ГЛАВНАЯ СТРАНИЦА | БИБЛИОТЕКА | ССЫЛКИ | ПОИСК В ИНТЕРНЕТ
Актуальность темы. В связи с тем, что современные компьютерные технологии, рассчитанные на создание геоинформационных систем (ГИС) различного назначения, используют растровые изображения карт и планов, то исследование технологий их получения является актуальной и заслуживающей обсуждения задачей.
Растровые изображения карт и планов возможно получить разными способами. Основными источниками, как правило, являются:
Самым распространенным способом на сегодняшний день является способ сканирования имеющихся на бумажных и других носителях картографических материалов.
Параметры выбранной модели сканера оказывают значительное влияние на точность полученного растрового изображения, а на сегодняшний день многие организации применяют для сканирования карт и планов относительно недорогие планшетные полиграфические сканеры, то их исследование является также актуальной задачей.
Цель и задачи исследований. Целью данной работы является совершенствование и исследование технологических схем ввода-вывода информации в геоинформационных системах для повышения точности и уровня автоматизации, а также снижения себистоимости.
Задача исследований - исследовать малоформатные полиграфические планшетные сканеры и обоснование метода повышения точности сканирования.
Методы исследований. В работе использовались методы вычислительной математики, информатики и математической статистики. При проведении экспериментов использовались методы математического моделирования и визуально-графического анализа результатов.
Научная новизна полученных результатов.
Практическое значение полученных результатов.Обоснованная функция аппроксимации позволяет реализовать технологию калибровку сканеров, что значительно повышает точность сканирования на недорогом сканерном оборудовании.
Апробация результатов. Положения работы докладывались и обсуждались на конренции в Донецком национальном государственном университете (2003г.).
В настоящее время компьютерные технологии, рассчитанные на создание геоинформационных систем различного назначения, используют растровые изображения карт и планов. Растровые изображения карт и планов возможно получить разными способами. Самым распространенным способом на сегодняшний день является способ сканирования имеющихся на бумажных и других носителях картографических материалов [1,2]. На полученные таким образом растровые изображения карт и планов влияют:
На сегодняшний день многие организации применяют для сканирования карт и планов относительно недорогие планшетные сканеры. Их исследование является актуальной задачей, так как параметры выбранной модели сканера оказывают значительное влияние на точность полученного растрового изображения.
Планшетные полиграфические сканеры исследовались неоднократно [1,2,3]. В результате были получены следующие выводы:
Для получения необходимой точности растрового картографического материала на основании анализа существующего картографического материала масштабов 1:500 - 1:25000 (объекты и ситуация наносится с точностью 0,1 мм) и [5] был сделан вывод, что сканирование должно выполняться с разрешением 300 dpi и 256-цветной палитрой [1]. Это позволяет значительно уменьшить размеры файлов с растровыми картами без потери в точности и цветовом решении.
Исходя из вышесказанного, для устранения систематических ошибок сканирования необходимо лишь подобрать функции их аппроксимации. Важнейшей содержательной и творческой задачей аппроксимации в данном случае является выбор достаточно полной и точной функции, количества и набора ее значений, густоты сетки.
На сегодняшний день имеется много наработанных вариантов построения аппроксимирующих функций, например: аффинное преобразование, полиномы второй, третьей и четвертой степеней [4].
Чтобы выполнить анализ аппроксимирующих систематические ошибки сканирования функций необходимо иметь расположенные по всему полю сканирования точки с известными эталонными и фактическими координатами. Для получения такого материала на сканерах PRIMAX 4800 DIRECT, ScanJet II p, UMAX Power Look III была отсканирована калибровочная сетка с размером ячейки 5х5 мм, применимая для калибровки фотограмметрического оборудования и положения узловых точек, эталонные значения координат которых были известны с точностью до 0,001 мм. Измерения координат сетки в системе координат сканирования (см. рис. 1) выполнялись вручную с помощью манипулятора "мышь" на экране монитора. Были измерены по 10 вариантов растров, полученных на трех различных сканерах (около 40000 вершин сетки).
