CN106203496B - 基于机器学习的水文曲线提取方法 - Google Patents

Abstract

本发明公开了一种基于机器学习的水文曲线提取方法。本发明方法对水文资料图像进行曲线提取时，选用并提取图像中具有辨别能力的某些特征，并采用尺度可变的采样窗口对一定区域的图像像素进行采样，作为样本数据，通过机器学习的方法划分具有不同特征的图像成分，且根据分类效果通过增量方式添加新的训练样本；并利用链码跟踪进行后处理，有效的除去了分类后产生的噪声影响。相比现有技术，本发明解决了要提取的水文曲线较细时尤为突出的目标曲线断线问题，而该问题在原有的水文曲线提取方法中难以得到有效解决。

Description

基于机器学习的水文曲线提取方法

技术领域

本发明涉及一种图像提取方法，尤其涉及水文资料图像中的水文曲线的提取方法，属于图像分割领域。

背景技术

在当今信息化与数字化的时代，随着计算机的普及以及存储介质的高速发展，各种研究领域都对数据信息的数字化愈加重视。由于历史原因，水文水利等领域大多使用网格图纸记录观测数据。然而纸质材料由于保存不当等原因会造成损坏、污染等问题，容易对所承载的信息造成损失。且纸质材料占据空间，又不易于信息的交换和传递，更可能埋没了海量信息中可能隐藏的、有待发掘的知识。因此有必要对这些纸质资料进行数字化。利用图像处理的方式将这些信息采集并建立数据库，将避免大量的手工重复劳动，也能高效精准的对这些信息进行录入，具有较强的实际应用价值。

纸质水文资料通常是在橘红色的坐标网格纸上绘制的蓝紫色的水文曲线，在数字化过程中，获取图纸中的信息时就需要得到水文曲线与网格线的各个交点，作为各个时刻的观测值。这一过程要求对图像进行分割，涉及了网格线分割与水文曲线分割。

图像分割就是把图像按照一定的标准划分成若干个特定的、具有独特性质的区域并从中提取出感兴趣目标的技术与过程。图像分割是图像分析的关键前提，其分割的质量优劣很大程度上决定着后续图像分析的效果。图像分割可分为灰度图像分割和彩色图像分割。与灰度图像相比，彩色图像不仅包含亮度信息，更包含了各种颜色信息，其分割方式更为多样，但与之对应的分割难度也更大。目前为止，国内外的研究人员在彩色图像分割领域已进行了大量的研究，并提出了许多分割算法，以及针对特定图像的分割策略，主要包括基于直方图阈值法、基于区域方法、边缘检测方法、模糊聚类分割方法和神经网络法等。

在之前的研究中，对水文资料图像的分割通常采用的是基于颜色直方图的阈值分析方法，也考虑了梯度信息与颜色信息的融合使用。此类方法能自适应的完成一般情况下的图像分割，且能减少相机拍摄是光照不均的影响。但在实际使用该类方法时发现提取获得的水文曲线在某些特殊情况下容易产生断线，并且常常断的很严重，难以用膨胀方法解决。

发明内容

发明目的：针对纸质水文资料的数字化，提供一种水文曲线提取方法，能够准确的提取出其中的水文曲线，有效的规避曲线断线问题。

本发明的水文曲线提取方法，所涉及的水文资料图像通过对纸质水文资料拍摄得到。

本发明具体采用以下技术方案解决上述问题。

一种基于机器学习的水文曲线提取方法，包括以下步骤：

步骤A、选定采样窗口的尺度及需采样的目标特征，并据此采集具有代表性的训练样本集合；所述窗口的尺度可伸缩。窗口尺度的选择决定了用于分类的数据量，也直接影响着计算量的规模。

