Documente Academic
Documente Profesional
Documente Cultură
()1()
N i nk
N
n
Ukune
N
−π−⋅
=
= ⋅Σ ⋅ (5.6)
unde U(k) reprezintă setul descriptorilor Fourier.
Descriptorii Fourier sunt caracteristici de formă regenerative [Gavriloaia,
2002]. Numărul descriptorilor necesari pentru reconstrucţia formei iniţiale
depinde de complexitatea acesteia şi de precizia dorită. Funcţia u(n) care
descrie
conturul este
12
0
()()
N i nk
N
k
unUke
−π⋅
=
=Σ ⋅ (5.7)
CAPITOLUL 5. CONTRIBUŢII PRIVIND CULEGEREA AUTOMATĂ A DATELOR REPREZENTATE PRIN
SEMNE
CONVENŢIONALE PUNCTUALE
27
Descriptorii Fourier se determină apriori, pentru semnele convenţionale
punctuale, ştiind forma teoretică a acestora.
Figura 5-5. Reprezentarea în spaţiul complex a unui contur.
Cunoscând formula lui Euler şi ţinând seama de relaţia (5.5), atunci relaţia
(5.6) devine:
()
()
1
0
1
0
Re ( ) 1 ( ) cos2 ( ) sin 2
Im ( ) 1 ( ) cos2 ( ) sin 2
N
n
N
n
U k x n nk y n nk
NNN
U k y n nk x n nk
NNN
ππ
ππ
−
=
−
=
⎧⎡⎤⎪=⋅⎢⋅+⋅⎥⎪⎣⎦
⎨
⎪ = ⋅ ⎡ ⋅ − ⋅ ⎤ ⎩⎪ ⎢⎣ ⎥⎦
Σ
Σ
(5.8)
unde Re(U(k)) reprezintă partea reală iar Im(U(k)) partea imaginară a
numărului complex U(k) .
Anumite transformări geometrice elementare ale unui contur se reflectă în
transformări simple ale descriptorilor Fourier corespondenţi. O sinteză a
acestor
proprietăţi este prezentată în tabelul următor:
Tabelul 5-1. Proprietăţile descriptorilor Fourier.
Transformare Conturul
transformat Descriptorii Fourier
Identitate u'(n) =u(n) U'(k) =U(k)
Translaţie ( ) ( ) 0 u' n = u n + u
U'(0) =U(0) +c
U'(k) =U(k) pentru k ≠ 0
Scalare u'(n) =α ⋅u(n) U'(k) =α ⋅U(k)
Modificarea punctului
iniţial 0 u'(n) =u(n−n ) 0 2
'( ) ( )
in k
NU kUke
−
=⋅
Rotaţie u'(n) =u(n) ⋅ei⋅φ U'(k) =U(k) ⋅ei⋅φ
0 0
−⋅−
=
−⋅−
Σ
ΣΣ
(5.9)
CAPITOLUL 5. CONTRIBUŢII PRIVIND CULEGEREA AUTOMATĂ A DATELOR REPREZENTATE PRIN
SEMNE
CONVENŢIONALE PUNCTUALE
29
unde: - x - semnătura formei de analizat (vector);
- x - valoarea medie a vectorului x ;
- y - semnătura formei din baza de date;
- y - valoarea medie a vectorului y .
Figura 5-6. Forme de analizat.
Semnătura pentru fiecare formă din figura 5-6 s-a determinat, automat pe
cale analitică, cu ajutorul unui program propriu realizat în limbajul Delphi 7.
Linia poligonală ce defineşte conturul s-a intersectat analitic, succesiv, cu o
dreaptă. Am considerat pasul unghiului de orientare de 5 . O valoare a
pasului
prea mică, surprinde toate detaliile formei, dar generează o semnătură
influenţată într-o măsură mai mare de zgomot, pe când o valoare mai mare
determină o semnătură mai puţin influenţată de zgomot, dar nu surprinde
toate
detaliile formei. Valoarea optimă a pasului unghiului de orientare,
determinată
empiric, este cuprinsă între valorile de 1 şi 5 .
Figura 5-7. Identificarea unei forme rotite şi micşorată.
CAPITOLUL 5. CONTRIBUŢII PRIVIND CULEGEREA AUTOMATĂ A DATELOR REPREZENTATE PRIN
SEMNE
CONVENŢIONALE PUNCTUALE
30
În figura 5-7 este prezentat cazul general de identificare a unei forme cu
orientare şi scară diferită de ale formei de referinţă. Pentru a putea identifica
forma de analizat, se determină coeficienţii de corelaţie pentru translaţii
succesive ale formei de analizat de-a lungul axei θ . Poziţia pe axa θ în care
se
obţine un coeficient de corelaţie maxim, mai mare decât un prag prestabilit,
dă
orientarea formei de analizat faţă de cea de referinţă.
5.3.2 Recunoaşterea automată a semnelor convenţionale punctuale pe
baza
descriptorilor Fourier
Această metodă de recunoaştere de forme face parte din categoria
metodelor supervizate, fiind necesară cunoaşterea apriori a seturilor de
descriptori Fourier pentru semnele convenţionale punctuale ce urmează a fi
identificate pe originalele de editare separate pe culori.
Dacă se consideră seturile de descriptori Fourier U1(k) şi U2(k)
corespunzătoare contururilor diferite u1(n) respectiv u2(n), atunci forma
acestor
contururi este similară dacă
0
000
1212
000,,,000
( , , , ) min ( ) ( ) 0
N
i
unn
d u n u n u n n e φu
αφ
αφα
−
⋅
=
⎧⎫
= ⎨ − ⋅ − ⋅ − ⎬→
⎩⎭
Σ (5.10)
Un exemplu practic este cel prezentat în figura 5-8, în care se face o
recunoaştere pe baza descriptorilor Fourier a semnului convenţional
punctual
“Locuri de aterizare”.
Figura 5-8. Analiza unui semn convenţional punctual pe baza descriptorilor Fourier.
CAPITOLUL 5. CONTRIBUŢII PRIVIND CULEGEREA AUTOMATĂ A DATELOR REPREZENTATE PRIN
SEMNE
CONVENŢIONALE PUNCTUALE
31
În figura 5-8, semnul convenţional punctual de referinţă este reprezentat
prin culoarea roşie şi pe baza descriptorilor săi Fourier se determină
translaţia,
scara, rotaţia şi punctul de referinţă pentru celelalte simboluri.
Fie referinţă f şi analizat f transformatele Fourier ale simbolului punctual de
referinţă, respectiv a celui de analizat. Pentru determinarea translaţiei se
folosesc
formulele
Re( ) Re( )
Im( ) Im( )
x analizat referinţă
y analizat referinţă
dff
dff
= − ⎧⎨
⎩=−
(5.11)
unde Re( f ) reprezintă partea reală a numărului complex f , iar Im( f ) partea
imaginară.
Aplicând formula (5.11) pentru o imagine doar translatată, vectorii x d şi
y d au primul element translaţia pe axa X, respectiv translaţia pe axa Y, iar
restul
elementelor 0.
Pentru determinarea scării între imaginea de referinţă şi imaginea de
analizat se folosesc formulele (5.12). Vectorii x scara şi y scara au toate
elementele egale cu scara pe axa X, respectiv cu scara pe axa Y
Re( )
Re( )
Im( )
Im( )
analizat
x
referinţă
analizat
y
referinţă
scara f
f
scara f
f
⎧ = ⎪⎪⎨⎪
=
⎪⎩
(5.12)
Pentru determinarea unghiului de rotaţie dintre imaginea de referinţă şi
imaginea de analizat, se foloseşte formula
22
Re( )Re( ) Im( )Im( )
arccos
Re( ) Im( )
analizat referinţă analizat referinţă
referinţă referinţă
ffff
ff
φ
⋅+⋅
=
+
(5.13)
Fiecare element al vectorului φ , cu excepţia primului element, conţine
unghiul de rotaţie exprimat în radiani.
Indicele punctului de start pentru forma de analizat se determină cu
formula
0
()
i2
n lungime
i
φ
φ
π
=⋅
⋅⋅
(5.14)
unde i
φ este elementul i al vectorului φ dat de relaţia (5.13).
CAPITOLUL 5. CONTRIBUŢII PRIVIND CULEGEREA AUTOMATĂ A DATELOR REPREZENTATE PRIN
SEMNE
CONVENŢIONALE PUNCTUALE
32
01
001
110
01
000
101
5.4 Algoritm propus pentru identificarea semnelor convenţionale
punctuale
Acest algoritm este o metodă simplă de recunoaştere a formei semnelor
convenţionale punctuale cu orientare normală, bazat pe corelaţia dintre
imaginea
teoretică a semnului convenţional şi imaginea practică rezultată în urma
scanării.
Fie f(x,y) imaginea teoretică a semnului convenţional punctual şi g(x,y)
imaginea obţinută în urma procesului de scanare. Teoretic, ar trebui să aibă
loc
relaţia
f AND g = f (5.15)
Tabelul de adevăr al funcţiei logice AND este
Relaţia (5.15) are loc doar în cazul ideal, însă din cauza erorilor de
scanare şi a calităţii materialului cartografic, aceasta devine:
f AND g = f ‘ (5.16)
unde f’ ≠ f .
Pentru a determina dacă imaginile f şi g sunt în corelaţie, se aplică
următorul algoritm:
1) Se determină deosebirile dintre imaginea teoretică a semnului
convenţional
punctual şi imaginea sa rezultată în urma procesului de scanare printr-o
operaţie
logică XOR (sau exclusiv)
f XOR g = h (5.17)
unde h reprezintă imaginea cu deosebirile între f şi g.
Tabelul de adevăr al funcţiei logice XOR este
2) Ţinând seama de relaţia (5.17), se determină numărul de pixeli în plus
(pP),
respectiv cei lipsă (pM), aplicând relaţiile
1
2
h AND g h
h AND f h
= ⎧⎨
⎩=
(5.18)
unde : - h1 reprezintă imaginea cu pixelii în plus;
- h2 reprezintă imaginea cu pixelii lipsă.
CAPITOLUL 5. CONTRIBUŢII PRIVIND CULEGEREA AUTOMATĂ A DATELOR REPREZENTATE PRIN
SEMNE
CONVENŢIONALE PUNCTUALE
33
Dacă numărul pixelilor pP din imaginea h1, respectiv pM din imaginea h2
este mai mic decât o valoare de prag ε, atunci imaginea g este imaginea
influenţată de zgomot a semnului convenţional punctual a cărei reprezentare
raster este imaginea f. Pragul ε se alege experimental, în funcţie de rezoluţia
la
care a fost scanată imaginea şi de mărimea zgomotului, astfel încât să nu
existe
ambiguităţi.
Figura 5-9. Semne convenţionale punctuale.
Imaginea din figura 5-9 a fost analizată cu algoritmul propus, toate
semnele convenţionale fiind recunoscute. Programul RecSCP care
implementează acest algoritm determină codul, respectiv punctul legat al
fiecărui semn convenţional punctual identificat.
După identificarea semnului convenţional punctual programul scrie în
baza de date cartografică coordonatele punctului legat corespunzător
simbolului
şi codul acestuia. Se poate determina şi orientarea diferitelor semne
convenţionale punctuale prin construcţia unor imagini ideale ale acestora,
pentru
diferite unghiuri de rotaţie.
Algoritmul de recunoaştere automată a formei semnelor convenţionale
punctuale este uşor de implementat, iar viteza de analiză pentru o clasă de
obiecte este independentă de gradul de încărcare al imaginii [Alexei, 2004d].
Pentru a mări viteza, se poate adopta soluţia de a se indica cu ajutorul unui
locator coordonatele aproximative ale elementului, iar algoritmul găseşte
coordonatele precise şi codul asociat.
