CN117635859B - 基于gis数据的快速地图制图方法及*** - Google Patents

基于gis数据的快速地图制图方法及*** Download PDF

Info

Publication number
CN117635859B
CN117635859B CN202311605004.8A CN202311605004A CN117635859B CN 117635859 B CN117635859 B CN 117635859B CN 202311605004 A CN202311605004 A CN 202311605004A CN 117635859 B CN117635859 B CN 117635859B
Authority
CN
China
Prior art keywords
data
map
module
geographic
analysis
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202311605004.8A
Other languages
English (en)
Other versions
CN117635859A (zh
Inventor
刘国
王苑
杨燕
黄彦丽
陈海莉
张燕梅
董凤翎
杨柳
杨臻康
马静
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qinghai Province Geospatial And Natural Resources Big Data Center
Original Assignee
Qinghai Province Geospatial And Natural Resources Big Data Center
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Qinghai Province Geospatial And Natural Resources Big Data Center filed Critical Qinghai Province Geospatial And Natural Resources Big Data Center
Priority to CN202311605004.8A priority Critical patent/CN117635859B/zh
Publication of CN117635859A publication Critical patent/CN117635859A/zh
Application granted granted Critical
Publication of CN117635859B publication Critical patent/CN117635859B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/35—Determination of transform parameters for the alignment of images, i.e. image registration using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/45—Analysis of texture based on statistical description of texture using co-occurrence matrix computation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10044—Radar image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geometry (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biomedical Technology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Graphics (AREA)
  • Electromagnetism (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明涉及GIS制图技术领域，具体为基于GIS数据的快速地图制图方法及***，包括以下步骤：基于卫星图像、无人机影像、地面雷达扫描数据，采用多源数据融合算法，执行数据整合，生成地理数据环境；本发明中，通过综合利用卫星图像、无人机影像和地面雷达扫描数据，能够获得更为全面的地理信息，通过特征点匹配、边缘检测和纹理分析先进算法的应用，提升了地图的精确度和细节丰富度，使地图更加适用于精细的地理分析和应用，GIS空间分析方法和卷积神经网络的结合使用，不仅增强了图像的细节表现，还提高了制图的自动化程度和效率，通过WebGIS技术的应用，提供了便捷的地图共享和互动体验，使地图数据的使用和访问更加方便快捷。