步骤B、利用机器学习的方法从训练样本中训练产生分类预测模型；

步骤C、对待处理图像中的各个像素，按照采样窗口采集得到目标特征作为待分类样本，利用步骤B训练得到的分类预测模型进行分类；

步骤D、判断待处理图像中各个像素的分类结果是否较好，使得曲线提取完整且没有其他分类错误明显的区域。若是，则进入步骤F；否则，进入步骤E；

步骤E、从曲线断线区域以及分类错误明显的区域选取具有代表性的样本点，对其采样后添加到训练样本集合中，并重复步骤B-D；

步骤F、对处理后的图像进行后处理，去除可能存在的噪声。

优选地，步骤A中所采集的训练样本集合应至少包含“水文曲线”、“网格线”、“其他背景”三种类别的样本。

优选地，步骤F中使用的图像后处理方法采用链码跟踪与膨胀处理相结合。其中链码跟踪水文曲线之前，先对网格线进行跟踪，确定网格线对应的作图区域；此步骤能减轻跟踪水文曲线时的处理强度。

优选地，链码跟踪后将尺寸小于特定阈值的连通域认定为噪声，并剔除出图像。该阈值取值为10000。

优选地，连通域的尺寸大小采用该连通域的最小外接矩形的面积来表示。

相比现有技术，本发明具有以下有益效果：

一、本发明能更好的解决对细线进行提取时容易产生的断线问题；

二、本发明基于对样本模式的分类，只要选择充分的训练样本，并不需要考虑光照等问题的影响；

三、采用离线学习，并不需要对每个图像重新采集样本训练。

附图说明

图1、图2和图3为三幅拍摄得到的水文资料图像。

图4a和图4b为现有方法对图1和图2提取水文曲线的结果。

图5a和图5b为本发明方法中训练分类模型的不同阶段对图2分类预测的结果。

图6a和图6b为本发明方法中训练分类模型的不同阶段对图3分类预测的结果。

图7a和图7b为本发明方法对图2和图3提取水文曲线的结果。

图8是本发明的流程图。

具体实施方式

下面结合附图对本发明的技术方案进行详细说明：图1和图2分别显示了两幅水文资料图像，对其进行数字化的关键在于对其中的水文曲线(蓝紫色)及坐标网格线(橘红色)的提取。从图中可以看出由于保存时间长、保存条件不够理想，图像中除了磨坏破损、纸质老化外，还存在着色彩晕染、褪色等问题，甚至同一份图纸上的不图区域颜色浓淡不一。且由于拍摄时的光照影响，部分区域的颜色信息减弱或失去了原有的特征，使得提取问题变得更为复杂。

之前的研究所采用的基于颜色直方图的阈值分析方法，融合了梯度信息与颜色信息，对上述问题能得到较好的解决，其对图1和图2的处理结果如图4a和图4b。可以看到图像的提取结果较好，大致能完成对目标物的识别及提取，但有时提取的水文曲线会存在断线，属于特例，如图4b中的断线处。对这些断线处进行细致观察，发现断线的主要原因是图中水文曲线太细，使得在与网格线有大量重合时(通常为曲线与网格线近似平行时的重合)曲线的墨色没有彻底盖住网格线的颜色，最终显示的颜色将为二者的叠加。这种颜色的叠加导致了颜色信息的迁移，该处的像素不再满足普遍的水文曲线颜色特征，提取曲线时在该处就容易产生断线。更有甚者，当曲线的某一段与网格线近似平行时，将会产生大量的重合区域，该处往往断线严重，难以通过膨胀等方法进行补全。由于不再满足阈值特征，原有处理方法不再适用，而调整阈值将会导致噪声点大量增加，图像提取不稳定。于是考虑采用新的思路对水文曲线进行提取。