Este necesar să se realizeze o bază de date care conţine reprezentarea
matricială a semnelor convenţionale punctuale, codul fiecărui semn şi
descrierea
acestuia. În baza de date sunt memoraţi şi parametrii de recunoaştere pP,
respectiv pM, determinaţi experimental pentru fiecare semn convenţional
punctual în parte.
Baza de date cu simboluri permite adăugarea unor noi semne
convenţionale punctuale, precum şi actualizarea celor existente. De
asemenea,
este utilă stocarea formei simbolurilor pentru diferite rezoluţii şi unghiuri de
rotaţie (unde este cazul) pentru a mări viteza de analiză.
CAPITOLUL 6. SURSE DE ERORI ÎN SIG
34
6. SURSE DE ERORI ÎN SIG
Harta este un model bidimensional, la scară, a unei părţi din suprafaţa
pământului. Hărţile reprezintă mijloace eficiente de prezentare (în general cu
ajutorul unor simboluri) a unei cantităţi mari de informaţii despre obiecte,
fenomene şi despre relaţiile dintre acestea.
6.1 Precizia hărţilor
Precizia hărţilor a fost analizată şi definită în mod diferit. Precizia se
referă la corectitudinea relativă a poziţiei obiectelor pe o hartă faţă de poziţia
lor
reală pe suprafaţa pământului. Precizia absolută se referă la nivelul de
exactitate
a poziţiei obiectului.
Precizia absolută este dată de eroarea estimată pentru un singur punct,
relativ la un sistem de referinţă spaţial (Krasovski, WGS84 etc.).
Precizia relativă este dată de eroarea estimată pentru o distanţă între două
puncte, sau precizia unui punct în comparaţie cu alt punct. Dacă erorile a
două
puncte nu sunt corelate, eroarea relativă este eroarea medie pătratică a
erorilor
absolute ale punctelor.
Precizia unei hărţi digitale nu depinde de scara de afişare. Ea depinde de
precizia datelor originale utilizate, de algoritmii de prelucrare şi de rezoluţia
la
care este tipărită sau afişată harta. În cazul digitizării unei hărţi analogice,
rezultatul digitizării nu poate fi mai precis decât sursele originale [Alexei,
2004a].
În alcătuirea hărţilor digitale intervin patru tipuri de erori:
- eroarea de poziţie;
- eroarea atributelor (datelor tematice);
- eroarea conceptuală;
- eroarea de consistenţă.
6.1.1 Eroarea de poziţionare
Eroarea de poziţionare reprezintă deplasarea unui obiect pe hartă faţă de
poziţia sa reală din teren. În instrucţiunile de realizare a hărţilor topografice
se
specifică o precizie planimetrică a detaliilor de 0,4 mm la scara hărţii cu un
nivel
de încredere (1−α )=95% (probabilitatea de 0,95). Această precizie pentru
harta 1:25.000 reprezintă 10 m în teren.
Pentru estimarea preciziei, se foloseşte eroarea medie pătratică - relaţia
(6.1). Precizia se raportează ca o valoare în metri, cu un nivel de încredere
de
CAPITOLUL 6. SURSE DE ERORI ÎN SIG
35
95%, ceea ce înseamnă că 95% din elementele bazei de date au o poziţie ce
respectă precizia raportată.
( )2
1
n
ic
i
VV
n
σ=
−
=
Σ
(6.1)
unde: Vi - valorile măsurate;
Vc - valorile adevărate a lui i V ;
n - numărul de măsurători.
6.1.2 Eroarea atributelor (datelor tematice)
În timp ce poziţia elementelor nu se modifică în timp, atributele se pot
schimba frecvent. Precizia atributelor se analizează în diferite moduri în
funcţie
de natura datelor:
- pentru valori continue ale atributelor, precizia este exprimată ca
eroare de măsurare (evaluarea preciziei se face prin metode
asemănătoare determinării preciziei de poziţionare);
- pentru valori discrete ale atributelor, precizia este exprimată ca
eroare de clasificare. Evaluarea preciziei de clasificare este
influenţată de numărul de clase definite în baza de date.
6.1.3 Eroarea conceptuală
Eroarea conceptuală se referă la erorile de omitere a informaţiilor din baza
de date şi este definită de gradul de generalizare şi abstractizare (omiterea
selectivă). Cea mai generalizată bază de date poate fi considerată completă
dacă
conţine toate obiectele descrise în specificaţii. Precizia conceptuală dă o
informaţie utilizatorului despre volumul disponibil de date spaţiale,
temporale şi
tematice.
Eroarea conceptuală este influenţată de scară, generalizarea elementelor
bazei de date şi regulile de selecţie a elementelor şi fenomenelor care sunt
stocate în baza de date.
6.1.4 Eroarea de consistenţă
Eroarea de consistenţă se referă la contradicţiile aparente dintr-o bază de
date geografică. Precizia de consistenţă reprezintă o măsură a validităţii
interne a
CAPITOLUL 6. SURSE DE ERORI ÎN SIG
36
bazei de date. Se pot distinge mai multe tipuri de consistenţă a bazei de date:
- consistenţa spaţială se referă la respectarea regulilor topologice
(de exemplu graniţa comună a două poligoane trebuie să
coincidă);
- consistenţa temporală reprezintă faptul că, într-un punct, la un
moment dat, nu poate exista decât un singur eveniment;
- consistenţa tematică (a atributelor) se referă la lipsa contradicţiilor
din datele tematice (stocând date despre numărul de locuitori,
suprafaţa localităţilor şi densitatea populaţiei, pot apărea erori
datorită redundanţei informaţiilor; redundanţa atributelor este o
cale pentru asigurarea consistenţei bazei de date);
- consistenţa logică se referă atât la aspecte topologice, cât şi la
validitatea domeniului de definiţie al datelor stocate în bazele de
date.
6.2 Surse de erori
Spre deosebire de geodezie, cartografie şi fotogrammetrie, până în ultimii
ani s-a acordat o importanţă mai mică preciziei datelor SIG. Se ştie că datele
conţin erori sistematice şi erori aleatoare, dar nu s-a accentuat asupra felului
cum procedurile şi soluţiile SIG ţin seama de aceste erori. O bună tratare a
acestei probleme permite alegerea celor mai bune surse de date, alegerea
celor
mai corecte metode de culegere a datelor şi alegerea celor mai corecte
proceduri
de prelucrare şi de realizare a produselor finale. În SIG sunt combinate mai
multe tipuri de date din mai multe surse.
În funcţie de sursele erorilor, acestea se clasifică astfel:
1. erori datorate surselor de date:
- erori datorate aparatelor de culegere a datelor;
- erori datorate materialelor cartografice:
vechimea datelor;
imprimarea (tipărirea);
deformarea materialului cartografic;
scara hărţii;
tipul proiecţiei;
generalizarea şi clasificarea cartografică;
- erori datorate schimbărilor fizico-geografice ale mediului;
- erori datorate definirii graniţelor;
2. erori datorate introducerii datelor:
- erori datorate digitizării;
- erori datorate scanării;
CAPITOLUL 6. SURSE DE ERORI ÎN SIG
37
- erori datorate operatorului;
3. erori datorate metodelor şi algoritmilor de prelucrare:
- erori numerice;
- erori date de densitatea datelor;
- erori datorate combinării datelor;
- erori datorate interpretării cartografice;
- erori datorate conversiilor;
- erori de prelucrare propriu-zisă (generarea topologiei,
georeferenţiere etc.).
6.3 Verificarea preciziei datelor spaţiale
Toate sursele de date şi metodele de introducere a datelor spaţiale prezintă
erori. Tipul, mărimea şi implicaţiile acestor erori inerente într-o bază de date
a
unui sistem informaţional determină precizia datelor spaţiale. Este imposibil
să
se elimine complet erorile datelor spaţiale, dar utilizatorii SIG pot reduce şi
administra în mod eficient erorile, îmbunătăţind astfel precizia datelor.
Identificarea şi evaluarea erorilor nu sunt singurii factori care determină
precizia datelor. Precizia datelor include toate procesele implicate în crearea,
dezvoltarea, utilizarea şi actualizarea bazei de date spaţiale.
Verificarea preciziei datelor spaţiale este esenţială pentru schimbul şi
integrarea datelor. Datele geografice şi non-geografice trebuie verificate în
scopul asigurării preciziei impuse bazei de date a SIG. Măsurătorile calităţii
datelor verifică precizia de poziţie, a atributelor, conceptuală şi cea de
consistenţă.
Testarea calităţii datelor se poate face prin metode manuale sau automate.
Metodele de verificare manuală includ imprimări de control, măsurători în
teren şi teste statistice. Imprimarea de control presupune trasarea datelor
geografice la aceeaşi scară ca materialul cartografic sursă. După imprimarea
hărţii digitale, aceasta se suprapune peste harta sursă şi se verifică atât
poziţia
elementelor, cât şi inscripţiile şi simbolistica caracteristicilor. Deşi această
metodă este rapidă şi puţin costisitoare, este de preferat verificarea prin
măsurători în teren.
Metodele de verificare automată caută incompatibilităţile logice şi valorile
atributelor care nu respectă domeniul de definiţie. Incompatibilităţile logice
se
determină prin verificarea topologiei (de exemplu, un strat de poligoane
trebuie
să conţină doar poligoane închise). Pentru verificarea atributelor este necesar
să
se cunoască modul de clasificare a acestora. Este greu de obţinut un consens
din
partea comunităţii SIG pentru dezvoltarea de standarde care să clasifice
datele
spaţiale. Acest fapt depinde de necesităţile utilizatorului.
CAPITOLUL 6. SURSE DE ERORI ÎN SIG
38
Metodele automate se pot executa de către majoritatea pachetelor de
programe SIG (ArcInfo, MapInfo, AutoCAD Map etc.). Aceste metode sunt
rapide, dar rezultatele sunt mai puţin exacte decât în cazul metodelor
manuale.
Precizia datelor trebuie păstrată în toate stadiile realizării unei baze de
date SIG, mai ales în timpul culegerii şi actualizării. Orice tip de prelucrare
asupra datelor afectează precizia acestora.
6.3.1 Testarea preciziei de poziţie
Precizia de poziţie se testează prin compararea coordonatelor unor puncte
de control din baza de date cu coordonatele aceloraşi puncte extrase din
surse
independente, de înaltă precizie, cum ar fi:
- hărţi la scări mai mari;
- măsurători în teren cu ajutorul receptoarelor GPS;
- înregistrări satelitare şi fotogrammetrice.
Minim 20 de puncte de control trebuie testate, distribuţia acestora
acoperind zona de interes. Testarea a 20 de puncte cu un nivel de încredere
de
95% înseamnă că doar un singur punct dintre acestea poate să aibă precizia
mai
slabă decât specificaţiile impuse. Punctele de control trebuie să fie mai dense
în
vecinătatea elementelor importante [Serediuc, 1997].
a) Precizia planimetrică.
Eroarea medie pătratică pe cele două axe se determină cu relaţiile
2
,,
1
()
n
date i control i
i
x
xx
n
σ=
−
=
Σ
(6.2)
2
,,
1
()
n
date i control i
i
y
yy
n
σ=
−
=
Σ
(6.3)
unde: - xdate,i , ydate,i - coordonatele punctelor de control din baza de date;
-xcontrol,i , ycontrol,i - coordonatele punctelor de control din surse
independente de precizie mare;
- n - numărul de puncte de control.