Description

基于GIS数据的快速地图制图方法及***
技术领域
本发明涉及GIS制图技术领域，尤其涉及基于GIS数据的快速地图制图方法及***。
背景技术
GIS是一个用于捕获、存储、检索、分析和显示地理数据的计算机***，涉及地理数据的处理，包括地图数据、空间数据、地理位置信息，GIS的核心在于能够将多来源和类型的数据集成到一个地理位置上，使用户能够理解和输出地理信息，GIS广泛应用于城市规划、环境管理、资源管理、地质调查、灾害管理中。
其中，基于GIS数据的快速地图制图方法是一种使用GIS技术快速创建地图的方法，这种方法通常依赖于GIS平台中存储的大量地理数据和信息，该方法通过以下手段实现：利用GIS软件的功能，自动化地图制作流程；整合多个来源的地理数据；使用GIS工具对数据进行分析，并将其可视化为地图；根据应用需求，制作出符合标准和格式的地图。
传统的地图制图方法在数据整合、处理精度和效率方面存在不足，依赖单一或有限的数据源，难以获得全面的地理信息，导致制作出的地图在内容上存在局限，在制图过程中往往需要较多的人工干预，效率较低，难以满足快速制图的需求。
发明内容
本发明的目的是解决现有技术中存在的缺点，而提出的基于GIS数据的快速地图制图方法及***。
为了实现上述目的，本发明采用了如下技术方案：基于GIS数据的快速地图制图方法，包括以下步骤：
S1：基于卫星图像、无人机影像、地面雷达扫描数据，采用多源数据融合算法，执行数据整合，生成地理数据环境；
S2：基于所述地理数据环境，应用特征点匹配和坐标变换算法，进行空间对齐和几何校正，生成空间数据对齐结果；
S3：基于所述空间数据对齐结果，运用边缘检测和纹理分析算法提取地理特征，生成地理特征映射；
S4：基于所述地理特征映射，应用GIS空间分析方法，进行地理信息处理，生成地理信息解析数据；
S5：基于所述地理信息解析数据，通过多分辨率分析和卷积神经网络，进行图像融合和细节增强，生成图像细节优化地图；
S6：基于所述细节优化地图执行精度评估，采用误差矩阵和Kappa系数方法，进行精度校验和地图优化，生成地理信息优化地图；
S7：基于所述地理信息优化地图通过WebGIS技术，进行地图发布和共享，提供互动式地图服务；
所述地理数据环境包括影像数据、地形数据、地表特征；所述空间数据对齐结果具体为空间坐标和方向的对齐；所述地理特征映射包括地理特征、地标、地理元素图层；所述地理信息解析数据包括对趋势线、模式识别、热点区域的分析；所述图像细节优化地图具体为融合多源数据分析结果后的地图；所述互动式地图服务包括对图层的选择、缩放、查询。
作为本发明的进一步方案，基于卫星图像、无人机影像、地面雷达扫描数据，采用多源数据融合算法，执行数据整合，生成地理数据环境的步骤具体为：
S101：基于卫星图像、无人机影像、地面雷达扫描数据，采用噪声滤波和对比度增强算法进行数据预处理，生成处理后的多源数据；
S102：基于所述处理后的多源数据，采用主成分分析法和波段融合技术，整合多类数据源，生成融合后的地理数据；
S103：基于所述融合后的地理数据，应用GIS空间数据转换技术，进行数据格式化，生成地理信息库；
S104：基于所述地理信息库，利用PostgreSQL和PostGIS进行数据库管理和空间数据构建，生成地理数据环境。
作为本发明的进一步方案，基于所述地理数据环境，采用尺度不变特征变换算法，提取地理图像特征点，生成特征点集合的步骤具体为：
S201：基于所述地理数据环境，采用尺度不变特征变换算法，提取地理图像特征点，生成特征点集合；
S202：基于所述特征点集合，应用随机抽样一致性算法，匹配多图像之间的相似处，生成匹配的特征点对；
S203：基于所述匹配的特征点对，运用仿射变换算法，计算并生成空间变换参数；
S204：基于所述空间变换参数，执行几何校正，在相同空间参考框架中进行多源地理数据统一，生成空间数据对齐结果。
作为本发明的进一步方案，基于所述空间数据对齐结果，运用边缘检测和纹理分析算法提取地理特征，生成地理特征映射的步骤具体为：
S301：基于所述空间数据对齐结果，采用Canny边缘检测算法进行边缘识别提取，生成边缘检测结果；
S302：基于所述边缘检测结果，运用灰度共生矩阵分析地理图像的纹理特征，生成纹理分析结果；
S303：基于所述纹理分析结果和边缘检测结果，采用图像融合技术合成地理特征信息，生成合成特征图；
S304：基于所述合成特征图，应用空间数据映射技术创建地理特征的可视化表示，生成地理特征映射。
作为本发明的进一步方案，基于所述地理特征映射，应用GIS空间分析方法，进行地理信息处理，生成地理信息解析数据的步骤具体为：
S401：基于所述地理特征映射，采用GIS缓冲区分析算法，进行地理位置特性的解析，创建地理特征区域并进行缓冲处理，生成地理缓冲区数据；
S402：基于所述地理缓冲区数据，采用GIS叠加分析方法，进行地理图层合并，生成叠加分析结果；
S403：基于所述叠加分析结果，进行GIS透视分析方法，生成地理透视分析数据；
S404：基于所述地理透视分析数据，通过GIS地图代数方法，将地理数据集进行定量分析和解析，生成地理信息解析数据。
作为本发明的进一步方案，基于所述地理信息解析数据，通过多分辨率分析和卷积神经网络，进行图像融合和细节增强，生成图像细节优化地图的步骤具体为：