考虑到重合区域的颜色信息发生迁移后的结果并不与曲线特征或网格线特征等既有信息相同，目标是将这些变化后的特征信息依然识别为目标曲线。本发明提出了基于机器学习的水文曲线提取方法，通过对图像中像素进行多特征融合的采样，获得一定数量的带标签的训练样本，并利用机器学习的方法训练得到分类预测模型。利用模型可以对图中像素进行分类预测，将预测为水文曲线的像素提取出来。并且通过对分类错误像素区域进行重采样，可以使训练样本集合更为完备，训练产生更为健壮的分类预测模型。为了不使处理过程中产生的噪声影响曲线提取结果，还要利用链码跟踪的方法对提取出的水文曲线图像进行后处理。

具体的，本发明包含以下步骤：

步骤A、确定窗口尺度和采样特征组合，采集训练样本；

采集训练样本时要先确定采样窗口的尺度以及需要采样的特征。采样窗口以当前像素点为窗口中心点，同时兼顾窗口中包围当前像素点的其他像素的信息，即局部信息。由于单个像素中存有的信息相当有限，当把像素周围的其他局部信息一起纳入考虑时，可以使得样本维度更高，更有利于细致的分类。窗口可以使用多种尺度，如3*3、5*5、7*7等，尺度越大则样本中包含的信息越多，有助于更细致精准的分类，但计算时间也越长；尺度越小则样本中的信息越少，相对应的，计算时间也越短。具体的尺度选择应由实际应用的需求而定。

另一方面，对窗口采样时所采用的局部信息也需要进行选择，这些信息由一些特征值组成，包括颜色特征(RGB、Lab或HSI等)、梯度特征、纹理特征(LBP或Gabor等)、SIFT特征等。具体的特征组合的选择应考虑这些特征对水文曲线提取效果的影响，选取其中适量的几组特征进行组合。过多的特征选择会带来信息的冗余和计算的负荷，过少的特征则可能使得分类效果下降。特征组合的选择关系着分类的效果与计算时的负荷。

对一个像素进行上述采样时，应按照事先约定的窗口大小、特征组合方式按一定顺序获取各个特征值并整合为有序的样本向量。采集颜色特征时，应按照从左到右、从上到下的顺序依次对窗口中的各像素进行采集。另外，对训练样本要另外附加一维特征，作为当前训练样本的类别标签。

在采集训练样本时，采样点的选取尤为重要，应注意：1、在采样时应兼顾各个不同的目标类别，各自都应取得足量的样本点；2、在目标类别相同的像素点中，要尽量涵盖具有不同局部特征的像素；3、在类别相同且局部特征相似的像素点中应选择几个具有典型性的像素进行采样。其中，所采集的训练样本集合应至少包含“水文曲线”、“网格线”、“其他背景”三种类别的样本。

步骤B、利用机器学习方法训练产生分类预测模型；

机器学习方法包括有监督的学习和无监督的学习。由于当前问题中分类目标明确，只希望提取出水文曲线，故采用有监督的学习方法，利用采集的带类别标签的训练样本获得分类预测模型。此类学习方法包括决策树、贝叶斯分类器、K近邻、BP神经网络、感知器以及支持向量机SVM等。不同的机器学习方法有不同的特点，应根据实际需要选用。机器学习方法的选择关系着曲线提取的效果及效率。

分析不同的水文资料图像发现，各个图像之间的颜色及结构特征很相似，从特征空间的角度，即使是不同的图像也可以用特征空间上的同一组分界面大致进行分类、提取。于是决定采用离线学习的方法，目标为训练产生一个效果优异的分类预测模型，用于对所有待处理图像中的像素点进行分类、提取，而不是为每一个图像训练产生一个模型。

步骤C、对待处理图像进行分类预测，并补充训练样本集；

依照上述步骤A中所约定的方式，对待处理的图像逐像素的提取对应的特征样本，并作为输入经由所获得的分类预测模型进行预测分类。提取出其中预测为“水文曲线”的像素，作为此次曲线提取的结果。