Eroarea planimetrică a unui punct Pi este definită de relaţia
CAPITOLUL 6. SURSE DE ERORI ÎN SIG
39
( )2( )2
xdate,i−xcontrol,i +ydate,i −ycontrol,i (6.4)
Eroarea medie pătratică în plan este dată de formula
(( ) ( ) )
,,,,
2 2
122
n
date i control i date i control i
i
rxy
xxyy
n
σ =σ σ
−+−
==+
Σ
(6.5)
Dacă x y σ =σ atunci relaţia (6.5) devine
σr= 2⋅σx2= 2⋅σy2=1.4142⋅σx=1.4142⋅σy (6.6)
Relaţiile (6.2)÷(6.6) sunt valabile dacă se consideră că au fost eliminate
erorile sistematice. Dacă erorile au o distribuţie normală şi componentele
acestora pe cele două axe de coordonate sunt independente, atunci se poate
folosi valoarea 2.4477 pentru calculul preciziei planimetrice cu un coeficient
de
încredere de 95% [Greenwalt, 1968]
Pr 2.4477 2.4477 2.4477
1.4142
r
eciziar x y σ
σσ
⋅
=⋅=⋅=
Preciziar=1.7308⋅σr (6.7)
Dacă σ x ≠σ y şi dacă raportul min max σ σ are valori între 0.6 şi 1 (unde
min σ este valoarea minimă dintre σ x şi σ y , şi max σ valoarea maximă) atunci
eroarea planimetrică cu un coeficient de încredere de 39.35% poate fi
( )
aproximată cu 0.5⋅ σ x +σ y [Greenwalt, 1968]. Dacă eroarea respectă
distribuţia normală şi componentele sale pe cele două axe sunt independente,
atunci precizia planimetrică se calculează cu formula
(
Pr eciziar 2.4477⋅0.5⋅ σx+σ y (6.8) )
b) Precizia altimetrică.
Eroarea medie pătratică pe axa z se determină cu relaţia
( )2
,,
1
n
date i control i
i
z
zz
n
σ=
−
=
Σ
(6.9)
CAPITOLUL 6. SURSE DE ERORI ÎN SIG
40
unde: - zdate,i - coordonata z a punctelor de control din baza de date;
- zcontrol,i - coordonata z punctelor de control din surse independente cu
precizie mare;
- n - numărul de puncte de control.
Relaţia (6.9) este valabilă dacă se consideră că au fost eliminate erorile
sistematice. Dacă eroarea altimetrică respectă distribuţia normală, factorul
1.9600 este folosit pentru calculul preciziei pe verticală cu coeficientul de
încredere de 95% [Greenwalt, 1968]:
Pr eciziaz=1.9600⋅σz (6.10)
Coeficientul de încredere de 90% a fost folosit în vechiul Standard de
precizie pentru hărţi din SUA, actual se foloseşte coeficientul de 95%.
Coeficientul de încredere de 50% este utilizat în unele aplicaţii militare. La
noi
în ţară se foloseşte standardul de precizie cu coeficientul de încredere de
95%.
Indicatori de precizie pentru elemente liniare
Precizia geometrică a unui element liniar poate fi descompusă în două
componente:
- precizia de poziţie a punctelor (în general se face o analiză a
preciziei pentru punctele de capăt ale elementului liniar);
- fidelitatea formei (aceasta se analizează în raport cu elementul
liniar corespondent obţinut din surse cu precizie ridicată).
Factorul fuzzy (FF). Se construieşte un cerc de rază r în nodul de capăt al
elementului de verificat şi cercul de rază r corespondent în nodul de capăt al
elementului de referinţă (vezi figura 6-1). Factorul fuzzy se determină cu
formula
2
comună FF S
πr
=
⋅
(6.11)
unde:
22
22
24
s
comună s
S r R r R ⎛θ ⋅ ⎞
= ⋅⎜⎜ − ⋅ − ⎟⎟
⎝⎠
(6.12)
arccos
22
sR
r
θ
=
⋅
(6.13)
CAPITOLUL 6. SURSE DE ERORI ÎN SIG
41
Figura 6-1. Determinarea factorului FF.
Ţinând seama de relaţiile (6.12) şi (6.13) relaţia (6.11) devine
2
2
2
1arccos 2
24
FF Rs Rs r Rs
πrπr
⋅
=⋅−⋅−
⋅⋅
(6.14)
unde: s R - distanţa dintre nodurile de capăt corespondente;
r – raza cercului de analiză (se poate considera precizia hărţii).
Figura 6-2. Determinarea suprafeţei comune.
Factorul FF poate lua valori între 0 şi 1 (0 – cazul cel mai defavorabil, 1 –
punctele coincid).
Factorul de deformare (DF). Acest factor dă o informaţie despre gradul
de fidelitate al formei elementului liniar verificat. Se consideră elementele
B0Bn
CAPITOLUL 6. SURSE DE ERORI ÎN SIG
42
şi A0An de lungime 1. Fie i B un punct al elementului B0Bn şi corespondentul
său Ai aparţinând elementului de referinţă A0An , astfel încât
00
00
ii
nn
AA BB
AA BB
= unde i∈(0,n) (6.15)
Ai−1Ai AiAi+1 = respectiv Bi−1Bi BiBi+1 = (6.16)
Figura 6-3. Factorul de deformare.
Factorul de deformare se calculează cu formula
22
00
11
nn
ii
xy
DF
nn
==
⎛Δ⎞⎛Δ⎞⎜⎟⎜⎟
= ⎜ ⎟ +⎜ ⎟
⎜+⎟⎜+⎟⎜⎟⎜⎟
⎝⎠⎝⎠
ΣΣ
(6.17)
Dacă cele două elemente liniare se suprapun, atunci factorul de deformare
este zero.
Factorul de generalizare (GF) dă o informaţie globală despre forma
elementului liniar. Factorul de generalizare se calculează cu formula:
( ' ')
()
GF lungime A B
lungime AB
= (6.18)
CAPITOLUL 6. SURSE DE ERORI ÎN SIG
43
Figura 6-4. Factorul de generalizare.
Factorul de deplasare (BF). Acest factor dă o informaţie despre forma
elementului liniar. Se calculează suma deplasărilor spre dreapta şi suma
deplasărilor spre stânga (figura 6-5).
Figura 6-5. Factorul de deplasare.
Dacă ΣdSi = 0 şi 0 dDi Σ = nu există deplasare.
Dacă 0 dSi Σ = şi 0 dDi Σ ≠ există deplasare în dreapta.
Dacă 0 dSi Σ ≠ şi 0 dDi Σ = există deplasare în stânga.
Dacă 0 dSi Σ ≠ şi 0 dDi Σ ≠ atunci i
i
S
D
d
BF
d
=Σ
Σ (6.19)
Măsurarea preciziei de poziţionare pentru un element liniar (metoda
buffer-ului). Metoda face o comparaţie automată a elementului de interes cu
elementul corespondent din surse de precizie înaltă, estimând procentul din
lungimea totală a segmentului care respectă precizia impusă. Această
metodă are
următoarele avantaje:
- are la bază metode statistice;
CAPITOLUL 6. SURSE DE ERORI ÎN SIG
44
- este invariantă la mărimea erorilor;
- nu necesită găsirea unor vertexuri corespondente între cele două
elemente.
În figura 6-6 este prezentat un exemplu de analiză pentru o porţiune dintrun
drum. Se construieşte un buffer de dimensiune x (precizia impusă) în jurul
elementului liniar de referinţă şi se determină lungimea elementului de testat
ce
se află în buffer printr-o simplă operaţie de intersecţie.
Figura 6-6. Verificarea preciziei de poziţionare prin metoda buffer-ului.
Fie AA’ elementul liniar de analizat şi BB’ elementul liniar de referinţă,
atunci corectitudinea elementului AA’ este dată de formula (6.20).
QBB' - buffer-ul elementului liniar BB’
( ') 100 ( ' ')%
( ')
Corectitudinea AA lungimea AA QBB
lungimea AA
∩
= ⋅ (6.20)
6.3.2 Testarea preciziei atributelor
O măsură a preciziei de clasificare este coeficientul Kappa (K) a lui
Cohen [Niţu, 2002]. Pentru o zonă dată, se construieşte o matrice n x n
elemente,
unde n reprezintă numărul de clase ale SIG. Pentru completarea matricei se
parcurg următorii paşi:
- se alege un număr de detalii la întâmplare;
- se determină clasa din care fac parte conform bazei de date SIG;
- se determină clasa prin verificare la teren;
- se completează matricea R.
Ideal, toate elementele din baza de date fiind clasificate corect, se va
completa doar diagonala principală a matricei.
CAPITOLUL 6. SURSE DE ERORI ÎN SIG
45
O eroare de omitere apare atunci când un detaliu din teren este înregistrat
în baza de date incorect. Numărul de elemente aparţinând clasei X
înregistrate
incorect se determină, folosind matricea R, prin însumarea elementelor
coloanei
corespunzătoare clasei X, mai puţin elementul de pe diagonala principală.
O eroare de înregistrare în plus apare atunci când un element înregistrat în
baza de date a SIG nu are corespondent la teren. Numărul de elemente
înregistrate în plus pentru clasa Y se determină prin însumarea elementelor
de pe
linia corespunzătoare clasei Y, mai puţin elementul de pe diagonala
principală.
Coeficientul Kappa se determină cu formula
()
()
dq
K
Nq
−
=
−
(6.21)
unde: - d reprezintă suma elementelor de pe diagonala principală;
- N reprezintă suma tuturor elementelor matricei;
- q reprezintă valoarea scontată pentru fiecare element al diagonalei
principale şi se calculează cu formula (6.22).
i,j j,i
jj
i
rr
q
N
⎛⎞⎛⎞
⎜ ⎟⋅⎜ ⎟
=⎝ ⎠ ⎝ ⎠
ΣΣ
(6.22)
unde r este un element al matricei R.
Fie matricea R din tabelul 6-1 corespunzătoare claselor din figura 6-7.
Tabelul 6-1. Matricea R corespunzătoare claselor analizate.
Pădure Localităţi Lacuri Total Eroarea de
utilizare
Pădure 6 2 1 9 6/9=67%
Localităţi 0 7 0 7 7/7=100%
Lacuri 0 2 3 5 3/5=60%
Total 6 11 4 21
Eroarea de
producere 6/6=100% 7/11=64% 3/4=75%
Precizia globală (pG) se calculează prin raportul dintre suma elementelor
clasificate corect (valorile elementelor diagonalei principale) şi numărul
total de
elemente (suma tuturor elementelor matricei)
CAPITOLUL 6. SURSE DE ERORI ÎN SIG
46
,
,
6 7 3 0.76
21
ii
i
G
ji
ji
r
p
r
++
===
Σ
ΣΣ (6.23)
unde: rj,i - element al matricei R.
Figura 6-7. Clasificarea elementelor.
Precizia de utilizare ( ) u p reprezintă probabilitatea ca un element clasificat
într-o categorie din baza de date a SIG să aibă corespondent la teren.
Această
precizie se calculează prin raportul dintre valoarea elementului din diagonala
principală a matricei R şi suma elementelor din coloana corespunzătoare
,
,
i
ii
u
ij
j
r
p
r
=
Σ (6.24)
Precizia de producere ( pp ) reprezintă raportul dintre numărul de
elemente dintr-o clasă clasificate corect şi numărul total de elemente din
clasa
respectivă
,
,
i
ii
p
ji
j
r
p
r
=
Σ (6.25)
Este de aşteptat ca precizia atributelor să varieze în cadrul unei hărţi în
format digital, de aceea este util să se determine o variaţie spaţială a
probabilităţii de clasificare, nu doar o statistică sumară.
6.4 Propagarea şi cumularea erorilor în SIG
De obicei, un sistem informaţional geografic conţine mai multe seturi de
date care sunt combinate, comparate şi analizate. Este puţin probabil ca
informaţiile conţinute în fiecare strat să aibă aceeaşi precizie.
