本發(fā)明涉及地域景觀圖片分析處理領(lǐng)域，且具體地涉及基于鄰域算法處理景觀節(jié)點(diǎn)圖片的系統(tǒng)與方法。

背景技術(shù)：

采集、分析、整合景觀數(shù)據(jù)并對(duì)景觀現(xiàn)狀、景觀格局情況進(jìn)行分析對(duì)于結(jié)合實(shí)際對(duì)與城市建設(shè)、旅游開(kāi)發(fā)、規(guī)劃都有重要的參考意義，對(duì)于探討如何從生態(tài)系統(tǒng)、景觀格局、景觀材料、景觀技術(shù)上達(dá)到可持續(xù)發(fā)展也具有重要的參考價(jià)值。同時(shí)，在不同的地理景觀迅速地提供更為直觀和形象的數(shù)字化圖像，進(jìn)而為行道樹(shù)的規(guī)劃設(shè)計(jì)和養(yǎng)護(hù)、監(jiān)控、管理提供更為有效、可靠的參考依據(jù)，提高工作的效率。

但在景觀過(guò)渡帶中，即是景觀空間異質(zhì)性較高的地區(qū),在分析中經(jīng)常需要從中提取不同類(lèi)型區(qū)的界線,確定相應(yīng)的范圍。通常景觀格局類(lèi)型可分為：均勻型分布格局，聚團(tuán)式分布格局，線狀分布格局，平行分布格局，特定組合或空間連接等五種類(lèi)型。其中均勻型分布格局是指各景觀元素以相對(duì)一致的距離分布。例如峰林地區(qū)村莊分布在大片水田周?chē)?，相距距離基本相同。聚團(tuán)式分布格局是指同一類(lèi)型景觀元素以相對(duì)密集的形式分布，形成大面積的景觀群，例如，村寨建筑以村寨中心標(biāo)志位圓心組團(tuán)聚集在村落區(qū)域內(nèi)，線狀分布格局是指同一類(lèi)型景觀元素以線性方式分布，例如分布在道路兩側(cè)的建筑和沿和河流分布的建筑。平行分布格局是指同一類(lèi)型景觀元素呈平行狀態(tài)分布，例如，沿山脊分布的高寒植被。特定組合或空間連接：比如湖泊景觀，河流景觀，沼澤景觀，農(nóng)田景觀，花田景觀等。

如何在景觀多樣化中分析某一個(gè)景觀的特征就需要確定兩種復(fù)雜分布類(lèi)型之間的界線,劃分農(nóng)牧等交錯(cuò)區(qū),提取地貌分界線和谷緣線等分析。目前仍很少有一種從采集圖片到分析結(jié)果等一整套的系統(tǒng)和方法。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種基于鄰域算法對(duì)不同景觀格局類(lèi)型、同一張圖片進(jìn)行分界、處理的系統(tǒng)和方法，能夠在同時(shí)具有諸如均勻型分布格局、聚團(tuán)式分布格局、線狀分布格局、平行分布格局、特定組合或空間連接等不同格局型式的圖片中快速給出分界線，便于景觀工作者了解某一部分景觀的結(jié)構(gòu)特征，考察地貌，同時(shí)，對(duì)于結(jié)合分析的景觀對(duì)與城市建設(shè)、旅游開(kāi)發(fā)、規(guī)劃都有重要的參考意義，對(duì)于探討如何從生態(tài)系統(tǒng)、景觀格局、景觀材料、景觀技術(shù)上達(dá)到可持續(xù)發(fā)展也具有重要的參考價(jià)值。

本發(fā)明采用以下技術(shù)方案進(jìn)行實(shí)現(xiàn)的：

一種基于鄰域算法處理景觀節(jié)點(diǎn)圖片的系統(tǒng)，包括圖像采集單元、通過(guò)TCP/IP與所述圖像采集單元進(jìn)行無(wú)線通訊的GIS單元、與所述GIS單元通訊的圖像提取單元、與所述圖像提取單元通訊的圖像預(yù)處理單元，與所述圖像預(yù)處理單元通訊的A/D轉(zhuǎn)換單元，與所述A/D轉(zhuǎn)換單元通訊的圖像鄰域處理器，與所述圖像鄰域處理器通訊的系統(tǒng)服務(wù)器，與所述系統(tǒng)服務(wù)器通訊的顯示單元、控制單元。

