Информационная система "Конференции"

Тезисы докладов

В Геоинформационных системах используются данные в векторном формате. Перевод из растрового формата в векторный (векторизация) современными программными системами осуществляется в полуавтоматическом режиме. При этом векторизация каждого картографического объекта (далее объект) контролируется и корректируется пользователем. Количество объектов на карте велико. Поэтому векторизация является трудоемким процессом. Часто исходное растровое изображение карты содержит шум, из-за которого возможно неявное представление границ или даже полное их отсутствие. Возможно также наложение друг на друга изображений объектов. Существующие системы векторизации не умеют без участия пользователя обрабатывать такие случаи.

Более качественная векторизация растрового изображения не возможна без использования дополнительной информации о структуре и свойствах распознаваемых объектов. Часто в дополнительной информации определения тех или иных свойств объектов выражаются рекурсивно. Поэтому для определения дополнительной информации является подходящим использование первопорядкового логического исчисления, позволяющего рекурсии и обладающего необходимой выразительностью.

В докладе предлагается подход, где дополнительная информация выражается с помощью языка Пролог и распознавание сводится к логическому выводу. Подход состоит из следующих этапов:
1) построение графовой модели на основе исходных данных;
2) построение логической модели на основе графовой модели;
3) распознавание объектов логической модели и уточнение моделей.

На первом этапе подхода строится графовая модель, которую определим как структуру G={P, L, S, F}. Где P - множество точек. L – множество ломанных, заданных точками из P. S - это множество сегментов, где сегмент - это площадной объект, ограниченных ломаными из L. F – множество отношений, заданных над P, L, S. Например отношение соседства двух сегментов. Графовая модель является низкоуровневой. Предоставление всей информации для логического вывода может привести к большим временным затратам. Алгоритмы, определенные на графовой модели, обобщают исходные данные, производят вычисления свойств объектов, например длины ломаных, площади сегментов и т.д.

На втором этапе подхода строится логическая модель. Логической моделью назовем структуру I={L, S, F, Fu}, где Fu - это дополнительная информация, необходимая для распознавания объектов. Данная модель является более высокоуровневой и не рассматривает отдельные точки.

На третьем этапе подхода осуществляется распознавание объектов в два шага.

Первый шаг - это уточнение моделей. Первоначально существуют ломанные и сегменты, полученные из-за наличия шума на изображении. Используя дополнительную информацию, можно классифицировать некоторые ломанные как полученные в результате наличия шума. Затем исключить их из моделей. С другой стороны, в процессе анализа логической модели можно предположить наличие дополнительных ломанных и сегментов. Например, предположить, что граница объекта разорвана, и затем проверить это предположение на графовой модели.

Вторым шагом является окончательная классификация полученных ломанных и сегментов в соответствии с Fu.

Примечание. Тезисы докладов публикуются в авторской редакции

Ваши комментарии Обратная связь

[Головная страница] [Конференции]

© 1996-2000, Институт вычислительных технологий СО РАН, Новосибирск
© 1996-2000, Сибирское отделение Российской академии наук, Новосибирск
    Дата последней модификации: 06-Jul-2012 (11:45:19)