CAPITOLUL 6. SURSE DE ERORI ÎN SIG
47
Fie f modelul matematic de combinare a două seturi de date a şi b.
Eroarea Δf a funcţiei f este afectată de erorile setului a, respectiv b.
Considerând
că cele două seturi de date sunt independente şi afectate doar de erori
aleatoare,
eroarea funcţiei f se calculează cu formula
22
22
fab
ff
ab
σσσ
⎛∂ ⎞ ⎛∂ ⎞ = ⎜ ⎟ ⋅ +⎜ ⎟ ⋅ ⎝∂ ⎠ ⎝∂ ⎠
(6.26)
unde: ∂f - eroarea standard a funcţiei f;
σa,σb - deviaţiile standard ale seturilor de date a şi b.
Dacă se consideră f =a+b sau f =a−b, atunci relaţia (6.26) devine
22
σ f = σa+σb (6.27)
De aici rezultă că precizia datelor combinate este mai mică decât precizia
fiecărui set în parte.
6.4.1 Propagarea erorilor
Propagarea apare atunci când o eroare duce la altă eroare. De exemplu,
dacă un strat cu puncte de control conţine un punct eronat (a fost cules de pe
o
hartă la scară mică) şi acest strat este folosit la georeferenţierea altuia, atunci
cel
de-al doilea strat propagă eroarea din primul. O singură eroare poate
conduce la
alte erori şi se poate răspândi până va afecta întreaga bază de date a SIG
6.4.2 Cumularea erorilor
Cumularea înseamnă că erorile şi imprecizia informaţiilor distorsionează
soluţia dată de un sistem informatic geografic când informaţiile sunt
combinate
selectiv în straturi noi. Efectul cumulării erorilor poate fi foarte greu de
prevăzut, acesta putând fi aditiv sau multiplicativ şi depinde de modul de
combinare a informaţiilor. Din acest motiv este necesar să se determine
influenţa
cumulării pentru diferite soluţii date de SIG. De asemenea, este foarte
important
să se determine efectul asupra datelor de poziţie, cât şi asupra atributelor.
Un număr foarte mare de factori poate cauza erori. O parte dintre aceste
surse de erori poate avea un efect cumulativ:
Toate aceste erori prezentate pot avea un efect cumulativ şi pot contribui
într-un mod negativ la rezultatul unei analize SIG.
CAPITOLUL 7. STUDII ŞI CERCETĂRI EXPERIMENTALE
48
7. STUDII ŞI CERCETĂRI EXPERIMENTALE
Pentru a demonstra posibilitatea culegerii automate şi semiautomate a
datelor cartografice, precum şi pentru a arăta beneficiile utilizării metodelor
propuse, am realizat mai multe programe şi le-am aplicat pentru foaia de
hartă
L-35-87-B la scara 1: 50.000. Culegerea datelor cartografice prin metodele
propuse s-a făcut atât pentru foaia de hartă, cât şi pentru originalele de
editare
separate pe culori ale acesteia. Foaia de hartă aleasă pentru studiul de caz
cuprinde o zonă muntoasă din judeţul Braşov. Relieful din această zonă este
destul de accidentat, cotele variind între 540 m şi 1920 m.
Procesul tehnologic de culegere a datelor cartografice este prezentat în
figura 7-1.
Figura 7-1. Procesul tehnologic de culegere a datelor cartografice.
În cazul în care nu se dispune de originalele de editare separate pe culori,
după scanarea hărţii apar etape suplimentare necesare separării pe culori şi
preprocesării. De calitatea separării pe culori a hărţii scanate depinde
calitatea
CAPITOLUL 7. STUDII ŞI CERCETĂRI EXPERIMENTALE
49
vectorizării automate şi implicit volumul de muncă necesar editării şi
corectării
datelor culese. În cazul în care nu se poate face o separare corectă pe culori,
este
de preferat să se folosească o metodă manuală de culegere a datelor.
7.1 Testarea scanerului CONTEX Chameleon TX
Se cunoaşte faptul că nici scanerele cele mai performante nu sunt scutite
de erori. Pentru a obţine o imagine raster cât mai puţin afectată de erori
geometrice şi radiometrice sunt necesare metode de testare şi calibrare a
scanerului [Alexei, 1997b].
Pentru determinarea preciziei de scanare s-a folosit o grilă pe film de
dimensiune 18 cm x 15 cm, cu pasul de un centimetru. Coordonatele
nodurilor
grilei au fost măsurate la STECOMETRU cu o precizie de 0.001 mm. Grila
a
fost scanată cu rezoluţia optică maximă de 800 dpi, în două culori, rezultând
un
fişier BMP de 7.573 Mb.
Comparând dimensiunea grilei înainte de scanare cu dimensiunea grilei
după scanare se obţine deformarea introdusă de scanner.
Cumulând erorile pe cele două axe se obţine valoarea absolută a
deformării datorate scanării. Se observă din figura 7-2 că sunt zone mici
unde
deformarea depăşeşte valoarea de 0.1 mm. Deformarea medie este 0.053 mm
la
scara hărţii (figura 7-3). Această deformare medie, pentru harta la scara 1:
50.000, reprezintă 2.65 m şi este mult mai mică decât eroarea grafică.
Figura 7-2. Eroarea totală rezultată în urma scanării.
CAPITOLUL 7. STUDII ŞI CERCETĂRI EXPERIMENTALE
50
Figura 7-3. Estimatorii statistici ai deformării totale rezultate în urma scanării.
7.2 Rectificarea imaginii scanate
Rectificarea este procesul de transformare a datelor dintr-un sistem reţea
în alt sistem reţea utilizând o transformare polinomială de grad n. Deoarece
pixelii din noua reţea pot să nu se alinieze cu pixelii din reţeaua originală,
aceştia trebuie să fie reeşantionaţi.
Rectificarea este necesară în cazurile în care reţeaua de pixeli a imaginii
trebuie modificată astfel încât să se adapteze la un sistem de proiecţie
cartografică sau la o imagine de referinţă. Rectificarea se face în următoarele
cazuri:
- comparaţiile pixel cu pixel în aplicaţii de detectare a
modificărilor;
- dezvoltarea bazelor de date SIG;
- crearea unor fotohărţi;
- suprapunerea unor date vectoriale peste date raster;
- compararea imaginilor aflate iniţial la scări diferite;
- realizarea unor analize ce necesită locaţii geografice exacte;
- determinări de distanţe, arii etc. pe hărţi raster.
În timpul rectificării se poate pierde ceva din integritatea spectrală a
datelor. O imagine nerectificată este mai corectă din punct de vedere
spectral,
comparativ cu o imagine rectificată.
Georeferenţierea se referă la procesul de atribuire a coordonatelor
sistemului geodezic terestru datelor imagine. Datele imagine pot fi deja pe
planul dorit, nefiind însă raportate la sistemul de coordonate adecvat.
Georeferenţierea, prin ea însăşi, presupune schimbarea doar a informaţiilor
privind coordonatele cartografice în fişierul de imagine. Reţeaua de pixeli nu
se
modifică.
CAPITOLUL 7. STUDII ŞI CERCETĂRI EXPERIMENTALE
51
Reeşantionarea este procesul de extrapolare a valorilor datelor pentru
pixelii dintr-o reţea nou obţinută în urma procesului de rectificare, de la
valorile
pixelilor sursă. Cele mai folosite metode de reeşantionare sunt:
- metoda celui mai apropiat vecin - utilizează valoarea pixelului cel
mai apropiat pentru a atribui valoarea de ieşire a pixelului;
- interpolarea biliniară - se foloseşte o fereastră 2 x 2 pixeli pentru
a calcula valoarea de ieşire a pixelului (se foloseşte o funcţie
biliniară);
- înfăşurata cubică - utilizează valorile a 16 pixeli dintr-o fereastră
4 x 4 pentru a calcula valoarea de ieşire a pixelului cu o funcţie
cubică.
Am realizat programul software MapGEO (figura 7-4) pentru rectificarea
hărţilor scanate. Programul a fost scris în limbajul Delphi 7.0 şi permite
rectificarea imaginilor în format BMP cu 256 culori.
Figura 7-4. Interfaţa programului MapGEO.
Pentru rectificarea imaginilor scanate, programul MapGEO pune la
dispoziţie transformările conformă, afină şi biliniară. În cazul în care
numărul de
puncte de control este mai mare decât numărul de puncte necesar pentru
determinarea coeficienţilor transformării, se calculează eroarea medie
pătratică
în fiecare punct. Coordonatele punctelor de control se pot introduce atât de
la
CAPITOLUL 7. STUDII ŞI CERCETĂRI EXPERIMENTALE
52
tastatură, cât şi prin identificare şi punctare pe alte hărţi raster sau vector ce
sunt
importate de program.
Grila scanată, folosită pentru testarea scanerului CONTEX Chameleon TX,
s-a rectificat pentru a determina deformările introduse de acest proces.
Deformarea totală după rectificare este prezentată în figura 7-5. Se
observă că sunt puţine locuri unde deformarea depăşeşte 0.1 mm.
Figura 7-5. Deformarea totală după rectificare.
Deformarea maximă obţinută după scanarea şi rectificarea grilei este de
0.136 mm, media deformărilor fiind de 0.046 mm. De asemenea se observă
că
numărul punctelor în care deformarea depăşeşte 0.1 mm este foarte mic.
Figura 7-6. Estimatorii statistici ai deformării totale după rectificare.
CAPITOLUL 7. STUDII ŞI CERCETĂRI EXPERIMENTALE
53
În urma procesului de rectificare, sunt zone în imagine unde deformarea a
crescut (figura 7-7). Se observă că deformarea s-a micşorat în marginile
imaginii, în apropierea punctelor de control, mărindu-se spre centru.
Figura 7-7. Evoluţia deformărilor după rectificare.
În figura 7-8 sunt prezentate deformările după scanare respectiv după
rectificare. Se observă că, după procesul de rectificare, nu mai apar
deformări
mai mari de 0.15 mm.
Figura 7-8. Deformările după scanare respectiv după rectificare.
CAPITOLUL 7. STUDII ŞI CERCETĂRI EXPERIMENTALE
54
În tabelul 7-1 sunt prezentaţi indicatorii statistici ai deformărilor rezultate
în urma procesului de scanare, respectiv rectificare. Se observă că eroarea
maximă după rectificare este mai mică decât eroarea rezultată din scanare
(0.136
mm comparativ cu 0.180 mm). De asemenea, valoarea medie a erorii s-a
micşorat la 0.046 mm, comparativ cu 0.053 mm după scanare.
Tabelul 7-1. Indicatorii statistici ai deformărilor după scanare respectiv după rectificare.
Deformări după scanare
[mm]
Deformări după rectificare
Indicator statistic [mm]
x y Totală x y Totală
Valoare maximă 0,1304 0,1247 0,1805 0,1093 0,1133 0,1361
Valoare medie 0,0265 0,0202 0,0536 0,0002 0,0000 0,0467
Deviaţia standard 0,0446 0,0258 0,0299 0,0458 0,0283 0,0267
7.3 Culegerea datelor cartografice cu ajutorul algoritmilor propuşi
Pentru vectorizarea automată prin metoda cercului am realizat programul
Vect scris în Delphi 7.0 cu ajutorul bibliotecii grafice MapObjects dezvoltată
de
ESRI. Această bibliotecă include funcţii performante de vizualizare şi
gestiune a
datelor vector şi raster. Programul foloseşte ca date de intrare un fişier raster
georeferenţiat în format BMP cu 256 culori. Rezultatul vectorizării este
salvat
într-un fişier în format ESRI Shape. Interfaţa programului de vectorizare este
prezentată în figura 7-9.