在本發(fā)明中的系統(tǒng)中，所述圖像采集單元為一個(gè)或多個(gè)。

在本發(fā)明中的系統(tǒng)中，所述圖像鄰域處理器包括主機(jī)PCI總線、與所述主機(jī)PCI總線連接的接口單元，與所述接口單元連接的圖片管理系統(tǒng)，與所述存儲(chǔ)單元連接DSP高速處理器，與所述DSP高速處理器連接的FPGA、與所述FPGA連接的圖像接收轉(zhuǎn)接口。

在本發(fā)明中的系統(tǒng)中，所述A/D轉(zhuǎn)換單元為16位6通道、精度等級(jí)為0.02級(jí)的轉(zhuǎn)換單元。

在本發(fā)明中的系統(tǒng)中，所述顯示單元為液晶顯示屏。

在本發(fā)明中的系統(tǒng)中，所述控制單元包括輸入控制和操作控制。

一種基于鄰域算法處理景觀節(jié)點(diǎn)圖片的方法，包括以下步驟：

(S1)通過(guò)圖像采集單元對(duì)景觀節(jié)點(diǎn)采集；

(S2)將圖像采集單元采集的景觀節(jié)點(diǎn)圖像通過(guò)TCP/IP傳遞到GIS單元；

(S3)圖像提取單元將要分析的景觀節(jié)點(diǎn)區(qū)域從GIS單元中提取出來(lái)；

(S4)對(duì)提取的圖像進(jìn)行預(yù)處理；

(S5)處理后的圖像通過(guò)A/D轉(zhuǎn)換單元轉(zhuǎn)化成數(shù)字信號(hào)，然后傳遞到圖像鄰域處理器；

(S6)圖像鄰域處理器采用自適應(yīng)閾值分割算法對(duì)所提取的圖像進(jìn)行分割、計(jì)算；

(S7)計(jì)算結(jié)果在控制單元作用下在系統(tǒng)服務(wù)器中的顯示單元顯示，供用戶使用。

在本發(fā)明中的方法中，所述步驟(S6)中所述自適應(yīng)閾值分割算法包括Sobel算法、Bernsen算法，所述自適應(yīng)閾值分割算法包括以下步驟：

(S61)采用Sobel算法計(jì)算出圖像的邊緣圖像；

(S62)采用Bernsen算法對(duì)所選取的圖片進(jìn)行分割；

(S63)將Sobel算法的結(jié)果與Bernsen算法的結(jié)果相結(jié)合，實(shí)現(xiàn)圖像塊閾值的自適應(yīng)。

在本發(fā)明中的方法中，所述步驟(S4)中的預(yù)處理采用平滑消除、歸一化的方法。

在本發(fā)明中的方法中，所述Bernsen算法計(jì)算圖片窗口閾值的公式為：

T(x,y)＝1/2(max(f(x+m,y+n))+min(f(x+m,y+n)))(-w≤m≤w,-w≤n≤w)，其中w表示窗口寬度的參數(shù)，T(x,y)為每個(gè)窗口的閾值，m、n表示圖片水平、垂直不同位置的像素，f(x,y)為圖片像素；

灰度值與閾值比較的公式為：

其中，B(x,y)表示灰度值。

本發(fā)明有益的效果是：

本發(fā)明采用一個(gè)或多個(gè)圖像采集單元與GIS單元單元直接通訊，能夠?qū)崿F(xiàn)圖像采樣的及時(shí)性、多樣性、便利性，很容易地獲取大量的景觀圖片節(jié)點(diǎn)，且圖像采集單元可與其他裝置一起使用，通過(guò)TCP/IP與GIS單元進(jìn)行無(wú)線通訊，使用方便。