如果曲线提取结果完整，效果令人满意，即可进入下一步骤；但通常不能立刻获得令人满意的提取结果，提取的曲线往往比较粗糙且会出现断线，也会提取出许多噪声点。解决办法是，以增量方式不断地获得新的样本加入训练样本集，从而训练得到愈加完善而健壮的分类预测模型。每次作为增量的新训练样本都来自前一次的预测分类结果，即从中找出曲线断线处以及其他分类出错率较大的区域，选择区域内在局部特征上具有典型性的像素点进行采样。此方法旨在对过去错误预测进行学习弥补，在类别分界面附近重新采样，由此补偿样本空间上的遗漏和空缺，得到更为完备的训练集，从而获得更为精细准确的分界面和更为健壮的分类预测模型。

利用添加增量后的训练样本集合重新训练分类预测模型并对该图像再次进行分类预测，若曲线提取效果令人满意，则该图像通过当前处理，进入下一步骤；否则重复上述增量添加训练样本的过程。

分类预测模型的训练过程不是一蹴而就的，需要多次修改增加新的样本进行再训练；同时也不是在某一个泾渭分明的“训练阶段”中完成的，而是在某图像的分类效果不佳时才启动“再训练”；也就是说，没有一个显式而有限的“训练阶段”。另外，对训练样本集合的增添需要人工操作的干预，由手工选定新增加的采样点。但由于训练样本的初始积累阶段通常能迅速完成，得到效果较好的模型，且只有在特殊情况下才会需要再训练已有的模型，实际上人工操作的工作量很小。

步骤D、链码跟踪进行后处理。

由于原始拍摄图像往往存在大量噪声点，上述步骤的曲线提取结果中仍旧存在许多难以消去的环境噪声，它们大多是颜色偏差导致分类错误而引入的。由于本发明主要针对较细的水文曲线图像的提取，而如果利用常用的腐蚀或是滤波方法去除噪声，往往会把曲线变得很细甚至再次严重断线，并不能得到让人满意的结果。理想的目标是将噪声点去除，而水文曲线不发生任何变化，为了达到这一目标可以采取链码跟踪的方式进行后处理。

链码跟踪方法能够以链码方式跟踪并记录图中各个连通域的信息，即为各个像素标记其所属连通域，并记录各个连通域的大小及边框位置。连通域的大小不以其中像素个数为准，而以其最小外接矩形的面积为准。

对分类提取后的结果图像，跟踪其中预测为“目标曲线”的像素点，获得其连通域信息；即，将图像进行“目标曲线/非目标曲线”的二值化，并对其进行上述的链码跟踪。其跟踪结果将包括真实的水文曲线目标区域以及噪声点区域，前者所在的连通域通常很大，而后者相对而言较小。于是可以对连通域的大小设置特定阈值，从而排除那些较小的、噪声所在的连通域。

其所以不直接取得最大的连通域，是为了防止模型分类提取后所得的图像中曲线仍然存在断线。这种断线往往比较细微，容易解决，可以在除去噪声点后另外对目标曲线进行几次膨胀操作。

为了提高处理效果，也可以在上述“曲线追踪”过程前先进行一次对图像副本的“网格线追踪”，以确定网格线所在区域，并在该区域内进行上述“曲线追踪”。即，对图像副本进行“网格线/非网格线”的二值化，并对其进行链码跟踪，取得最大连通域的边框位置，作为网格线的外缘线。该操作的目的在于去除网格线外与曲线提取无关的所有像素，降低曲线追踪时的复杂性。

为了验证本发明的效果，选取多幅彩色水文资料图像进行实验，对其进行上述的分类提取过程。约定所选择窗口尺度大小为7*7，所采样点的特征组合为各个像素点的RGB颜色值、HSI颜色值以及Lab颜色值总共9个特征值；即，所涉及的样本的维度均为7*7*9＝441。并约定所选择的机器学习方法为支持向量机SVM。以图2为例，初始时训练样本集合为空，首先对图2进行初始采样，获得足量的训练样本后训练生成SVM分类器，并用于对图2进行分类预测，其结果如图5a，其中黑色点为预测结果为“水文曲线”的点，灰色点为“网格线”。可见，此时对图2的分类效果并不令人满意，存在许多断线处，尤其出现了两个较大的断线位置。对这些断线处重新采样几次，经过几轮重新训练后生成的SVM分类器效果得到提高，对图2的分类结果中断线处均得到解决，如图5b。