Если предположить некоторую зависимость между эталонной системой координат и системой координат сканера, то ее можно передать следующими уравнениями:
где i=1,2,…,m - номера вершин сетки;
m - количество вершин сетки;
- параметры систематических ошибок сканирования;
- измеренные координаты i-того узла калибровочной сетки;
- эталонные координаты i-того узла калибровочной сетки;
k - количество параметров систематических ошибок.
Если k=6, то получаем аффинное преобразование. Ошибка такой аппроксимирующей функции составила около 0,087 мм (вычисления проводились в MathCad).
При k=12 - полином второй степени, и его ошибка - 0,074 мм.
При k=20 - полином третьей степени с ошибкой - 0,066 мм.
При k=30 - полином четвертой степени, который имеет ошибку - 0,057 мм.
На основании анализа устройства полиграфических планшетных сканеров, принципа их работы и статистических исследований на кафедре геоинформатики и геодезии ДонНТУ были обоснованы аппроксимирующие систематические ошибки функции [1] следующего вида:
где 
- параметры
систематических нелинейных искажений;
- параметры систематических
линейных искажений;
- невязки, обусловленные погрешностями сканирования и измерениями координат.
При исследовании такого вида уравнений была получена ошибка равная 0,071 мм.
Как видно из приведенных выше значений, ошибки описанных аппроксимирующих систематические ошибки уравнений одного порядка, значит можно принимать в качестве функции аппроксимации систематических ошибок любую из них. Но целесообразней взять в качестве аппроксимирующей функции полином третьей степени, так как его ошибка немного меньше, чем размер пикселя при разрешении 300 dpi (0,084 мм) и количество параметров системы при этом минимально. На основании статистических исследований были исключены из уравнения полинома третьей степени те параметры, которые оказывают минимальное влияние. Таким образом, была получена следующая зависимость [6]:
Значение ошибки при использовании полученной функции такое же, что и при использовании полинома третьей степени, но количество элементов уменьшилось.
Так как измерения координат в системе координат сканирования выполнялись вручную с помощью манипулятора "мышь" на экране монитора, то полученные координаты имеют ошибки взятия отсчета. Для выявления ошибок взятия отсчетов были проведены измерения координат вершин сетки на созданных в AutoCad и преобразованных в растр следующих вариантов сетки: поворот сетки на 0°, 20° и 30°. В результате анализа полученных результатов было выявлено, что ошибки измерений составили в среднем 0,05 мм (см. рис. 2), это для выбранного варианта разрешения сканирования приблизительно равно 1 пикселю. Эти ошибки носят случайный характер. Они, как видно из гистограммы, стремяться к нулю, но присутствуют и грубые ошибки.
Рис.2 - Гистограмма распределения ошибок измерения эталонного варианта сетки, мм
Известно, что систематические ошибки сканера нестабильны во времени [1], поэтому при каждом сканировании необходимо определять параметры принятой функции аппроксимации. Для чего необходимо выбрать какое количество точек, с известными координатами, и как их расположить по полю сканирования. Предполагается исследовать и этот вопрос.
Чтобы находить параметры аппроксимации на момент сканирования с исключением ошибок оператора и за максимально короткое время (измерение в ручную одной сетки (около 600 вершин) занимало в среднем час), необходимо определять координаты узлов сетки автоматически. Для этой цели предложен алгоритм полуавтоматического распознавания узлов сетки [6], который позволяет распознавать вершины сетки, имеющей какой-либо наклон. То есть пользователь измеряет четыре вершины сетки, расположенные по углам, а координаты всех остальных узлов определяются автоматически, как среднее арифметическое из координат черных или белых пикселей (в зависимости от цвета сетки), попавших в круг с определенным радиусом. Таким радиусом на основании проведенных статистических исследований был выбран радиус равный 16 пикселам.