本發(fā)明通過(guò)對(duì)圖片進(jìn)行圖像預(yù)處理，消除圖像中無(wú)關(guān)的信息，更加有利于圖像的分析和處理。

本發(fā)明采用高精度、高速度A/D同步采樣技術(shù)，轉(zhuǎn)化速度較快。

本發(fā)明通過(guò)鄰域算法對(duì)景觀節(jié)點(diǎn)進(jìn)行計(jì)算，能夠合理地尋找出景觀過(guò)渡帶中分類(lèi)的標(biāo)準(zhǔn)，依據(jù)分類(lèi)線自身的屬性，提取出景觀類(lèi)型的邊界。因此，只要將景觀的類(lèi)型合理地劃分，即給定景觀分類(lèi)的臨界值，鄰域算法就可以應(yīng)用到邊界提取中。諸如在草地、耕地、林地等相互鑲嵌分布的地帶，這些地帶互相稱(chēng)為包容的格局。在確定其界限時(shí)，如果依靠消融的方法，將一定面積以下的多邊形剔除，是不能夠準(zhǔn)確地反映交錯(cuò)區(qū)的真實(shí)界限，因?yàn)樵谶M(jìn)行消融時(shí)，也概化了鑲嵌分布的消息，如果利用過(guò)鄰域算法則可將不同屬性的地域單獨(dú)提取出來(lái)，就可以分析他們集中分布的界限。

運(yùn)用本發(fā)明中的方法可以追蹤大面積的鑲嵌分布的復(fù)雜景觀類(lèi)型間的邊界，也可以運(yùn)用到類(lèi)型的空間劃分上。在景觀分析中，經(jīng)常需要對(duì)過(guò)渡類(lèi)型進(jìn)行分類(lèi)處理，例如，農(nóng)牧交錯(cuò)區(qū)、草地和沙地交錯(cuò)區(qū)、稀疏草原過(guò)渡區(qū)、谷緣線、地貌分界線等，都可以滿足其分析的需要。具有明顯的技術(shù)先進(jìn)性，實(shí)用性較強(qiáng)。

本發(fā)明中的圖像鄰域處理器一次能夠讀取64個(gè)像素?cái)?shù)據(jù)，容量大，運(yùn)行能力強(qiáng)。

附圖說(shuō)明

圖1為本發(fā)明基于鄰域算法處理景觀節(jié)點(diǎn)圖片的系統(tǒng)與方法的系統(tǒng)示意圖；

圖2為本發(fā)明基于鄰域算法處理景觀節(jié)點(diǎn)圖片的系統(tǒng)與方法中圖像鄰域處理器結(jié)構(gòu)示意圖；

圖3為本發(fā)明基于鄰域算法處理景觀節(jié)點(diǎn)圖片的系統(tǒng)與方法的方法示意圖；

圖4(a)為本發(fā)明基于鄰域算法處理景觀節(jié)點(diǎn)圖片的系統(tǒng)與方法的實(shí)施例中Sobel算子模板的垂直模板示意圖；

圖4(b)為本發(fā)明基于鄰域算法處理景觀節(jié)點(diǎn)圖片的系統(tǒng)與方法的實(shí)施例中Sobel算子模板的水平模板示意圖；

圖5為本發(fā)明基于鄰域算法處理景觀節(jié)點(diǎn)圖片的系統(tǒng)與方法的自適應(yīng)閾值分割算法示意圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

如圖1所示，一種基于鄰域算法處理景觀節(jié)點(diǎn)圖片的系統(tǒng)，包括圖像采集單元、通過(guò)TCP/IP與所述圖像采集單元進(jìn)行無(wú)線通訊的GIS單元、與所述GIS單元通訊的圖像提取單元、與所述圖像提取單元通訊的圖像預(yù)處理單元，與所述圖像預(yù)處理單元通訊的A/D轉(zhuǎn)換單元，與所述A/D轉(zhuǎn)換單元通訊的圖像鄰域處理器，與所述圖像鄰域處理器通訊的系統(tǒng)服務(wù)器，與所述系統(tǒng)服務(wù)器通訊的顯示單元、控制單元。