利用当前SVM分类器尝试对图3进行分类预测，结果如图6a，此时得到的曲线不存在断线现象，但还有太多噪声，分类效果并不算好。再次对这些噪声点采样，训练新一轮的分类器，再次对图3分类的结果如图6b。此时分类效果较好，认为当前分类器已经能完成对这两张图的分类要求。如有需要，还可在对其他图像重复上述操作。

对图5b与图6b的分类结果继续进行后处理，移去不需要的“网格线”灰色点，利用链码跟踪的方式剔除噪声点，并另外对曲线进行几次膨胀操作，得到曲线提取结果如图7a和图7b。可见，本发明对完成了对图2和图3中较细的水文曲线的提取。

本发明的基于机器学习方法的水文曲线提取方法，基于对样本模式的分类，只要选择充分的训练样本，并不需要考虑光照等问题的影响；采用离线学习，并不需要对每个图像重新采集样本训练；以增量方式选择并添加训练样本，能适应不断到来的新的分类要求。本发明能更好的解决对细线进行提取时容易产生的断线问题，具有很好的研究价值。

Claims (9)

1.一种基于机器学习的水文曲线提取方法，其特征在于，包括以下步骤：

步骤A、选定采样窗口的尺度及需采样的目标特征，并据此采集具有代表性的训练样本集合；

步骤B、利用机器学习方法从训练样本中训练产生分类预测模型；

步骤C、对待处理图像中的各个像素，按照采样窗口采集得到目标特征作为待分类样本，利用所述分类预测模型进行分类；

步骤D、判断待处理图像中各个像素的分类结果是否达到预期，曲线是否提取完整以及是否存在其他分类错误明显的区域；若分类结果达到预期，则进入步骤F；否则，进入步骤E；

步骤E、从曲线断线区域以及分类错误明显的区域选取具有代表性的样本点，对其采样后添加到训练样本集合中，并重复步骤B-D；

步骤F、对处理后的图像进行后处理。

2.如权利要求1所述基于机器学习的水文曲线提取方法，其特征在于，步骤A中，所述窗口的尺度可伸缩。

3.如权利要求1所述基于机器学习的水文曲线提取方法，其特征在于，步骤A中，对局部特征的选择采用各种不同类型的特征的组合，所述特征包括颜色特征、梯度特征、纹理特征和SIFT特征。

4.如权利要求1所述基于机器学习的水文曲线提取方法，其特征在于，步骤B中，所述机器学习方法包括支持向量机、神经网络方法及其组合。

5.如权利要求1所述基于机器学习的水文曲线提取方法，其特征在于，步骤C中，遍历所有能用当前采样窗口提取特征的像素点，根据窗口获得对应的各个局部特征值并组成待分类样本向量。

6.如权利要求1所述基于机器学习的水文曲线提取方法，其特征在于，步骤E进一步为：选取的样本点作为训练样本应以增量形式添加到原有的训练集中并重新训练产生预测模型，以对原有模型进行有方向的调整。

7.如权利要求1所述基于机器学习的水文曲线提取方法，其特征在于，步骤F中，所述后处理方式为链码跟踪与膨胀处理相结合。

8.如权利要求1所述基于机器学习的水文曲线提取方法，其特征在于，还需要添加样本类别“网格线”，以便处理图像时对图上的作图区域进行定位。

9.如权利要求7所述基于机器学习的水文曲线提取方法，其特征在于，所述链码跟踪用于追踪图像中存在的连通域，计算、记录这些连通域的尺寸大小，由此排除由噪声组成的尺寸较小的连通域。