Figura 7-9. Interfaţa programului de vectorizare.
CAPITOLUL 7. STUDII ŞI CERCETĂRI EXPERIMENTALE
55
Programul pune la dispoziţie o fereastră de opţiuni în care se pot alege
raza de analiză şi modul de tratare a întreruperilor dintr-un element liniar.
7.3.1 Vectorizarea originalului de editare cu relieful
Originalul de editare cu relieful conţine elemente liniare, simboluri
punctuale, inscripţii (valorile curbelor de nivel, înălţimile movilelor etc.) şi
rasterul de umplere a detaliilor ce reprezintă drumurile şi localităţile. Din
această
cauză apar erori de vectorizare. Pentru a evita aceste probleme se poate
curăţa
imaginea raster de surplusul de informaţie înaintea procesului de vectorizare
sau
se poate adopta soluţia editării şi corectării post - vectorizare.
Figura 7-10. Vectorizarea prin două metode a originalului de editare cu relieful.
În figura 7-10 este prezentată o comparaţie între rezultatul vectorizării
prin metoda cercului, şi, cu ajutorul programului ArcInfo, a unei porţiuni din
originalul de editare cu relieful. Se observă că rezultatele sunt comparabile.
În cazul atingerii a două curbe de nivel apar erori de vectorizare, mai ales
la digitizarea hărţii tipărite (figura 7-11).
Deoarece culoarea de umplere pentru elementele areale şi liniare
reprezentate prin 2 sau 3 linii echidistante este aceeaşi cu cea a curbelor de
nivel, aflându-se toate în acelaşi original de editare, apar erori de tipul celor
din
figura 7-12.
Cotele curbelor de nivel determină erori de vectorizare de tipul celor din
figura 7-13. Acest tip de erori poate fi evitat printr-o editare preliminară a
imaginii raster.
CAPITOLUL 7. STUDII ŞI CERCETĂRI EXPERIMENTALE
56
Figura 7-11. Eroarea de vectorizare în cazul atingerii a două curbe de nivel.
Figura 7-12. Eroarea de vectorizare datorită culorii de umplere a localităţilor.
Figura 7-13. Eroarea de vectorizare a curbelor de nivel datorită inscripţiilor.
CAPITOLUL 7. STUDII ŞI CERCETĂRI EXPERIMENTALE
57
Erorile de digitizare prezentate mai sus, rezultate în urma procesului de
vectorizare automată a originalului de editare cu reprezentarea reliefului,
sunt
eliminate în etapa de editare – corectare. O parte din aceste erori se poate
elimina automat, de exemplu, la generarea topologiei, segmentele mai mici
decât un prag stabilit fiind eliminate automat.
7.3.2 Vectorizarea originalului de editare cu hidrografia
Originalul de editare cu hidrografia conţine elemente poligonale (lacuri,
râuri şi canale ce se pot reprezenta la scara hărţii), elemente liniare (râuri şi
canale ce se reprezintă atât prin linii continue cât şi întrerupte), elemente
punctuale (izvoare, gheizere, puţuri, fântâni şi rezervoare) şi inscripţii
(lăţimea şi
adâncimea apei, valori ale curbelor batimetrice etc.).
Figura 7-14. Exemplu de vectorizare a originalului de editare cu hidrografia.
Imaginea scanată a originalului de editare cu hidrografia conţine doar
două culori (alb şi negru) şi are dimensiunea 6969 pixeli x 6630 pixeli
(aproximativ 46.2 Mb).
În figura 7-15 este prezentată o porţiune din originalul de editare cu
hidrografia vectorizată automat prin metoda cercului şi cu ajutorul
programului
ArcInfo.
Figura 7-15. Exemplu de vectorizare a unor râuri temporare.
CAPITOLUL 7. STUDII ŞI CERCETĂRI EXPERIMENTALE
58
Se observă din figura de mai sus că datorită reprezentării prin linie
întreruptă a râurilor temporare apar erori de vectorizare. Programul de
vectorizare identifică fiecare segment al liniei întrerupte în loc să identifice
un
singur element liniar cu un cod corespunzător râurilor temporare. Această
problemă se poate rezolva prin găsirea unei valori optime pentru parametrul
de
trecere peste întreruperi.
7.3.3 Recunoaşterea semnelor convenţionale prin algoritmul propus
Algoritmul propus pentru recunoaşterea semnelor convenţionale
punctuale a fost implementat în programul RecSCP 2.0 dezvoltat în limbajul
Delphi 7.0. Programul recunoaşte automat semnele convenţionale dintr-o
imagine în format BMP pe 8 biţi folosind o bază de date creată în MS
Access.
Fiecare semn convenţional are asociaţi parametrii pM (pixeli lipsă) şi pP
(pixeli în plus) determinaţi experimental. Programul permite folosirea
parametrilor determinaţi experimental sau alegerea de către utilizator a altor
parametri.
Rezultatul recunoaşterii automate a semnelor convenţionale este stocat
într-un fişier de tip Esri SHP. Fiecărui element identificat i se asociază un
cod
unic.
Toate elementele punctuale identificate sunt memorate într-un singur
fişier de tip SHP, diferenţierea între acestea făcându-se pe baza codului unic.
Identificarea unui semn convenţional punctual este urmată de apariţia
ecoului
grafic (figura 7-16).
Figura 7-16. Identificarea semnelor convenţionale punctuale.
Programul RecSCP foloseşte două clase principale: TSCP_ras, pentru
gestionarea semnelor convenţionale punctuale stocate în baza de date,
respectiv
TrecSCP, pentru gestionarea procesului de analiză a imaginii.
Analizând originalul de editare cu planimetria, pot apărea două tipuri de
erori datorită zgomotului din imagine şi rezoluţiei neadecvate de scanare -
elemente neidentificate (figura 7-17) şi elemente fals identificate (figura 7-
18).
CAPITOLUL 7. STUDII ŞI CERCETĂRI EXPERIMENTALE
59
Figura 7-17. Element neidentificat.
Figura 7-18. Element fals identificat.
În cazul în care numărul acestor tipuri de erori de recunoaştere este prea
mare, procesul de analiză se poate relua prin alegerea altor parametri pM şi
pP.
Analiza se poate face iterativ, pentru găsirea parametrilor optimi, până când
numărul de erori de recunoaştere este minim.
7.4 Editarea / Corectarea datelor culese
Erorile rezultate în urma procesului de culegere automată a datelor pot fi
eliminate manual sau automat cu ajutorul unui program specializat (de
exemplu
ArcInfo). În general, metoda automată poate elimina erori referitoare la
elemente liniare sau poligonale.
O editare preliminară a imaginii raster, pentru ştergerea inscripţiilor, cu un
program de tipul Paint din Windows, poate conduce la eliminarea acestui tip
de
erori de vectorizare. În urma analizei făcute, vectorizarea automată precedată
de
o editare raster duce la rezultate mai bune decât în cazul vectorizării
automate
urmate de o editare vectorială (tabelul 7-2).
CAPITOLUL 7. STUDII ŞI CERCETĂRI EXPERIMENTALE
60
Tabelul 7-2. Comparaţie între metodele de corectare a erorilor.
Metoda 1 Metoda 2
Editare
raster
Vectorizare
automată
Vectorizare
automată
Editare
vectorială
Timp (minute) 21 0,16 0,20 38
Total (minute) 21,16 38,20
Pentru eliminarea automată a erorilor datorate inscripţiilor din originalul
de editare cu hidrografia se poate aplica comanda CLEAN din ArcInfo,
alegând
valoarea de 140 m (2.8 m la scara hărţii 1: 50.000) pentru parametrul
Dangle
length (toate elementele liniare cu lungimea mai mică decât acest parametru
sunt
eliminate).
7.5 Generarea bazei de date geografice
Pentru baza de date geografice, corespunzătoare foii de hartă L-35-87-B,
s-a folosit modelul georelaţional în care atributele sunt asociate unor puncte,
linii şi areale. În cadrul acestei abordări, entităţile spaţiale sunt legate cu
atributele asociate prin intermediul unui identificator unic. Seturile de
atribute
sunt stocate în tabele de atribute diferite, iar informaţiile relevante pentru un
obiect spaţial sunt acumulate prin relaţionarea a două sau mai multe tabele
de
informaţii.
7.5.1 Proiectarea bazei de date
Proiectarea fizică priveşte localizarea diferitelor părţi ale bazei de date în
sistemul de fişiere al calculatorului şi este total diferită de proiectarea logică
ce
reprezintă opinia utilizatorului asupra relaţiilor dintre mulţimile de date
memorate în baza de date.
S-au creat următoarele straturi, fiecare dintre acestea fiind stocat în fişiere
separate:
- localităţi (elemente poligonale);
- drumuri (elemente liniare);
- hidrografie (elemente liniare);
- curbe de nivel (elemente liniare);
- biserici (elemente punctuale);
- mine scoase din exploatare (elemente punctuale).
CAPITOLUL 7. STUDII ŞI CERCETĂRI EXPERIMENTALE
61
7.5.2 Popularea cu atribute a bazei de date geografice
Culegerea atributelor se poate realiza în modurile manual sau automat.
Metoda manuală presupune software de gestiune a bazelor de date ce
permite
introducerea atributelor corespunzătoare entităţilor spaţiale. Pentru metoda
automată, folosind programul RecSCP prezentat în paragraful 7.3.3,
culegerea
automată a atributelor corespunde cu identificarea şi clasificarea semnelor
convenţionale punctuale.
Atributele pentru straturile Localităţi, Hidrografie, Drumuri şi Curbe de
nivel au fost culese prin metoda manuală, utilizând programul ArcMap de la
ESRI. Semnele convenţionale punctuale Biserici, Construcţii în formă de
turn şi
Mine scoase din exploatare au fost identificate automat folosind programul
RecSCP. Atributul principal al acestor straturi este codul unic, găsit automat
de
program.
7.5.3 Propunere de structură de date
Este foarte important pentru o bază de date geografică foarte mare, ca
structura logică a acesteia să permită regăsirea şi accesul rapid la o anumită
dată
sau grup de date. Structura de date propusă se bazează pe structura
relaţională a
bazelor de date de tip Microsoft Access şi pe modelul datelor SHP. Tabela
principală a acestei structuri este Tabel puncte în care sunt stocate toate
punctele, atât pentru elementele punctuale cât şi pentru cele liniare sau
poligonale (figura 7-19). În această tabelă, un punct, chiar dacă aparţine mai
multor entităţi, se găseşte doar o singură dată, eliminând astfel redundanţa în
datele spaţiale.
O altă parte importantă a structurii o reprezintă tabela Raster grosier.
Această tabelă permite crearea unei indexări spaţiale a elementelor din baza
de
date geografică. Fiecare celulă din structura de raster grosier, conţine 3 liste
în
care sunt stocate codurile elementelor punctuale, liniare respectiv poligonale
ce
se află în celula respectivă. Astfel se pot regăsi foarte rapid elementele dintr-
o
anumită zonă geografică.
Pentru a adăuga un element liniar sau poligonal în baza de date, se
introduc în “Tabel puncte” doar punctele noi, pentru cele existente găsindu-
se
doar codul acestora, eliminându-se astfel redundanţa. Se determină automat
celula de raster-grosier prin care trece elementul nou, generându-se lista de
elemente pentru fiecare celulă.
Pentru fiecare element nou introdus trebuie să se genereze relaţiile
topologice. Dacă elementul nou introdus se intersectează cu alte elemente,
atunci se generează automat punctele de intersecţie şi se adăugă în tabela
“Tabel
puncte”. Codul acestor puncte se inserează în tabela de puncte a fiecărui
element.