在本發(fā)明中，所述圖像采集單元為一個(gè)或多個(gè)，能夠?qū)崿F(xiàn)圖像采樣的及時(shí)性、多樣性、便利性，很容易地獲取大量的景觀圖片節(jié)點(diǎn)，且圖像采集單元可與其他裝置一起使用，通過(guò)TCP/IP與GIS單元進(jìn)行無(wú)線通訊，使用方便。

如圖2所示，在本發(fā)明中，所述圖像鄰域處理器包括主機(jī)PCI總線、與所述主機(jī)PCI總線連接的接口單元，與所述接口單元連接的圖片管理系統(tǒng)，與所述存儲(chǔ)單元連接DSP高速處理器，與所述DSP高速處理器連接的FPGA、與所述FPGA連接的圖像接收轉(zhuǎn)接口。其中，F(xiàn)PGA圖像鄰域處理器核心處理單元，負(fù)責(zé)控制圖像數(shù)據(jù)的讀取以及運(yùn)算等操作。存儲(chǔ)單元是由4個(gè)10MB容量的同步SRAM構(gòu)成，負(fù)責(zé)存儲(chǔ)FPGA運(yùn)算結(jié)果。接口單元負(fù)責(zé)數(shù)據(jù)傳遞到PC或者將數(shù)據(jù)從PC傳遞到存儲(chǔ)器，然后由FPGA進(jìn)行數(shù)據(jù)組合，構(gòu)成鄰域數(shù)據(jù)，進(jìn)行下一步處理。在本發(fā)明中，所述A/D轉(zhuǎn)換單元為16位6通道、精度等級(jí)為0.02級(jí)的轉(zhuǎn)換單元。AD7606-6芯片，該芯片為16位、6通道同步采樣模數(shù)數(shù)據(jù)采集系統(tǒng)(DAS)。這些器件內(nèi)置模擬輸入箝位保護(hù)、二階抗混疊濾波器、跟蹤保持放大器、16位電荷再分配逐次逼近型ADC、靈活的數(shù)字濾波器、2.5V基準(zhǔn)電壓源、基準(zhǔn)電壓緩沖以及高速串行和并行接口。采用5V單電源供電，可以處理±10V和±5V真雙極性輸入信號(hào)，同時(shí)所有通道均能以高達(dá)200kSPS的吞吐速率采樣。輸入箝位保護(hù)電路可以耐受最高達(dá)±16.5V的電壓。無(wú)論以何種采樣頻率工作，AD7606的模擬輸入阻抗均為1MΩ。它采用單電源工作方式，具有片內(nèi)濾波和高輸入阻抗，因此無(wú)需驅(qū)動(dòng)運(yùn)算放大器和外部雙極性電源。AD7606/AD7606-6/AD7606-4 抗混疊濾波器的3dB截止頻率為22kHz；當(dāng)采樣速率為200ksps時(shí)，它具有40dB抗混疊抑制特性。靈活的數(shù)字濾波器采用引腳驅(qū)動(dòng)，可以改善信噪比(SNR)，并降低3dB帶寬。A/D轉(zhuǎn)換過(guò)程中要得到局部更高精度的數(shù)據(jù)，例如檢測(cè)蓄電池充放電過(guò)程中的電壓，電壓范圍是0～18V，一般精度達(dá)到0.02V即可。