S501：基于所述地理信息解析数据，采用图像预处理技术，进行图像裁剪、归一化、降噪操作，生成处理后的图像数据；
S502：基于所述处理后的图像数据，采用多分辨率分析方法，进行图像的特征提取，生成多分辨率分析图像；
S503：基于所述多分辨率分析图像，采用卷积神经网络，进行特征学习和模式识别，生成CNN处理后的图像；
S504：基于所述CNN处理后的图像，采用图像融合和细节增强技术，结合多分辨率图像特征，优化图像清晰度，生成图像细节优化地图。
作为本发明的进一步方案，基于所述细节优化地图执行精度评估，采用误差矩阵和Kappa系数方法，进行精度校验和地图优化，生成地理信息优化地图的步骤具体为：
S601：基于所述图像细节优化地图，准备所需的评估参数，生成评估数据集；
S602：基于所述评估数据集，采用误差矩阵分析方法，对地图进行初步评估，生成误差矩阵分析结果；
S603：基于所述误差矩阵分析结果，运用Kappa系数计算法进行地图评估，生成Kappa系数评估结果；
S604：基于所述Kappa系数评估结果，调整地图分类标准并改善图像处理参数，生成地理信息优化地图。
作为本发明的进一步方案，基于所述地理信息优化地图通过WebGIS技术，进行地图发布和共享，提供互动式地图服务的步骤具体为：
S701：基于所述地理信息优化地图，采用格式转换和数据压缩技术，生成WebGIS兼容地图数据；
S702：基于所述WebGIS兼容地图数据，采用地图集成和交互功能开发策略，生成集成的WebGIS地图服务；
S703：基于所述集成的WebGIS地图服务，采用互动式服务开发技术，进行搜索、标注和路径规划，生成互动式WebGIS地图服务；
S704：基于所述互动式WebGIS地图服务，设立用户访问和反馈机制，生成用户交互体系。
基于GIS数据的快速地图制图***，所述基于GIS数据的快速地图制图***用于执行上述基于GIS数据的快速地图制图方法，所述***包括数据输入模块、地理编码模块、地图渲染模块、层级处理模块、分析计算模块、用户交互模块、导出控制模块、***维护模块；
所述数据输入模块基于GIS数据，采用数据解析算法，将地理信息数据转换为***可识别格式，生成标准化地理数据；
所述地理编码模块基于标准化地理数据，采用地理编码算法，进行地理位置与编码的信息转换，生成地理编码信息；
所述地图渲染模块基于地理编码信息，采用图形渲染算法，生成渲染后的地图；
所述层级处理模块基于渲染后的地图，采用层级划分方法，进行多层级处理，生成多层级地图数据；
所述分析计算模块基于多层级地图数据，采用空间分析和统计算法，进行地图数据的分析，生成分析报告和统计结果；
所述用户交互模块基于分析报告和统计结果，采用交互设计方法，生成交互界面和用户操作反馈；
所述导出控制模块基于交互界面和用户操作反馈，采用数据导出算法，进行地图数据的多格式导出，生成导出数据；
所述***维护模块基于上述模块集合，采用***监控和维护策略，生成维护日志和***状态报告。
作为本发明的进一步方案，所述数据输入模块包括数据解析子模块、格式转换子模块、数据校验子模块、数据归档子模块；
所述地理编码模块包括坐标映射子模块、编码生成子模块、编码优化子模块、编码验证子模块；
所述地图渲染模块包括样式设计子模块、图层渲染子模块、效果优化子模块、动态渲染子模块；
所述层级处理模块包括层级分析子模块、层级调整子模块、数据整合子模块、层级压缩子模块；
所述分析计算模块包括空间分析子模块、数据统计子模块、结果可视化子模块、模型验证子模块；
所述用户交互模块包括界面设计子模块、功能实现子模块、反馈处理子模块、用户行为分析子模块；
所述导出控制模块包括格式设置子模块、导出执行子模块、导出优化子模块、导出日志子模块；
所述***维护模块包括***监控子模块、数据备份子模块、性能优化子模块、安全策略子模块。
与现有技术相比，本发明的优点和积极效果在于：
本发明中，通过综合利用卫星图像、无人机影像和地面雷达扫描数据，能够获得更为全面的地理信息，通过特征点匹配、边缘检测和纹理分析先进算法的应用，提升了地图的精确度和细节丰富度，使地图更加适用于精细的地理分析和应用，GIS空间分析方法和卷积神经网络的结合使用，不仅增强了图像的细节表现，还提高了制图的自动化程度和效率，通过WebGIS技术的应用，提供了便捷的地图共享和互动体验，使地图数据的使用和访问更加方便快捷。
附图说明
图1为本发明的工作流程示意图；
图2为本发明的S1细化流程图；
图3为本发明的S2细化流程图；
图4为本发明的S3细化流程图；
图5为本发明的S4细化流程图；
图6为本发明的S5细化流程图；
图7为本发明的S6细化流程图；
图8为本发明的S7细化流程图；
图9为本发明的***流程图；
图10为本发明的***框架示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
在本发明的描述中，需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
实施例一
请参阅图1，本发明提供一种技术方案：基于GIS数据的快速地图制图方法，包括以下步骤：