CAPITOLUL 7. STUDII ŞI CERCETĂRI EXPERIMENTALE
62
Figura 7-19. Structură de date propusă.
Pentru eliminarea unui element din structură trebuie verificat dacă
punctele care alcătuiesc elementul mai aparţin şi altor elemente. Din tabela
“Tabel puncte” se elimină doar punctele ce aparţin elementului care este
eliminat. După eliminare trebuie să se reconstruiască topologia.
Utilizatorul are acces direct la fiecare element din baza de date. Structura
permite regăsirea fiecărui element după cod. De exemplu, pentru regăsirea
unui
element liniar, se identifică codul acestuia în tabela “Elemente liniare”, se
extrage adresa din tabela “Tabel linii” unde se află lista de coduri a punctelor
elementului, se poziţionează direct pe element în tabela “Tabel linii” şi se
extrag
codurile punctelor, apoi se extrag coordonatele după cod din tabela “Tabel
puncte”.
Pentru regăsirea tuturor elementelor dintr-o celulă a structurii rastergrosier
se analizează listele de elemente ale celulei de interes şi se extrag în
acces direct din structură pe baza codului unic de identificare. Dacă un
element
liniar sau poligonal se află în mai multe celule ale structurii raster-grosier,
atunci
codul de identificare al elementului este stocat în lista de elemente
corespunzătoare fiecărei celule. Structura raster-grosier se poate organiza
după
împărţirea pe foi de hartă 1: 50.000.
Avantajele acestei structuri sunt:
- acces direct la fiecare element;
- protecţia datelor;
- indexare spaţială;
CAPITOLUL 7. STUDII ŞI CERCETĂRI EXPERIMENTALE
63
- spaţiul mic ocupat;
- simplitate în procesul de editare;
- eliminarea redundanţei.
Dezavantajele generate de această structură sunt:
- necesitatea scrierii de programe noi pentru gestionarea bazei de
date;
- operaţii complicate pentru introducerea sau eliminarea unui
element în baza de date;
Pentru o bază de date completă a unui SIG, lucrurile se complică în
funcţie de volumul bazei de date şi de interogările proiectate.
7.6 Determinarea preciziei bazei de date
Erorile datelor geografice dintr-un sistem informaţional geografic nu pot
fi total eliminate şi de aceea apare ca necesară introducerea unei dimensiuni
suplimentare a obiectelor spaţiale, care să caracterizeze atât precizia
poziţionării
cât şi precizia atributelor.
Pentru determinarea indicatorilor de precizie corespunzători datelor culese
de pe harta la scara de bază 1: 50.000, s-a considerat ca referinţă harta
vectorială
din aceeaşi zonă, la scara 1: 25.000. Calculele au fost efectuate cu pachetul
de
programe ArcInfo.
1. Pentru determinarea factorului de deformare s-a transformat mai întâi
stratul cu drumurile de verificat într-un strat de puncte, folosind comanda
ARCPOINT.
Această comandă a generat stratul <strat puncte> cu puncte
corespunzătoare fiecărui vertex al fiecărei linii din stratul de intrare <strat
linii>.
Pentru determinarea distanţei de la fiecare punct la cel mai apropiat
element liniar din stratul de referinţă s-a folosit comanda NEAR.
Factorul de deformare mediu este de 13.77 m iar deviaţia standard de 9.28
m. Pentru un nivel de încredere de 95% (eliminând cele mai defavorabile 45
de
puncte), factorul de deformare mediu devine 12.59 iar deviaţia standard
7.86.
Aceste valori se încadrează în toleranţele din instrucţiuni (20 m la teren,
corespunzător valorii de 0.4 mm la scara hărţii).
2. Pentru determinarea factorului de generalizare s-a folosit comanda
BUILD pentru generarea topologiei, care determină automat şi lungimea
elementelor liniare (tabelul 7-3).
CAPITOLUL 7. STUDII ŞI CERCETĂRI EXPERIMENTALE
64
Tabelul 7-3. Factorul de generalizare.
Nr.
Element
Lungime element
1:25.000
Lungime element
1:50.000 GF
1 1989.46 1974.2 0.99
2 621.82 607.78 0.98
3 3402.89 3313.26 0.97
4 6002.3 5930.04 0.99
5 2241.81 2182.21 0.97
6 189.81 185.51 0.98
7 4388.99 4331.71 0.99
GF mediu 0.98
Se observă că factorul de generalizare are o valoare apropiată de 1 ceea ce
înseamnă că baza de date verificată este foarte puţin generalizată în
comparaţie
cu materialul de referinţă, harta 1: 25.000, ceea ce este în cele mai multe
cazuri
normal pentru curbele de nivel la scările date.
3. Pentru măsurarea preciziei de poziţionare prin metoda buffer-ului s-a
construit o zonă tampon cu raza de 10 m în jurul elementului de referinţă,
folosind comanda BUFFER.
S-a intersectat elementul liniar de verificat cu buffer-ul creat folosind
comanda CLIP.
Stratul rezultat <strat ieşire> conţine doar porţiunile elementului liniar de
verificat care se află în interiorul buffer-ului. Ţinând seama de relaţia (6.23),
corectitudinea elementului testat este
100 ( ' ')% 100 2669.1134% 78.87%
( ') 3384.0412
Corectitudinea lungimea AA QBB
lungimea AA
∩
=⋅=⋅=
Indicatorii de precizie determinaţi intră în metadate şi trebuie să
însoţească baza de date geografică. Orice tip de prelucrare asupra bazei de
date
afectează precizia acesteia.
7.7 Software de gestiune a bazelor de date geografice
Pentru gestiunea datelor culese prin metodele propuse, am dezvoltat
programul Map în limbajul Delphi 7.0. Pentru afişarea 2D, programul
foloseşte
biblioteca MapObjects de la ESRI, iar pentru afişarea 3D, biblioteca
OpenGL.
Programul este structurat pe patru module: analiza terenului, calcule
topografice,
creare/editare straturi şi vizualizare 3D.
CAPITOLUL 7. STUDII ŞI CERCETĂRI EXPERIMENTALE
65
Bara de meniuri conţine 8 opţiuni, fiecare dintre acestea cu sub-meniuri
prin intermediul cărora se apelează funcţiile aplicaţiei (figura 7-20). La
lansarea
aplicaţiei, opţiunile Analiză teren, Editare strat şi Vizualizare 3D sunt
inactive.
Condiţia de activare a acestor opţiuni este încărcarea cu date geografice,
pentru
opţiunile Analiză teren şi Vizualizare 3D fiind necesară şi încărcarea
modelului
numeric al terenului.
Figura 7-20. Meniul programului Map.
Aplicaţia oferă o serie de instrumente specifice SIG pentru:
- controlul straturilor;
- clasificarea elementelor în funcţie de un atribut (figura 7-21);
- transformări de coordonate între sistemele de coordonate utilizate
în România (geografice, Gauss-Kruger, UTM, Stereo 70);
- determinarea profilului altimetric al terenului între doua puncte;
- determinarea zonei de vizibilitate dintr-un punct;
- vizualizarea 2D şi 3D a zonei de interes (vezi anexa 3.8);
- căutarea diferitelor elemente ale hărţii;
- actualizarea bazelor de date geografice.
Figura 7-21. Clasificarea elementelor în funcţie de un atribut.
Pentru trasarea profilelor, aplicaţia afişează o fereastră în care se pot
introduce de la tastatură coordonatele capetelor profilului (figura 7-22).
Fereastra mai pune la dispoziţia utilizatorului un buton de selecţie pentru
fiecare
CAPITOLUL 7. STUDII ŞI CERCETĂRI EXPERIMENTALE
66
capăt al profilului, care oferă posibilitatea selectării acestora de pe hartă.
După
introducerea capetelor, se determină profilul altimetric între cele două
puncte pe
baza unui model numeric al terenului, aflat în baza de date a programului.
Acesta este afişat în fereastra destinată trasării profilelor, având posibilitatea
de
a fi mărit, micşorat sau parcurs prin deplasarea imaginii. Apelarea funcţiei
de
test vizibilitate se face prin apăsarea butonului Vizibilitate şi furnizează
informaţii referitoare la zona unde este obturată vizibilitatea şi pune la
dispoziţie
unelte pentru determinarea înălţimii piramidelor pentru obţinerea vizibilităţii
între punctele alese.
Figura 7-22. Determinarea profilului terenului.
Se poate determina câmpul de vizibilitate dintr-un punct de staţie, pe o
anumită rază. Coordonatele punctului de staţie se pot introduce de la
tastatură
sau prin punctare direct pe harta de pe ecran. Raza pe care se poate face
analiza
se introduce de la tastatură sau prin măsurare direct pe hartă. Rezultatul
analizei
poate fi suprapus pe spaţiul hărţii.
Figura 7-23. Analiza vizibilităţii dintr-un punct dat.
CAPITOLUL 8. CONCLUZII FINALE
67
8. CONCLUZII FINALE
Lucrarea de faţă conţine principalele rezultate obţinute de autor în
cercetările făcute asupra metodelor şi tehnologiilor de culegere a datelor
cartografice în general şi asupra algoritmilor de vectorizare în special, între
anii
1997-2005, în Academia Tehnică Militară, Direcţia Topografică Militară şi
Agenţia de Cercetare pentru Tehnică şi Tehnologii Militare.
Cercetarea unor aspecte şi posibilităţi noi în culegerea automată /
semiautomată a datelor cartografice digitale, elaborarea unor tehnologii şi
algoritmi pentru aplicarea acestora în ţara noastră în vederea automatizării
obţinerii unor baze de date geografice, au scos în evidenţă importante
concluzii
teoretice şi practice.
Calitatea unui sistem informaţional geografic este influenţată în mare
măsură de cantitatea şi calitatea datelor geografice stocate în baza sa de date,
a
căror culegere costă 70-80% din preţul sistemului. În capitolul 3 au fost
scoase
în evidenţă avantajele şi dezavantajele datelor vectoriale şi raster, pentru a
justifica soluţiile alese pentru proiectarea tehnologiilor şi programelor.
În urma studiului efectuat rezultă că suprapunerea hărţilor în format
raster, realizate la momente diferite de timp se face printr-o simplă operaţie
logică aplicată pixelilor corespondenţi, rezultând schimbările survenite în
timp.
Unul din dezavantajele datelor raster este spaţiul mare de stocare a
informaţiei.
Acest dezavantaj poate fi ameliorat prin aplicarea unor algoritmi de
comprimare
aşa cum s-a procedat în lucrare.
De asemenea s-a constat că principalul avantaj al datelor vectoriale îl
reprezintă faptul că permit analize spaţiale complicate (de exemplu, drumul
optim într-un graf) precum şi ataşarea de informaţii suplimentare fiecărui
element al hărţii. Unul din dezavantajele acestui tip de date este modul
complicat şi mare consumator de timp al obţinerii lor.
În subcapitolul 3.2 sunt prezentate structurile de date cele mai folosite în
realizarea unui SIG. Structura datelor spaţiale formalizează conceptul uman
de
percepere a spaţiului în concordanţă cu nişte reguli stricte. În general,
complexitatea unei structuri depinde în mod obligatoriu de numărul de
accese
ulterioare la elemente sau grupuri de elemente. Prin urmare, un factor îl
constituie şi timpul de acces la date.
Rezultatul analizei efectuate a condus la alegerea structurii de date
orientate pe obiecte, structură care răspunde cel mai bine nevoilor
utilizatorilor
de SIG. Acest tip de structură de date este folosită de majoritatea pachetelor
de
programe SIG şi este în continuă dezvoltare.