在本發(fā)明中，所述顯示單元為液晶顯示屏。

在本發(fā)明中，所述控制單元包括輸入控制和操作控制。

如圖3所示，一種基于鄰域算法處理景觀節(jié)點(diǎn)圖片的方法包括以下步驟：

(S1)通過(guò)圖像采集單元對(duì)景觀節(jié)點(diǎn)采集；

(S2)將圖像采集單元采集的景觀節(jié)點(diǎn)圖像通過(guò)TCP/IP傳遞到GIS單元；

在本方法中，GIS單元與圖像采集單元通過(guò)TCP/IP進(jìn)行互聯(lián)通訊，實(shí)現(xiàn)數(shù)據(jù)遠(yuǎn)距離傳輸，GIS單元能夠?qū)?shù)據(jù)進(jìn)行存儲(chǔ)、分析、管理、查詢(xún)和顯示。GIS單元是集地理學(xué)、幾何學(xué)、計(jì)算機(jī)學(xué)等科學(xué)于一體，利用圖形技術(shù)和數(shù)據(jù)庫(kù)技術(shù)，對(duì)空間信息及其屬性進(jìn)行采集、存儲(chǔ)、分析管理和顯示的系統(tǒng)，能夠?qū)臻g相關(guān)數(shù)據(jù)進(jìn)行采集、管理、操作、分析、模擬、顯示，能夠提供空間和動(dòng)態(tài)的地理信息。該系統(tǒng)提供全空間三維可視化圖像，具備大型空間數(shù)據(jù)庫(kù)，可對(duì)海量對(duì)象進(jìn)行快速空間分析；可支持第三方GIS數(shù)據(jù)導(dǎo)入的擴(kuò)展接口；是全球地理數(shù)據(jù)信息搜集和探測(cè)的重要手段，完成信息、運(yùn)算、分析和管理，并將采集的信息以圖像方式進(jìn)行處理和顯示，來(lái)完成信息的可讀性，為大型的數(shù)據(jù)庫(kù)，地理信息的測(cè)試以數(shù)字的方式進(jìn)行記錄，將數(shù)字化的技術(shù)轉(zhuǎn)化整合為可視圖像以便于直觀分析。

(S3)圖像提取單元將要分析的景觀節(jié)點(diǎn)區(qū)域從GIS單元中提取出來(lái)；

在該步驟中，是在大量的初始景觀采集數(shù)據(jù)庫(kù)中提取待分析的圖片，通過(guò)控制單元完成。

(S4)對(duì)提取的圖像進(jìn)行預(yù)處理；

在本發(fā)明中，在圖像采集時(shí)，由于與地理相關(guān)的多光譜圖像受到云、大氣和太陽(yáng)高度角等干擾，需要對(duì)圖像進(jìn)行校正，也可以采用的工具為快速大氣校正工具，對(duì)采集到的圖像重新進(jìn)行采樣，對(duì)應(yīng)到輸入數(shù)據(jù)中對(duì)照的空間分辨率。

在本發(fā)明中，預(yù)處理采用平滑消除、歸一化的方法。歸一化使圖像的某些特征在給定變換下具有不變性質(zhì)的一種圖像標(biāo)準(zhǔn)形式。圖像的某些性質(zhì)例如物體的面積和周長(zhǎng)本來(lái)對(duì)于坐標(biāo)旋轉(zhuǎn)來(lái)說(shuō)就具有不變的性質(zhì)。在一般情況下某些因素或變換對(duì)圖像一些性質(zhì)的影響可通過(guò)歸一化處理得到消除或減弱從而可以被選作測(cè)量圖像的依據(jù)。例如對(duì)于光照不可控的遙感圖片灰度直方圖的歸一化對(duì)于圖像分析是十分必要的。

平滑消除圖像中隨機(jī)噪聲的技術(shù)。對(duì)平滑技術(shù)的基本要求是在消去噪聲的同時(shí)不使圖像輪廓或線條變得模糊不清。常用的平滑方法有中值法、局部求平均法和k近鄰平均法。局部區(qū)域大小可以是固定的也可以是逐點(diǎn)隨灰度值大小變化的。此外有時(shí)應(yīng)用空間頻率域帶通濾波方法。圖像處理的輸入輸出簡(jiǎn)圖在圖像分析中對(duì)輸入圖像進(jìn)行特征抽取、分割和匹配前所進(jìn)行的處理。圖像預(yù)處理的主要目的是消除圖像中無(wú)關(guān)的信息恢復(fù)有用的真實(shí)信息增強(qiáng)有關(guān)信息的可檢測(cè)性和最大限度地簡(jiǎn)化數(shù)據(jù)從而改進(jìn)特征抽取、圖像分割、匹配和識(shí)別的可靠性。