S1：基于卫星图像、无人机影像、地面雷达扫描数据，采用多源数据融合算法，执行数据整合，生成地理数据环境；
S2：基于地理数据环境，应用特征点匹配和坐标变换算法，进行空间对齐和几何校正，生成空间数据对齐结果；
S3：基于空间数据对齐结果，运用边缘检测和纹理分析算法提取地理特征，生成地理特征映射；
S4：基于地理特征映射，应用GIS空间分析方法，进行地理信息处理，生成地理信息解析数据；
S5：基于地理信息解析数据，通过多分辨率分析和卷积神经网络，进行图像融合和细节增强，生成图像细节优化地图；
S6：基于细节优化地图执行精度评估，采用误差矩阵和Kappa系数方法，进行精度校验和地图优化，生成地理信息优化地图；
S7：基于地理信息优化地图通过WebGIS技术，进行地图发布和共享，提供互动式地图服务；
地理数据环境包括影像数据、地形数据、地表特征；空间数据对齐结果具体为空间坐标和方向的对齐；地理特征映射包括地理特征、地标、地理元素图层；地理信息解析数据包括对趋势线、模式识别、热点区域的分析；图像细节优化地图具体为融合多源数据分析结果后的地图；互动式地图服务包括对图层的选择、缩放、查询。
通过融合卫星图像、无人机影像和地面雷达扫描多源数据，获得更全面和详细的地理信息，增强了地图的信息丰富度，还提高了地图在多应用场景下的适用性和准确性，特征点匹配和坐标变换算法的应用提高了空间数据的对齐精度，使地图更加真实，边缘检测和纹理分析算法的运用则进一步提升了地图的视觉效果，在展示地理特征、地标和地理元素时更加清晰和准确，GIS空间分析方法的应用为地理信息的深度处理和解析提供了帮助，通过对趋势线、模式识别和热点区域的分析，揭示地理数据背后的重要信息和潜在模式，图像细节优化地图的生成则是通过多分辨率分析和卷积神经网络技术所实现，提高了地图的视觉质量，还增加了地图的信息层次和细节表现，通过WebGIS技术的应用，地理信息优化地图能够通过互动式的方式进行发布和共享，增强了地图的互动性和用户体验。
请参阅图2，基于卫星图像、无人机影像、地面雷达扫描数据，采用多源数据融合算法，执行数据整合，生成地理数据环境的步骤具体为：
S101：基于卫星图像、无人机影像、地面雷达扫描数据，采用噪声滤波和对比度增强算法进行数据预处理，生成处理后的多源数据；
S102：基于处理后的多源数据，采用主成分分析法和波段融合技术，整合多类数据源，生成融合后的地理数据；
S103：基于融合后的地理数据，应用GIS空间数据转换技术，进行数据格式化，生成地理信息库；
S104：基于地理信息库，利用PostgreSQL和PostGIS进行数据库管理和空间数据构建，生成地理数据环境。
基于卫星图像、无人机影像和地面雷达扫描数据，执行一系列数据预处理操作，包括使用噪声滤波算法来消除图像中的随机噪声，以及对比度增强算法来提升图像的清晰度和可辨识度，采用主成分分析法和波段融合技术整合经过预处理的多源数据，PCA用于减少数据集的维度，同时保留最重要的变量信息，而波段融合技术则用于结合多来源的数据特征，并将其整合成为统一的数据集，应用GIS空间数据转换技术对融合后的地理数据进行格式化处理，包括将数据转换为GIS***能够识别和处理的格式，如将图像数据转换为矢量或栅格数据格式，使用PostgreSQL数据库***结合PostGIS空间数据库扩展进行数据库管理和空间数据构建，包括创建数据库、导入融合后的地理数据，以及设置空间索引以优化查询性能，从而构建了既包含丰富地理信息又能高效响应查询的地理数据环境。
请参阅图3，基于地理数据环境，采用尺度不变特征变换算法，提取地理图像特征点，生成特征点集合的步骤具体为：
S201：基于地理数据环境，采用尺度不变特征变换算法，提取地理图像特征点，生成特征点集合；
S202：基于特征点集合，应用随机抽样一致性算法，匹配多图像之间的相似处，生成匹配的特征点对；
S203：基于匹配的特征点对，运用仿射变换算法，计算并生成空间变换参数；
S204：基于空间变换参数，执行几何校正，在相同空间参考框架中进行多源地理数据统一，生成空间数据对齐结果。
采用尺度不变特征变换算法，从地理数据环境中提取特征点，同时保持对旋转、缩放、亮度变化因素的不变性，通过SIFT算法处理，生成包含地理特征点的特征点集合，应用随机抽样一致性算法匹配多个图像之间的相似特征点，RANSAC算法通过随机抽样的方式，在多个数据集中寻找相似的特征点对，排除了错误匹配的点，并进行空间变换参数的计算，利用仿射变换算法，根据匹配的特征点对计算空间对齐所需的变换参数，仿射变换能够处理图像的平移、缩放、旋转几何变换，应用前一步计算得到的空间变换参数，对源地理数据进行几何校正，生成空间数据对齐的结果。
请参阅图4，基于空间数据对齐结果，运用边缘检测和纹理分析算法提取地理特征，生成地理特征映射的步骤具体为：
S301：基于空间数据对齐结果，采用Canny边缘检测算法进行边缘识别提取，生成边缘检测结果；
S302：基于边缘检测结果，运用灰度共生矩阵分析地理图像的纹理特征，生成纹理分析结果；
S303：基于纹理分析结果和边缘检测结果，采用图像融合技术合成地理特征信息，生成合成特征图；
S304：基于合成特征图，应用空间数据映射技术创建地理特征的可视化表示，生成地理特征映射。