În subcapitolul 7.5.3 este prezentată o propunere de structură de date care
micşorează spaţiul ocupat prin eliminarea redundanţei (punctul de intersecţie
a
două elemente liniare este stocat o singură dată) şi permite actualizări facile
ale
CAPITOLUL 8. CONCLUZII FINALE
68
elementelor hărţii. De asemenea, timpul necesar analizelor spaţiale scade
datorită folosirii structurii raster grosier.
Sursele de date cartografice sunt prezentate în subcapitolul 3.4. Cele mai
utilizate metode de culegere a datelor cartografice digitale sunt digitizarea
hărţilor tipărite şi a originalelor separate pe culori şi, în plină expansiune
datorită
scăderii costurilor, exploatarea înregistrărilor de teledetecţie.
Digitizarea hărţilor tipărite sau a originalelor acestor hărţi, cu elemente
separate pe culori, reprezintă sursa principală şi cea mai comodă de obţinere
a
datelor cartografice digitale. În urma studiilor efectuate, consider că,
digitizarea
vectoriala interactivă şi digitizarea raster-vector semiautomată sunt metodele
cele mai indicate pentru digitizare. Aceste două metode prezintă fiecare
avantaje
şi dezavantaje: digitizarea vectorială este, în general, mai lentă, dar permite
o
mai mare independenţă de calitatea suportului cartografic (pete, îndoituri,
degradări etc.) pe când digitizarea raster-vector semiautomată are ca
avantaje
eliminarea subiectivităţii operatorului la preluarea datelor şi timpul de lucru
mai
scurt, dar depinde de calitatea suportului cartografic şi de gradul de încărcare
al
hărţii.
Digitizarea înregistrărilor fotogrammetrice şi exploatarea înregistrărilor de
teledetecţie poate fi folosită uşor în scopul actualizării bazei de date.
Tehnologia
de digitizare este mai complicată, necesitând o preprocesare a înregistrărilor
şi
personal calificat. Aceste înregistrări sunt extrem de eficiente în cazul unor
proiecte mari sau a realizării unor hărţi tematice.
Consider sistemul FLI-MAP, realizat de firma Fugro, prezentat în
subcapitolul 3.6, ca un sistem de viitor, care poate asigura nevoia de date
cartografice într-un timp foarte scurt şi cu o precizie foarte bună (10 cm). De
asemenea, sistemul cartografic descris în lucrare este principalul sistem de
culegere a datelor cartografice având ca suport hărţile analogice deja
existente.
Consider oportună comasarea modulelor de digitizare şi de introducere a
atributelor pentru sporirea eficienţei şi mărirea responsabilităţii operatorilor,
aşa
cum am demonstrat prin programele şi tehnologiile propuse.
În urma studiului din subcapitolul 3.7, se poate concluziona că metodele
de digitizare testate se încadrează în toleranţele de precizie impuse,
diferenţierea
dintre aceste metode făcându-se în funcţie de eficienţă. Metoda de digitizare
automată, chiar dacă este dependentă de calitatea materialului cartografic,
este
cea mai rapidă. Metoda de digitizare manuală devine eficientă faţă de
digitizarea
automată în cazul culegerii datelor de pe un material cartografic foarte
degradat,
de către un operator experimentat.
În subcapitolul 4.5 s-a făcut o analiză a performanţelor algoritmilor de
vectorizare folosind indicii de performanţă dezvoltaţi de Liu Wenyin şi Dov
Dori. Cu algoritmul propus prin metoda cercului s-au obţinut rezultate foarte
bune, situându-se aproape de rezultatele obţinute de programul ArcInfo.
Algoritmul propus poate fi folosit cu rezultate foarte bune pentru
vectorizarea
interactivă sau automată a curbelor de nivel şi a hidrografiei. Rata de
detecţie
CAPITOLUL 8. CONCLUZII FINALE
69
falsă a pixelilor poate fi îmbunătăţită prin micşorarea razei de analiză,
aceasta
ducând la îndesirea punctelor detectate. Algoritmul de vectorizare prin
metoda
cercului, contribuţie de bază a autorului, prezintă un avantaj major, poate
trece
peste întreruperi. Astfel, un element liniar reprezentat printr-o linie
întreruptă
poate fi identificat ca un element liniar unitar.
Capitolul 5 prezintă algoritmi pentru recunoaşterea semnelor
convenţionale punctuale. Atât algoritmul de recunoaştere pe baza semnăturii
formei, cât şi cel pe baza descriptorilor Fourier se pot folosi pentru
identificarea
semnelor convenţionale punctuale dintr-o imagine vectorială. Algoritmul
propus
poate identifica semnele convenţionale punctuale dintr-o imagine raster.
Această
caracteristică este un avantaj, deoarece calitatea clasificării nu este
dependentă
de calitatea vectorizării.
Algoritmul de recunoaştere pe baza descriptorilor Fourier prezintă
rezultate deosebite aşa cum reiese şi din anexa 2.3. Se poate determina
automat
atât scara, deplasarea, unghiul de rotaţie, cât şi punctul de start al simbolului.
Algoritmul propus de recunoaştere a semnelor convenţionale este
dependent de rezoluţia de scanare şi de orientarea semnului convenţional.
Pentru
a rezolva această problemă se propun două soluţii:
- în fiecare punct de analiză se verifică semnul convenţional
punctual căutat iterativ pentru orientări şi scări succesive, cu un
anumit pas;
- se stochează în baza de date modele de semne convenţionale
punctuale pentru diferite scări şi orientări.
Varianta a 2-a prezintă avantajul că, odată completată baza de date, se
poate folosi pentru orice hartă scanată şi astfel se micşorează timpul de
analiză.
Prima variantă are avantajul că nu necesită o bază de date pentru simboluri
completată pentru toate orientările şi scările, dar necesită un timp mai mare
de
analiză.
Algoritmul de recunoaştere automată a formei semnelor convenţionale
punctuale este uşor de implementat, iar viteza de analiză pentru o clasă de
obiecte este bună (aproximativ un minut pentru un original de editare scanat
la
rezoluţia de 300 dpi) şi independentă de gradul de încărcare al imaginii.
Pentru a
mări viteza, se poate adopta soluţia de a se indica cu ajutorul unui locator
coordonatele aproximative ale elementului, iar algoritmul găseşte
coordonatele
precise şi codul asociat.
La calitatea produsului cartografic digital contribuie calitatea tuturor
procedurilor de control şi deprinderilor operatorilor. Calitatea datelor de
intrare
asigură reuşita unei bune implementări a sistemului informaţional geografic.
În
asigurarea acestei calităţi, precizia de vectorizare şi recunoaştere a semnelor
convenţionale punctuale este vitală. În ţările avansate în domeniu, s-au
adoptat
standarde precise de calitate a datelor cartografice digitale. Între acestea,
standardele Ordonance Survey sunt cunoscute a fi cele mai drastice la nivel
internaţional.
CAPITOLUL 8. CONCLUZII FINALE
70
În capitolul 6 sunt prezentate metode şi indicatori pentru determinarea
preciziei unei baze de date geografice obţinută prin metode automate de
vectorizare şi recunoaştere a semnelor convenţionale punctuale. Dintre
acestea
este de remarcat metoda de determinare a preciziei de poziţionare prin
metoda
buffer-ului, metodă ce se poate aplica automat. Folosind pachetul de
programe
ArcInfo, se poate genera automat un buffer în jurul elementelor de precizie
ridicată folosite ca referinţă, şi tot automat se poate determina ce elemente
de
analizat se află în aceste zone tampon.
În capitolul 7 sunt prezentate etapele necesare culegerii datelor
cartografice prin metodele şi algoritmii propuşi. O etapă importantă, care
adesea
este omisă, este testarea scanerului. Prin metoda propusă se poate determina
precizia oricărui tip de scanner folosit la scanarea materialelor cartografice,
obţinând o informaţie despre forma deformărilor pe suprafaţa scanată. În
urma
analizei efectuate, scanerul CONTEX Chameleon TX poate fi folosit în
scopuri
cartografice, deformarea medie fiind de 0.053 mm. În urma procesului de
rectificare deformarea medie s-a micşorat, ajungând la valoarea de 0.046
mm.
Pentru vectorizarea automată a hidrografiei şi a curbelor de nivel s-a
aplicat algoritmul propus prin metoda cercului, raza de analiză având
valoarea 5.
Pentru originalul de editare cu reprezentarea reliefului, vectorizarea s-a
realizat
în aproximativ 3 minute, rezultând un fişier de tip SHP de 11 Mb. Pentru a
micşora timpul de vectorizare se poate mări raza de analiză. O altă soluţie
este
rescrierea procedurii de analiză în limbajul ASSEMBLER, aşa cum a făcut şi
autorul pentru unele proceduri.
În urma analizei făcute în subcapitolul 7.4 rezultă că este mai avantajos să
se facă o editare raster pre-vectorizare, decât o editare vectorială
postvectorizare.
Fără o editare raster înaintea procesului de vectorizare automată pot
apărea erori a căror corectare este dificilă şi mare consumatoare de timp.
În general, eliminarea erorilor de vectorizare cât şi a celor de clasificare
(rezultate în urma procesului de recunoaştere automată) se face manual.
Această
etapă este foarte importantă, de calitatea editării depinzând calitatea bazei de
date geografice. Un rol important în procesul de editare îl are experienţa
operatorului. O mică parte din erorile de vectorizare se pot elimina automat
(în
general erori topologice), pachete de programe de genul ArcInfo punând la
dispoziţie uneltele necesare. Completarea cu noi proceduri sau instrumente
se
impune aşa cum s-a demonstrat şi în lucrare, folosind macrolimbajele puse
la
dispoziţie de ESRI.
În subcapitolul 7.6 s-a determinat precizia bazei de date rezultate în urma
procesului de vectorizare. În urma analizei făcute, factorul de generalizare
calculat este de 0.98, valoare foarte apropiată de 1, ceea ce înseamnă că baza
de
date este foarte puţin generalizată în raport cu harta de referinţă 1: 25.000.
Precizia de poziţionare determinată prin metoda buffer-ului este de 78.87 %,
ceea ce înseamnă că aproximativ 80 % din elementele hărţii au o eroare de
poziţionare mai mică de 10 m faţă de harta de referinţă la scara 1: 25.000.
Aceşti
CAPITOLUL 8. CONCLUZII FINALE
71
indicatorii de preciziei determinaţi, împreună cu metadatele, trebuie să
însoţească baza de date geografică.
Programele realizate, Vect – pentru vectorizarea automată, RecSCP –
pentru recunoaşterea semnelor convenţionale punctuale, GeoRef – pentru
rectificarea hărţilor scanate şi Map – pentru afişarea, gestiunea şi analiza
bazelor
de date geografice, reprezintă contribuţii la culegerea automată / semi-
automată
a datelor cartografice digitale, dar şi la analiza oricărei baze de date realizate
prin alte metode, inclusiv verificarea unor date importate de la alte sisteme.
Aceste programe au implementat în limbajul Delphi 7.0 algoritmii şi
metodele
propuse în prezenta lucrare, ele putând fi îmbunătăţite şi dezvoltate.
Din analiza şi concluziile prezentate asupra culegerii automate/
semiautomate a datelor cartografice digitale, autorul consideră că a adus
următoarele contribuţii:
- tratarea unitară în limba română a principalelor probleme
referitoare la culegerea datelor cartografice şi testarea preciziei
unei baze de date geografice;
- elaborarea unui proces tehnologic privind culegerea
automată/semiautomată a datelor cartografice digitale având ca
suport hărţile topografice;
- elaborarea unui algoritm propriu de vectorizare automată prin
metoda cercului;
- elaborarea unui algoritm propriu de recunoaştere automată a
semnelor convenţionale punctuale de pe hărţile topografice;
- dezvoltarea unui algoritm de recunoaştere a semnelor
convenţionale punctuale de pe hărţile topografice pe baza
descriptorilor Fourier;
- elaborarea unei metode pentru testarea preciziei unui scanner;
- dezvoltarea unor metode pentru testarea preciziei unei baze de
date geografice;
- elaborarea unei structuri de date ce reduce redundanţa;
- realizarea unor programe software pentru rectificarea imaginilor
scanate, vectorizarea automată, recunoaşterea semnelor
convenţionale punctuale de pe hărţile topografice şi gestiunea
unor baze de date geografice.