(S5)處理后的圖像通過(guò)A/D轉(zhuǎn)換單元轉(zhuǎn)化成數(shù)字信號(hào)，然后傳遞到圖像鄰域處理器；

(S6)圖像鄰域處理器采用自適應(yīng)閾值分割算法對(duì)所提取的圖像進(jìn)行分割、計(jì)算；

圖像分割算法可分為基于閾值、基于邊緣和基于區(qū)域等3類(lèi)，其中，常用的是基于閾值的圖像分割。由于圖像特征和圖像信息不同，可以對(duì)基于閾值的圖像分割算法進(jìn)行分類(lèi)，可分為基于全局的閾值分割和局部的閾值分割法。在本發(fā)明中，采用以下方法來(lái)實(shí)現(xiàn)，如圖5所示：

(S61)采用Sobel算法計(jì)算出圖像的邊緣圖像；

在該步驟中，首先要獲取采樣圖像的邊緣圖像，

邊緣圖像是圖像最基本的特征之一，在邊緣圖像上具有大部分的信息，邊緣圖像也存在著圖像的不規(guī)則和不平穩(wěn)現(xiàn)象，也存在著信號(hào)的突變點(diǎn)處，這些點(diǎn)給出了圖像輪廓的位置，這些輪廓常常是我們?cè)趫D像邊緣檢測(cè)、劃分時(shí)非常重要的特征條件，常見(jiàn)的邊緣算子有Robert算子、Sobel算子、Prewitt算子、Laplacian算子、Canny算子等，在本發(fā)明，采用Sobel算子。

由于Sobel算子認(rèn)為領(lǐng)域的像素對(duì)當(dāng)前像素產(chǎn)生的影響不是等價(jià)的，所以距離不同的像素具有不同的權(quán)值，對(duì)算子產(chǎn)生的影響也不同，一般來(lái)說(shuō)，距離越大，產(chǎn)生的影響越小。在本發(fā)明中的實(shí)施例中，選取2個(gè)Sobel算子模板，如圖4(a)和圖4(b)所示，圖4(a)為垂直模板，圖4(b)為水平模板，以大小為3×3模板為例，獲取圖像的像素，對(duì)該像素的兩個(gè)模板，Sobel算子的兩個(gè)模板分別與3×3的鄰域窗口的像素進(jìn)行卷積運(yùn)算，求出窗口中心的像素點(diǎn)梯度，再計(jì)算出該像素點(diǎn)梯度的模，并與閾值相比較，進(jìn)行二值化，從而得到圖像的邊緣圖像。

(S62)采用Bernsen算法對(duì)所選取的圖片進(jìn)行分割；

Bernsen算法是一種典型的局部閾值算法，其思想是考慮在灰度圖像中以像素點(diǎn)在本方法中，首先將圖像照不同的區(qū)域特點(diǎn)分割成塊后，每個(gè)圖像塊選取該塊中圖像的最大和最小灰度值的平均值作為閾值。通過(guò)以下公式，可計(jì)算出窗口的閾值：

T(x,y)＝1\2(max(f(x+m,y+n))+min(f(x+m,y+n)))(-w≤m≤w,-w≤n≤w)，式(1)

其中，w表示窗口寬度的參數(shù)，T(x,y)為每個(gè)窗口的閾值，m、n表示圖片水平、垂直不同位置的像素，f(x,y)為圖片像素。

其次，將圖片塊的中心點(diǎn)像素的灰度值與上一步計(jì)算的閾值進(jìn)行比較，從而確定灰度值，用公式表示為：

即當(dāng)圖片像素f(x,y)小于T(x,y)時(shí)，灰度值為0，當(dāng)圖片像素f(x,y)大于等于T(x,y)時(shí)，灰度值為1。以此，完成圖片分割。