通过对空间数据对齐的结果应用Canny边缘检测算法，利用Canny算法对对齐后的图像进行边缘识别和提取，能够识别出图像中的边缘信息，生成包含图像主要边缘信息的边缘检测结果，基于边缘检测结果，运用灰度共生矩阵分析地理图像的纹理特征，如对比度、均匀性和粗糙度，将边缘检测结果和纹理分析结果进行融合，形成更为全面描述地理特征的合成特征图，基于合成特征图，应用空间数据映射技术创建地理特征的可视化表示，使其更易于理解和分析。
请参阅图5，基于地理特征映射，应用GIS空间分析方法，进行地理信息处理，生成地理信息解析数据的步骤具体为：
S401：基于地理特征映射，采用GIS缓冲区分析算法，进行地理位置特性的解析，创建地理特征区域并进行缓冲处理，生成地理缓冲区数据；
S402：基于地理缓冲区数据，采用GIS叠加分析方法，进行地理图层合并，生成叠加分析结果；
S403：基于叠加分析结果，进行GIS透视分析方法，生成地理透视分析数据；
S404：基于地理透视分析数据，通过GIS地图代数方法，将地理数据集进行定量分析和解析，生成地理信息解析数据。
基于所得到的地理特征映射，应用GIS缓冲区分析算法解析多地理特征的位置属性，围绕每个地理特征创建缓冲区，用于确定选定地标与周围道路或建筑的距离，生成包含多地理特征及其周围区域的地理缓冲区数据，利用地理缓冲区数据，执行GIS叠加分析，将多种地理图层合并在一起，分析相互关系，通过GIS透视分析能够识别出地理数据中的潜在模式和趋势，基于地理透视分析数据，应用GIS地图代数方法来执行定量分析和解析，包括对地理数据集进行多种数学运算，解析和量化地理现象。
请参阅图6，基于地理信息解析数据，通过多分辨率分析和卷积神经网络，进行图像融合和细节增强，生成图像细节优化地图的步骤具体为：
S501：基于地理信息解析数据，采用图像预处理技术，进行图像裁剪、归一化、降噪操作，生成处理后的图像数据；
S502：基于处理后的图像数据，采用多分辨率分析方法，进行图像的特征提取，生成多分辨率分析图像；
S503：基于多分辨率分析图像，采用卷积神经网络，进行特征学习和模式识别，生成CNN处理后的图像；
S504：基于CNN处理后的图像，采用图像融合和细节增强技术，结合多分辨率图像特征，优化图像清晰度，生成图像细节优化地图。
通过对地理信息解析数据进行图像预处理，对原始图像进行裁剪、归一化和降噪处理，通过图像裁剪去除不必要的边缘部分，使重点区域更加突出，归一化处理则旨在将图像数据标准化到一个范围内，便于后续处理，降噪操作则是为了消除图像中的随机噪声，提高图像质量，应用多分辨率分析方法对处理后的图像进行特征提取，捕捉到更细微的图像细节，生成包含多层次特征信息的多分辨率分析图像，使用卷积神经网络对多分辨率分析图像进行特征学习和模式识别，进一步增强图像中的信息，并提取出更加丰富和复杂的特征，通过将CNN处理后的图像通过图像融合和细节增强技术进行进一步优化，结合了多分辨率分析和CNN处理的优势，通过融合多层次的图像特征，提升了图像的清晰度和细节表现，生成图像细节优化地图。
请参阅图7，基于细节优化地图执行精度评估，采用误差矩阵和Kappa系数方法，进行精度校验和地图优化，生成地理信息优化地图的步骤具体为：
S601：基于图像细节优化地图，准备所需的评估参数，生成评估数据集；
S602：基于评估数据集，采用误差矩阵分析方法，对地图进行初步评估，生成误差矩阵分析结果；
S603：基于误差矩阵分析结果，运用Kappa系数计算法进行地图评估，生成Kappa系数评估结果；
S604：基于Kappa系数评估结果，调整地图分类标准并改善图像处理参数，生成地理信息优化地图。
针对生成的图像细节优化地图，准备相应的评估参数，构建全面的评估数据集，如地物分类信息、标定点数据，应用误差矩阵分析方法对地图进行初步评估，包括计算地图每个分类的正确识别数量和误分类数量，生成误差矩阵分析结果，基于误差矩阵分析结果，运用Kappa系数计算法对地图进行评估，通过Kappa系数的计算，得到Kappa系数评估结果，根据Kappa系数评估结果，对地图的分类标准进行调整，并改善图像处理参数，提高其分类精度和视觉表现，包括更改分类阈值、优化图像增强参数。
请参阅图8，基于地理信息优化地图通过WebGIS技术，进行地图发布和共享，提供互动式地图服务的步骤具体为：
S701：基于地理信息优化地图，采用格式转换和数据压缩技术，生成WebGIS兼容地图数据；
S702：基于WebGIS兼容地图数据，采用地图集成和交互功能开发策略，生成集成的WebGIS地图服务；
S703：基于集成的WebGIS地图服务，采用互动式服务开发技术，进行搜索、标注和路径规划，生成互动式WebGIS地图服务；
S704：基于互动式WebGIS地图服务，设立用户访问和反馈机制，生成用户交互体系。
通过对地理信息优化地图进行格式转换和数据压缩，生成WebGIS兼容的地图数据，包括将地图数据从原始格式转换成适配WebGIS***的格式，采用数据压缩技术减少文件大小，便于网络传输和快速加载，基于WebGIS兼容的地图数据，采用地图集成和交互功能开发策略，创建集成的WebGIS地图服务，如图层控制、缩放和平移，还包括为地图添加额外的交互元素，通过进一步开发基于集成的WebGIS地图服务，开发搜索、标注和路径规划功能，增加了地图的实用性，通过建立用户访问和反馈机制，包括监控用户对地图服务的使用情况，能够收集用户反馈，并根据获得的信息对服务进行持续优化。
