一种电子海图水深点信息提取及矢量化方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种电子海图水深点信息提取及矢量化方法，其特征在于，在步骤s2中，图像修复包括尺寸缩放、二值化、锐化、滤波去噪、标准化和膨胀。
3.根据权利要求1所述的一种电子海图水深点信息提取及矢量化方法，其特征在于，在步骤s2中，数字位置查找包括查找轮廓、单个数字定位、确定数字框面积阈值和筛选数字框，
4.根据权利要求1所述的一种电子海图水深点信息提取及矢量化方法，其特征在于，在步骤s2中，水深数据位置排序包括获取数字框中心位置、对数字框中心位置做密度聚类、获取聚簇中心位置、依聚簇中心对聚簇排序和每个聚簇内部排序，
5.根据权利要求1所述的一种电子海图水深点信息提取及矢量化方法，其特征在于，在步骤s2中，数据保存包括依据排序顺序保存数字框中心位置、依据排序顺序按照数...
【专利技术属性】
技术研发人员：李永森，李松松，杨晓羚，安旭，谷磊，李继斌，王心宇，
申请(专利权)人：广东省城乡规划设计研究院科技集团股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。