(S63)將Sobel算法的結(jié)果與Bernsen算法的結(jié)果相結(jié)合，實(shí)現(xiàn)圖像塊閾值的自適應(yīng)。

該方法對(duì)于非均勻光照的圖像分割效果較好，本方法中的圖像鄰域處理器一次能夠讀取64個(gè)像素?cái)?shù)據(jù)。

(S7)計(jì)算結(jié)果在控制單元作用下在系統(tǒng)服務(wù)器中的顯示單元顯示，供用戶使用。

通過(guò)數(shù)據(jù)的分析得出斑塊各指數(shù),可以反映一定的問(wèn)題,分析問(wèn)題,通過(guò)這些得出的結(jié)論對(duì)不同屬性的景觀設(shè)計(jì)、景觀考察提出建議,并將其運(yùn)用到設(shè)計(jì)中。

本發(fā)明有益的效果是：

本發(fā)明采用一個(gè)或多個(gè)圖像采集單元與GIS單元單元直接通訊，能夠?qū)崿F(xiàn)圖像采樣的及時(shí)性、多樣性、便利性，很容易地獲取大量的景觀圖片節(jié)點(diǎn)，且圖像采集單元可與其他裝置一起使用，通過(guò)TCP/IP與GIS單元進(jìn)行無(wú)線通訊，使用方便。

本發(fā)明通過(guò)對(duì)圖片進(jìn)行圖像預(yù)處理，消除圖像中無(wú)關(guān)的信息，更加有利于圖像的分析和處理。

本發(fā)明采用高精度、高速度A/D同步采樣技術(shù)，轉(zhuǎn)化速度較快。

本發(fā)明通過(guò)鄰域算法對(duì)景觀節(jié)點(diǎn)進(jìn)行計(jì)算，能夠合理地尋找出景觀過(guò)渡帶中分類(lèi)的標(biāo)準(zhǔn)，依據(jù)分類(lèi)線自身的屬性，提取出景觀類(lèi)型的邊界。因此，只要將景觀的類(lèi)型合理地劃分，即給定景觀分類(lèi)的臨界值，鄰域算法就可以應(yīng)用到邊界提取中。諸如在草地、耕地、林地等相互鑲嵌分布的地帶，這些地帶互相稱(chēng)為包容的格局。在確定其界限時(shí)，如果依靠消融的方法，將一定面積以下的多邊形剔除，是不能夠準(zhǔn)確地反映交錯(cuò)區(qū)的真實(shí)界限，因?yàn)樵谶M(jìn)行消融時(shí)，也概化了鑲嵌分布的消息，如果利用過(guò)鄰域算法則可將不同屬性的地域單獨(dú)提取出來(lái)，就可以分析他們集中分布的界限。

運(yùn)用本發(fā)明中的方法可以追蹤大面積的鑲嵌分布的復(fù)雜景觀類(lèi)型間的邊界，也可以運(yùn)用到類(lèi)型的空間劃分上。在景觀分析中，經(jīng)常需要對(duì)過(guò)渡類(lèi)型進(jìn)行分類(lèi)處理，例如，農(nóng)牧交錯(cuò)區(qū)、草地和沙地交錯(cuò)區(qū)、稀疏草原過(guò)渡區(qū)、谷緣線、地貌分界線等，都可以滿足其分析的需要。具有明顯的技術(shù)先進(jìn)性，實(shí)用性較強(qiáng)。

本發(fā)明中的圖像鄰域處理器一次能夠讀取64個(gè)像素?cái)?shù)據(jù)，容量大，運(yùn)行能力強(qiáng)。

雖然以上描述了本發(fā)明的具體實(shí)施方式，但是本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)理解，這些具體實(shí)施方式僅是舉例說(shuō)明，本領(lǐng)域的技術(shù)人員在不脫離本發(fā)明的原理和實(shí)質(zhì)的情況下，可以對(duì)上述方法和系統(tǒng)的細(xì)節(jié)進(jìn)行各種省略、替換和改變。例如，合并上述方法步驟，從而按照實(shí)質(zhì)相同的方法執(zhí)行實(shí)質(zhì)相同的功能以實(shí)現(xiàn)實(shí)質(zhì)相同的結(jié)果則屬于本發(fā)明的范圍。因此，本發(fā)明的范圍僅由所附權(quán)利要求書(shū)限定。