请参阅图9，基于GIS数据的快速地图制图***，基于GIS数据的快速地图制图***用于执行上述基于GIS数据的快速地图制图方法，***包括数据输入模块、地理编码模块、地图渲染模块、层级处理模块、分析计算模块、用户交互模块、导出控制模块、***维护模块；
数据输入模块基于GIS数据，采用数据解析算法，将地理信息数据转换为***可识别格式，生成标准化地理数据；
地理编码模块基于标准化地理数据，采用地理编码算法，进行地理位置与编码的信息转换，生成地理编码信息；
地图渲染模块基于地理编码信息，采用图形渲染算法，生成渲染后的地图；
层级处理模块基于渲染后的地图，采用层级划分方法，进行多层级处理，生成多层级地图数据；
分析计算模块基于多层级地图数据，采用空间分析和统计算法，进行地图数据的分析，生成分析报告和统计结果；
用户交互模块基于分析报告和统计结果，采用交互设计方法，生成交互界面和用户操作反馈；
导出控制模块基于交互界面和用户操作反馈，采用数据导出算法，进行地图数据的多格式导出，生成导出数据；
***维护模块基于上述模块集合，采用***监控和维护策略，生成维护日志和***状态报告。
数据输入模块的数据解析能力能够从多类地理信息数据中快速准确地提取所需信息，从而提高数据的准确性和可靠性，地理编码模块的引入提升了地理数据的管理和查询效率，地图渲染模块的图形渲染算法和样式设置功能，使生成的地图在视觉上更加生动，层级处理模块的加入，使地图能够根据深度和复杂度进行多层级处理，分析计算模块结合空间分析和统计算法，能够进行地图数据分析，用户交互模块通过交互界面和反馈机制，使用户能够直观地操作和理解地图数据，导出控制模块的多格式导出功能，使地图数据的共享和传播更加方便，***维护模块的加入，使整个***能够稳定运行和持续更新，通过监控和维护策略，***可以实时监控运行状态，及时发现并解决问题，确保地图制图***的长期可靠性和有效性。
请参阅图10，数据输入模块包括数据解析子模块、格式转换子模块、数据校验子模块、数据归档子模块；
地理编码模块包括坐标映射子模块、编码生成子模块、编码优化子模块、编码验证子模块；
地图渲染模块包括样式设计子模块、图层渲染子模块、效果优化子模块、动态渲染子模块；
层级处理模块包括层级分析子模块、层级调整子模块、数据整合子模块、层级压缩子模块；
分析计算模块包括空间分析子模块、数据统计子模块、结果可视化子模块、模型验证子模块；
用户交互模块包括界面设计子模块、功能实现子模块、反馈处理子模块、用户行为分析子模块；
导出控制模块包括格式设置子模块、导出执行子模块、导出优化子模块、导出日志子模块；
***维护模块包括***监控子模块、数据备份子模块、性能优化子模块、安全策略子模块。
在数据输入模块中，数据解析子模块进行原始数据的解析和提取，将多格式的地理信息转化为可处理的数据结构；格式转换子模块负责将提取的数据转换为***所需的格式；数据校验子模块对输入数据进行校验，确保数据的准确性和完整性；数据归档子模块负责将处理后的数据进行归档存储，便于后续使用和检索。
在地理编码模块中，坐标映射子模块将地理位置信息映射为编码；编码生成子模块负责生成地理编码，便于快速检索和定位；编码优化子模块对生成的编码进行优化，提高编码效率和准确性；编码验证子模块能够验证编码的正确性和有效性。
在地图渲染模块中，样式设计子模块负责地图的样式和主题设计；图层渲染子模块将地理数据渲染成地图上的多种图层；效果优化子模块对渲染效果进行优化；动态渲染子模块提供动态地图渲染功能，如实时数据更新和动态效果展示。
在层级处理模块中，层级分析子模块进行地图数据的层级分析，选定数据的重要性和层级；层级调整子模块根据分析结果对地图的层级进行调整；数据整合子模块将多层级的数据进行整合，优化数据展示；层级压缩子模块对地图数据进行压缩处理，减少存储空间和提高加载速度。
在分析计算模块中，空间分析子模块进行地理空间数据的分析；数据统计子模块进行数据的统计分析；结果可视化子模块将分析结果通过图表或地图形式进行可视化展示；模型验证子模块负责验证分析模型的准确性。
在用户交互模块中，界面设计子模块负责设计用户界面；功能实现子模块实现用户交互的具体功能，如点击、拖拽；反馈处理子模块处理用户的操作反馈，提升用户体验；用户行为分析子模块分析用户的操作行为，优化界面设计和功能布局。
在导出控制模块中，格式设置子模块负责设置导出数据的格式；导出执行子模块执行数据的导出操作；导出优化子模块优化导出过程，提高导出效率；导出日志子模块记录导出过程中的详细日志，便于问题追踪和分析。
在***维护模块中，***监控子模块进行***运行状态的监控；数据备份子模块定期备份***数据；性能优化子模块对***进行性能优化；安全策略子模块负责制定和执行***安全策略，保障***数据和用户信息的安全。
以上，仅是本发明的较佳实施例而已，并非对本发明作其他形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其他领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。