Предложенный способ распознавания координат вершин сетки был апробирован на следующих вариантах сетки:
Распознанные координаты были нанесены на растр для визуального просмотра полученных результатов.
В результате анализа полученных результатов было выявлено, что распознавание координат вершин эталонных сеток и вершин отсканированных сеток, имеющих четкие, правильной формы кресты, выполняется точно, то есть распознанные координаты соответствуют эталонным (см. рис. 3).
Рис. 3 - Распознавание вершин сетки методом среднего арифметического.
Распознанные координаты большинства вершин отсканированных сеток данным методом отличаются от истинного положения крестов в среднем на 1-2 пикселя, а максимальное отклонение составило 4 пикселя.
Выяснено, что на точность распознавания методом среднего арифметического из координат точек, попавших в круг с определенным радиусом, влияют следующие факторы:
а) б) в)
Рис 4 - Влияние шумов на распознавание вершин сетки.
На рисунках 3 и 4 красными крестами показаны координаты вершин сетки, после распознавания, а окружностью показаны те пиксели, которые попали в окружность с радиусом 16 пикселей.
Как видно из рисунка 4, координаты распознанного креста сдвинуты в сторону шума.
Для повышения точности распознавания можно применить
следующие способы:
1. устранение шумов;
2. использование других функций распознавания.
Первый способ является очень трудоемким, поэтому необходимо отыскать более эффективную функцию для распознавания вершин сетки.
Для повышения точности распознавания вершин сетки был исследован метод распознавания, как перемещение креста (пересечение двух линий по 20 пикселей) в некоторой окрестности вершины сетки (квадрат 20x20 пикселей) до тех пор, пока он полностью или на 85% не совпадет с вершиной. Если таких совпадений несколько, то за координаты вершины сетки берем среднее значение из координат совпавших крестов. Данный метод распознавания был апробирован на тех же вариантах сеток, что и предыдущий. Было получено, что распознанные координаты некоторых вершин отсканированных сеток методом сравнения с крестом отличаются от истинного положения вершин сетки в среднем на 1 пиксель, а все остальные вершины распознаны точно. Таким образом, предложенный метод распознавания не зависит от шумов (см. рис. 4) и его можно применять для эффективного распознавания.
В дальнейшем предполагается исследовать все перечисленные выше линейные функции, аппроксимирующие систематические ошибки, на сетках, распознавание вершин которой производилось автоматически, и выбрать за окончательный результат функцию с минимум параметров и дающую минимальное значение ошибки и по выбранной функции аппроксимации устранить систематические ошибки сканера трансформированием растрового изображения.
1. Гермонова К.О. Технологія одержання растрових карт і планів // Вісник геодезії та картографії. -1999.- №1(12). - С.45-48.
2. Андрон В.Н., Мукин М.В., Тихонов Д.Ю. Сэкономьте время на сканере // ГИС-обозрение. -1997. - №2. - С.17-19.
3. Рей звих С.Р. Оценка качества картографических материалов для создания ГИС інженерного назначения // ГИС-информационный бюллетень. - 1998. -№1(13). - С.70-72.
4. Калиткин Н.Н. Численные методы. - М.: Наука. - 1978. - 512с.
5. Інструкція з топографічного знімання в масштабах 1:5000, 1:2000, 1:1000 і 1:500 // ГКНТА-2.04-02-98. Чинна з 04.07.98р.
6. Пиличева М.О. Исследование методов ввода графической информации в ГИС // Сборник трудов магистрантов 2003 Донецкого национального технического университета Выпуск 2. - Донецк, ДонНТУ. Министерство образования и науки Украины, 2003.
ГЛАВНАЯ СТРАНИЦА | БИБЛИОТЕКА | ССЫЛКИ | ПОИСК В ИНТЕРНЕТ