Vektoriālu ģeotelpisku datu automatizēta simbolizācija, izmantojot rastra attēla paraugkarti

Abstract

Biznesa prasību nodrošināšanai, piemēram, transporta maršrutēšanai vai militāru darbību plānošanai, dažkārt ir nepieciešami vektoriāli ģeotelpiskie dati. Šie dati bieži tiek importēti no ārējām organizācijām un nesatur izmantojamu simbolizācijas informāciju, kas norādītu to attēlošanas veidu topogrāfiskajā kartē. Tomēr šo datu autoriem parasti ir pieejama paraugkarte, tas ir, topogrāfiskā karte, kurā šie vektordati ir attēloti un kuru var tālāk izmantot kā paraugu vektordatu simbolizācijai. Lai atvieglotu laikietilpīgo simbolizācijas aprakstīšanu, darba autors izstrādā lietojumprogrammu šī procesa automatizācijai. Programmas darbības galvenais princips ir katram vektoriālam objektam noteikt tā atrašanās vietu paraugkartē un analizēt attiecīgos paraugkartes pikseļus, tādā veidā iegūstot simbolizācijas likumus (krāsu u.tml.). Darba ietvaros tiek veikta darba sfēras izpēte, izstrādāts sistēmas projektējums, kā arī izvēlētas izmantotās tehnoloģijas un veikta pati izstrāde, īpašu uzmanību pievēršot attēlu analīzes un ģeotelpiskajiem algoritmiem.

Sometimes the geospatial vector data are crucial in order to fulfill the requirements of the business, such as, transport logistics or military planning. These data have often been imported from outside organizations and may not comprise useful symbolization information, that is, rules how to style and render the vector data. But data producers usually have the sample map - the topographic map, where these vector data are already rendered. In order to avoid time-consuming vector data symbolization by hand the author has developed the application to automate the process. The main principle of the application is to analyze the sample map pixels underneath of the vector data, group obtained symbolization rules and generate ready to use styles in SLD (Styled Layer Descriptor) format. Within this paper author has done theoretical research of the work field, has made the design of the application, as well as, compared related technologies and, the most important thing, developed the application, devoting particular attention to the geospatial and image analysis algorithms.