Claims (6)

1.基于GIS数据的快速地图制图方法，其特征在于，包括以下步骤：
基于卫星图像、无人机影像、地面雷达扫描数据，采用多源数据融合算法，执行数据整合，生成地理数据环境；
基于所述地理数据环境，应用特征点匹配和坐标变换算法，进行空间对齐和几何校正，生成空间数据对齐结果；
基于所述空间数据对齐结果，运用边缘检测和纹理分析算法提取地理特征，生成地理特征映射；
基于所述地理特征映射，应用GIS空间分析方法，进行地理信息处理，生成地理信息解析数据；
基于所述地理信息解析数据，通过多分辨率分析和卷积神经网络，进行图像融合和细节增强，生成图像细节优化地图；
基于所述细节优化地图执行精度评估，采用误差矩阵和Kappa系数方法，进行精度校验和地图优化，生成地理信息优化地图；
基于所述地理信息优化地图通过WebGIS技术，进行地图发布和共享，提供互动式地图服务；
所述地理数据环境包括影像数据、地形数据、地表特征；所述空间数据对齐结果具体为空间坐标和方向的对齐；所述地理特征映射包括地理特征、地标、地理元素图层；所述地理信息解析数据包括对趋势线、模式识别、热点区域的分析；所述图像细节优化地图具体为融合多源数据分析结果后的地图；所述互动式地图服务包括对图层的选择、缩放、查询；
基于卫星图像、无人机影像、地面雷达扫描数据，采用多源数据融合算法，执行数据整合，生成地理数据环境的步骤具体为：
基于卫星图像、无人机影像、地面雷达扫描数据，采用噪声滤波和对比度增强算法进行数据预处理，生成处理后的多源数据；
基于所述处理后的多源数据，采用主成分分析法和波段融合技术，整合多类数据源，生成融合后的地理数据；
基于所述融合后的地理数据，应用GIS空间数据转换技术，进行数据格式化，生成地理信息库；
基于所述地理信息库，利用PostgreSQL和PostGIS进行数据库管理和空间数据构建，生成地理数据环境；
基于所述地理数据环境，应用特征点匹配和坐标变换算法，进行空间对齐和几何校正，生成空间数据对齐结果的步骤具体为：
基于所述地理数据环境，采用尺度不变特征变换算法，提取地理图像特征点，生成特征点集合；
基于所述特征点集合，应用随机抽样一致性算法，匹配多图像之间的相似处，生成匹配的特征点对；
基于所述匹配的特征点对，运用仿射变换算法，计算并生成空间变换参数；
基于所述空间变换参数，执行几何校正，在相同空间参考框架中进行多源地理数据统一，生成空间数据对齐结果；
基于所述地理特征映射，应用GIS空间分析方法，进行地理信息处理，生成地理信息解析数据的步骤具体为：
基于所述地理特征映射，采用GIS缓冲区分析算法，进行地理位置特性的解析，创建地理特征区域并进行缓冲处理，生成地理缓冲区数据；
基于所述地理缓冲区数据，采用GIS叠加分析方法，进行地理图层合并，生成叠加分析结果；
基于所述叠加分析结果，进行GIS透视分析方法，生成地理透视分析数据；
基于所述地理透视分析数据，通过GIS地图代数方法，将地理数据集进行定量分析和解析，生成地理信息解析数据；
基于所述地理信息解析数据，通过多分辨率分析和卷积神经网络，进行图像融合和细节增强，生成图像细节优化地图的步骤具体为：
基于所述地理信息解析数据，采用图像预处理技术，进行图像裁剪、归一化、降噪操作，生成处理后的图像数据；
基于所述处理后的图像数据，采用多分辨率分析方法，进行图像的特征提取，生成多分辨率分析图像；
基于所述多分辨率分析图像，采用卷积神经网络，进行特征学习和模式识别，生成CNN处理后的图像；
基于所述CNN处理后的图像，采用图像融合和细节增强技术，结合多分辨率图像特征，优化图像清晰度，生成图像细节优化地图。
2.根据权利要求1所述的基于GIS数据的快速地图制图方法，其特征在于，基于所述空间数据对齐结果，运用边缘检测和纹理分析算法提取地理特征，生成地理特征映射的步骤具体为：
基于所述空间数据对齐结果，采用Canny边缘检测算法进行边缘识别提取，生成边缘检测结果；
基于所述边缘检测结果，运用灰度共生矩阵分析地理图像的纹理特征，生成纹理分析结果；
基于所述纹理分析结果和边缘检测结果，采用图像融合技术合成地理特征信息，生成合成特征图；
基于所述合成特征图，应用空间数据映射技术创建地理特征的可视化表示，生成地理特征映射。
3.根据权利要求2所述的基于GIS数据的快速地图制图方法，其特征在于，基于所述细节优化地图执行精度评估，采用误差矩阵和Kappa系数方法，进行精度校验和地图优化，生成地理信息优化地图的步骤具体为：
基于所述图像细节优化地图，准备所需的评估参数，生成评估数据集；
基于所述评估数据集，采用误差矩阵分析方法，对地图进行初步评估，生成误差矩阵分析结果；
基于所述误差矩阵分析结果，运用Kappa系数计算法进行地图评估，生成Kappa系数评估结果；
基于所述Kappa系数评估结果，调整地图分类标准并改善图像处理参数，生成地理信息优化地图。
4.根据权利要求3所述的基于GIS数据的快速地图制图方法，其特征在于，基于所述地理信息优化地图通过WebGIS技术，进行地图发布和共享，提供互动式地图服务的步骤具体为：
基于所述地理信息优化地图，采用格式转换和数据压缩技术，生成WebGIS兼容地图数据；
基于所述WebGIS兼容地图数据，采用地图集成和交互功能开发策略，生成集成的WebGIS地图服务；
基于所述集成的WebGIS地图服务，采用互动式服务开发技术，进行搜索、标注和路径规划，生成互动式WebGIS地图服务；
基于所述互动式WebGIS地图服务，设立用户访问和反馈机制，生成用户交互体系。
5.基于GIS数据的快速地图制图***，其特征在于，根据权利要求1-4任一项所述的基于GIS数据的快速地图制图方法，所述***包括数据输入模块、地理编码模块、地图渲染模块、层级处理模块、分析计算模块、用户交互模块、导出控制模块、***维护模块；
所述数据输入模块基于GIS数据，采用数据解析算法，将地理信息数据转换为***可识别格式，生成标准化地理数据；
所述地理编码模块基于标准化地理数据，采用地理编码算法，进行地理位置与编码的信息转换，生成地理编码信息；
所述地图渲染模块基于地理编码信息，采用图形渲染算法，生成渲染后的地图；
所述层级处理模块基于渲染后的地图，采用层级划分方法，进行多层级处理，生成多层级地图数据；
所述分析计算模块基于多层级地图数据，采用空间分析和统计算法，进行地图数据的分析，生成分析报告和统计结果；
所述用户交互模块基于分析报告和统计结果，采用交互设计方法，生成交互界面和用户操作反馈；
所述导出控制模块基于交互界面和用户操作反馈，采用数据导出算法，进行地图数据的多格式导出，生成导出数据；
所述***维护模块基于上述模块集合，采用***监控和维护策略，生成维护日志和***状态报告。
6.根据权利要求5所述的基于GIS数据的快速地图制图***，其特征在于，所述数据输入模块包括数据解析子模块、格式转换子模块、数据校验子模块、数据归档子模块；
所述地理编码模块包括坐标映射子模块、编码生成子模块、编码优化子模块、编码验证子模块；
所述地图渲染模块包括样式设计子模块、图层渲染子模块、效果优化子模块、动态渲染子模块；
所述层级处理模块包括层级分析子模块、层级调整子模块、数据整合子模块、层级压缩子模块；
所述分析计算模块包括空间分析子模块、数据统计子模块、结果可视化子模块、模型验证子模块；
所述用户交互模块包括界面设计子模块、功能实现子模块、反馈处理子模块、用户行为分析子模块；
所述导出控制模块包括格式设置子模块、导出执行子模块、导出优化子模块、导出日志子模块；
所述***维护模块包括***监控子模块、数据备份子模块、性能优化子模块、安全策略子模块。
CN202311605004.8A 2023-11-28 2023-11-28 基于gis数据的快速地图制图方法及*** Active CN117635859B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311605004.8A CN117635859B (zh) 2023-11-28 2023-11-28 基于gis数据的快速地图制图方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311605004.8A CN117635859B (zh) 2023-11-28 2023-11-28 基于gis数据的快速地图制图方法及***

