所有文章 > 正文

社会科学中的机器学习 | 如何将古地图转成GIS地图

作者: 大BOSS

时间: 2021-04-30 15:50

用GIS软件将古地图转换为GIS地图


导言
自古以来,人类记录并交流自己对世界的空间认识,形成了地图文件这一复杂的文本。历史地图无疑是我们获取关于过去的地理、社会和政治信息的重要来源之一。但是不同于现代的卫星图像或激光雷达扫描图像,古代的地图是手工制成的,并不便于使用者从中提取信息。并且这些地图往往散落在博物馆藏品或书籍中,不容易获取。因此,古地图的重构至关重要。Henrique Andrade等学者提出一种新的思路:使用条件生成对抗网络(Conditional Generative Adversarial Networks)将古地图合成为卫星图像,为使用者呈现一个更为熟悉的外观。
地图的合成主要分为三个步骤。首先,我们分别从古地图和卫星图像中生成用于分割地图的标签地图(label maps)。随后,我们使用这些卫星图像及对应的标签地图作为输入来训练Pix2pix框架。最后,我们将不同的结果进行合并,组成最终的图像。下图展示了这一过程。

历史地图分割在图像到图像的转换过程中,为了反映具体情境,经常使用标签地图(label maps)作为输入。在本方法中,为再现古地图的视觉效果即实现纹理的本地化,我们可以采用有关地形的细节或占用土地类型的信息以及建筑学和人类学文献资料作为辅助资料生成标签地图。为解决城市景观随时间变化的问题,作者建议从周围的小城镇或自然景观中提取纹理信息。下图展示了从古地图和卫星图像中生成的标签地图。

Pix2pix方法
由Isola等人提出的Pix2pix是一个条件生成对抗网络(cGAN),它的一个功能之一就是将俯瞰的街道地图转换为类似卫星影像的图。因此,我们可以使用Pix2pix方法将上一部分生成的标签地图输入,进行图片转化。Pix2pix架构由一个生成网络G和一个判别器网络D组成。我们使用G来学习如何将分割图转化为类似卫星影像的图;鉴别器D对结果进行判断,将其归为真实或计算机生成的图像。我们使用纹理图及其标签地图来训练和测试模型。最后,我们在历史标签地图上对它进行评估。合并结果
不同的输入可能捕捉不同的纹理特征。例如,输入城市环境的图像将更真实地还原城市类地图,而自然景观的图像可以更好地表现自然特征。此外,分割方法的差异也会产生不同的标签地图。因此,作者将不同的训练结果进行合并,得到一个最终的图像。作者使用一张巴西累西腓1808年的地图,见下图(a),以及来自谷歌地球(Google Earth)的该地区卫星图像进行案例展示。下图(b)为没有使用标签地图的结果,我们可以发现在没有精确情境匹配下,地图是失真的。随后,作者分别将两个不同的卫星图像集作为输入。第一个图像集包括现今的累西腓图像,是高度城市化的,得到图(c)的结果。另一个图像集则包含更多乡村地区和自然景观,得到图(d)的结果。最后,作者将两个实验的结果合并,得到一个更加真实可识别的图(e)。

最后,下图中1808年合成地图与2020年卫星地图的对照很好地呈现了城市的历史变迁。


二维码 扫码微信阅读
推荐阅读 更多