CAPITOLUL 8. CONCLUZII FINALE
72
GLOSAR DE TERMENI
73
GLOSAR DE TERMENI
inscripţie
Text descriptiv folosit pentru etichetarea elementelor. Inscripţia nu este
folosită pentru analiză.
atribut
Informaţie descriptivă asociată unui detaliu geografic.
O coloană sau un câmp dintr-un tabel al bazei de date.
Buffer (zonă tampon)
O zonă de o anumită distanţă în jurul unui element al hărţii.
element/detaliu cartografic
O reprezentare a unui obiect din lumea reală ce poate fi stocată într-un
strat al unei hărţi în format vectorial.
eroare conceptuală
Omiterea informaţiilor dintr-o bază de date.
eroare de poziţie
Deplasare a unui obiect pe hartă faţă de poziţia sa reală din teren.
GIS - Geographic Information System
Sistem Informaţional Geografic (SIG) – colecţie organizată de hardware,
software, date geografice şi non-geografice, tehnologii şi personal,
destinată culegerii, stocării, actualizării, prelucrării, analizei şi afişării
tuturor formelor de informaţii referite geografic.
GPS - Global Positioning System
Sistem de poziţionare pe globul terestru, compus din segmentul spaţial
(constelaţie de sateliţi), segmentul de control şi segmentul utilizatorilor
(receptoare GPS), folosit pentru determinarea poziţiei.
grid (reţea rectangulară)
Model de date folosit de ArcInfo, care stochează date sub forma unei
matrice de celule cu aceeaşi suprafaţă.
model vectorial
Reprezentare a lumii folosind puncte, linii şi poligoane. Modelul vectorial
este folosit de obicei pentru stocarea unor elemente discrete cum ar fi
GLOSAR DE TERMENI
74
clădiri, drumuri, parcele etc. De regulă reprezintă succesiuni de perechi de
coordonate.
relaţionare
Operaţie care stabileşte o conexiune temporară între înregistrări
corespondente din două tabele diferite, între detalii cartografice etc.
scanare
Procesul de conversie din formatul analog în formatul digital raster
folosind un dispozitiv numit scanner.
semn convenţional
Un simbol cu ajutorul căruia se indică pe hartă poziţia în teren şi tipul
diferitelor obiecte şi fenomene (redând şi caracteristicile cantitative şi
calitative).
SGBD – Sistem de Gestiune a Bazelor de Date
Set de programe de calculator pentru gestionarea informaţiilor dintr-o
bază de date. SGBD suportă structuri de date în formate standard şi oferă
unelte pentru introducerea, verificarea, stocarea, interogarea şi extragerea
datelor.
SIG - Sistem Informaţional Geografic
Vezi GIS.
strat vectorial
Set de fişiere care stochează date vectoriale. De obicei un strat reprezintă
o singură temă (drumuri, râuri etc.).
TIN - Triangulated Irregular Network
Reţea neregulată de triunghiuri oarecare folosită pentru modelarea
numerică a terenului, nodurile fiind punctele caracteristice ale reliefului.
topologie
Ramură a matematicilor care descrie relaţiile spaţiale între elemente
conectate sau adiacente, de regulă noduri, arce şi feţe.
vertex
Punct de frântură al unui element liniar sau poligonal.
BIBLIOGRAFIE
75
BIBLIOGRAFIE SELECTIVĂ
1. Alexei, A., (1997a) – Algoritmi pentru conversia raster - vector, Revista
ATM, Editura Academiei Tehnice Militare, Bucureşti, mai 1997, p. 59-
62.
2. Alexei, A., (1997b) – Verificarea caracteristicilor de precizie ale unui
scaner, A XXVII – a sesiune de comunicări ştiinţifice cu participare
internaţională a ATM, Bucureşti, 13-14 noiembrie 1997, pag. 117-124.
3. Alexei, A., Crângaşu, L., (1999) – Integrarea bazelor de date raster cu
bazele de date vectoriale, A 31 sesiune de comunicări ştiinţifice a
ACTTM, Bucureşti 1999, pag. 229.
4. Alexei, A., Tomoiagă, T., (2000) – Sisteme Informaţionale Geografice
instrumente în luarea deciziilor, Revista ACTTM nr. 2-3/2000, pag. 36.
5. Alexei, A., Tomoiagă, T., (2003) – Digital Terrain Modeling, The 34-th
International Scientific Symposium Of METRA, Vol. II, Bucureşti, mai
29-30.2003, pag. 119.
6. Alexei, A., (2004a) – Spatial Data Quality, The 35-th International
Scientific Symposium Of METRA, Vol. II, Bucureşti, mai 27-28.2004,
pag. 500.
7. Alexei, A., (2004b) – Contribuţii privind vectorizarea elementelor liniare
de pe hărţile topografice, A IX-a sesiune de comunicări ştiinţifice cu
participare internaţională, Academia Forţelor Terestre “Nicolae
Bălcescu”, Vol. II, Sibiu, 25-26 Noiembrie 2004, pag. 124.
8. Alexei, A., (2004c) – Metode de culegere a datelor cartografice, Buletin
Ştiinţific al Sesiunii Naţionale de Comunicări Ştiinţifice, 26-27 Noiembrie
2004, Braşov, Academia Forţelor Aeriene “Henri Coandă”, Anul V,
Numărul 1 (15), p. 1.
9. Alexei, A., (2004d) – Contribuţii privind culegerea de pe hărţile
topografice a elementelor reprezentate prin semne convenţionale
punctuale, Buletin Ştiinţific al Sesiunii Naţionale de Comunicări
Ştiinţifice, 26-27 Noiembrie 2004, Braşov, Academia Forţelor Aeriene
“Henri Coandă”, Anul V, Numărul 1 (15), p. 9.
10. Cîmpeanu, V., (1995) - Întocmirea şi redactarea hărţilor, A.M.G.,
Bucureşti.
11. Connealy, T., (1994) - A complete and innovative raster to vector
conversion algorithm, Proceedings of EGIS '92. Munich: EGIS
Foundation, 1994.
12. Cowen, D. J., (1988) - GIS versus CAD versus DBMS: what are the
differences- Photogrammetric Engineering and Remote Sensing 54: 1551.
13. Creangă, I., (1994) – Metode în procesarea digitală a imaginilor, Lecţie,
Editura Academiei Tehnice Militare, Bucureşti.
BIBLIOGRAFIE
76
14. Dimitriu, G., (2001) – Sisteme Informaţionale Geografice, Editura
Albastră, Cluj-Napoca.
15. Douglas, D. H., Peucker, T. K., (1973) - Algorithms for the reduction
of
the number of points required to represent a digitized line or its caricature.
The Canadian Cartographer 10: 112-22.
16. Fisher, P. F., (1991) - Spatial data sources and data problems. In:
Maguire D J, Goodchild M F, Rhind D W (eds.) Geographical
Information Systems: principles and applications. Longman, London, pp.
175-89, Vol I.
17. Gavriloaia, G., (2002) – Prelucrarea de nivel mediu a imaginilor
digitale,
Editura Academiei Tehnice Militare, Bucureşti.
18. Ghiţău, D., (2003) – Prelucrarea măsurătorilor geodezice, Editura
Fundaţiei Universitare “Dunărea de Jos”, Galaţi.
19. Greenwalt, C., Shultz, M., (1968) – Principles of error theory and
cartographic applications, St. Louis.
20. Healey, R. G., (1991) - Database management systems. In: Maguire D J,
Goodchild M F, Rhind D W (eds.) Geographical Information Systems:
principles and applications. Longman, London, pp. 251-67, Vol 1.
21. Ioniţă, A., (1996) - Sistemele de informaţie geografică in contextul
evoluţiei tehnologiei informaţiei, RRIA 3/1996, pp. 47-57;
22. Kenneth, E.F., Donald, J.H., (1995) - Error, Accuracy, and Precision,
The Geographer's Craft Project, Department of Geography, University of
Texas at Austin.
23. Liu, W., Dov, D., (1997) - A Protocol for Performance Evaluation of
Line Detection Algorithms, Machine Vision and Applications, Springer-
Verlag GmbH Volume 9, Numbers 5-6, March 1997, p240 – 250.
24. Lungu, I., et al., (1992) - Baze de date relaţionale. Utilizarea limbajului
SQL * PLUS, Editura ALL, Bucureşti.
25. Niţu, C., (1992) - Tendinţe de dezvoltare în cartografia automata –
Revista de Geodezie, Cartografie şi Cadastru, nr. 1, 1992, p 27.
26. Nitu, C., (1995) - Curs de Proiectare asistată de calculator a hărţilor,
A.T.M., Bucureşti.
27. Niţu, C., (1997) - Culegerea datelor cartografice prin digitizare, Revista
ATM, Editura Academiei Tehnice Militare, Bucureşti, mai 1997.
28. Niţu, C., et al., (2002) – Sisteme Informaţionale Geografice şi
Cartografie Computerizată, Editura Universităţii din Bucureşti.
29. Niţu, C., (2004) – Sisteme Informaţionale Geografice, Editura CREDIS,
Universitatea din Bucureşti.
30. Răducanu, D., Toderaş, T., (2002) – Baze de date cartografice. Creare
şi
actualizare, Academia Tehnică Militară, Bucureşti.
31. Răducanu, N., (1993) - Curs de Fotogrammetrie, A.T.M. , Bucureşti.
32. Răducanu, N., (1994) - Curs de Aparate fotogrammetrice,
A.T.M.,Bucureşti.
BIBLIOGRAFIE
77
33. Răducanu, N., (1995) - Curs de Teledetecţie, A.T.M. , Bucureşti.
34. Răducanu, N., Răducanu, D., (2004) – Fotogrammetria – 3D, A.T.M. ,
Bucureşti.
35. Rotaru, M., et. al., (1989) – Evoluţia concepţiei geodezice militare în
România, Secţia Asigurare Tehnico-Economică a Presei şi Publicaţiilor
Ministerului Apărării Naţionale, Bucureşti.
36. Săvulescu, C., et al., (2000) - Fundamente GIS, Editura HGA,
Bucureşti.
37. Serediuc, C., (1997) – Teoria erorilor de măsurare, Editura Editura
Academiei Tehnice Militare, Bucureşti.
38. Somerville, I., (1989) - Software Engineering, 3rd edn. Addison-
Wesley,
Reading Massachusetts, 653pp.
39. Turdeanu, L., (1997) – Fotogrammetrie analitică, Editura Academiei
Române, Bucureşti, 346p.
40. Ubeda, T., Egenhofer, M., (1997) – Topological error in GIS, Fifth
International Symposium on Large Spatial Database, Berlin.
41. Vasile, F., (2002) – Sisteme de poziţionare globală NAVSTAR-GPS,
Editura Academiei Tehnice Militare.
42. Vertan, C., (1999) - Prelucrarea şi analiza imaginilor, Editura Printech,
Bucureşti.
43. Vizitiu, C., (2002) – Reţele neuronale utilizate în recunoaşterea formelor
vizuale, Editura Academiei Tehnice Militare, Bucureşti.
44. Vlaicu, A., (1997) – Prelucrarea digitală a imaginilor, Editura Albastră,
Cluj-Napoca.