Publications (2)

Publication Number Publication Date
CN117635859A CN117635859A (zh) 2024-03-01
CN117635859B true CN117635859B (zh) 2024-05-07

Family

ID=90015798

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311605004.8A Active CN117635859B (zh) 2023-11-28 2023-11-28 基于gis数据的快速地图制图方法及***

Country Status (1)

Country Link
CN (1) CN117635859B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109815916A (zh) * 2019-01-28 2019-05-28 成都蝉远科技有限公司 一种基于卷积神经网络算法的植被种植区域识别方法及***
CN110136219A (zh) * 2019-04-17 2019-08-16 太原理工大学 一种基于多源数据融合的二三维地图展示方法
CN116524143A (zh) * 2023-06-25 2023-08-01 成都趋势电子有限责任公司 一种gis地图构建方法
CN116817891A (zh) * 2023-07-03 2023-09-29 四川吉利学院 一种实时多模态感知的高精地图构建方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070168370A1 (en) * 2004-11-16 2007-07-19 Hardy Mark D System and methods for provisioning geospatial data

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109815916A (zh) * 2019-01-28 2019-05-28 成都蝉远科技有限公司 一种基于卷积神经网络算法的植被种植区域识别方法及***
CN110136219A (zh) * 2019-04-17 2019-08-16 太原理工大学 一种基于多源数据融合的二三维地图展示方法
CN116524143A (zh) * 2023-06-25 2023-08-01 成都趋势电子有限责任公司 一种gis地图构建方法
CN116817891A (zh) * 2023-07-03 2023-09-29 四川吉利学院 一种实时多模态感知的高精地图构建方法

Also Published As

Publication number Publication date
CN117635859A (zh) 2024-03-01

Similar Documents

Publication Publication Date Title
US10592780B2 (en) Neural network training system
AU2022201728B2 (en) Performing object modeling by combining visual data from images with motion data of the image acquisition device
CN108389251B (zh) 基于融合多视角特征的投影全卷积网络三维模型分割方法
Kim et al. Fully automated registration of 3D data to a 3D CAD model for project progress monitoring
Dong et al. Tablesense: Spreadsheet table detection with convolutional neural networks
Li Remotely sensed images and GIS data fusion for automatic change detection
US9430872B2 (en) Performance prediction for generation of point clouds from passive imagery
CN111680678B (zh) 目标区域识别方法、装置、设备及可读存储介质
CN112559534B (zh) 一种遥感影像数据归档管理***及方法
US20110018865A1 (en) Method for providing three dimensional map service and geographic information system
CN111949817A (zh) 基于遥感影像的农作物信息展示***、方法、设备及介质
CN103970901A (zh) 一种地理信息图形数据整合方法
CN116503705A (zh) 一种数字城市多源数据的融合方法
KR102388777B1 (ko) ３６０도 ｖｒ 카메라를 이용한 연도변 조사 서비스 제공 시스템
Yin et al. [Retracted] Virtual Reconstruction Method of Regional 3D Image Based on Visual Transmission Effect
CN117635859B (zh) 基于gis数据的快速地图制图方法及***
CN116468870B (zh) 一种城市道路三维可视化建模方法及***
CN117612036A (zh) 无人机巡检数据缺陷自动识别方法、***、设备及介质
CN111581298A (zh) 大数据仓库的异构数据整合***及方法
Xu [Retracted] Application of Remote Sensing Image Data Scene Generation Method in Smart City
Dong et al. Neural formatting for spreadsheet tables
US20220067014A1 (en) Text-based machine learning extraction of table data from a read-only document
Meng et al. Distortion-aware room layout estimation from a single fisheye image
CN114511862A (zh) 表格识别方法、装置及电子设备
Ahmed et al. High-quality building information models (BIMs) using geospatial datasets

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant