4.3 基于轮廓线的矢量化方法的改进
　　基于轮廓线的矢量化过程可以分为轮廓提取，跟踪，轮廓特征点提取，轮廓矢量化。轮廓特征点的提取直接影响到矢量化的效果，即怎样从轮廓跟踪后得到的紧密排列的有序轮廓点中，提取出表示图像轮廓关键特性的点。文献[7]主要针对特征点提取提出了一种基于以“径向增量同向段”和“径向增量异向段”为基本元素构成位图轮廓边界的轮廓特征点提取算法，并对特征点进行插值；得到最终的图像轮廓特征点。由这些特征点可以表征原图像的形体特征，且算法具有计算简单和工作量少的特点。

　　5 其他方面的改进
　　近年来也有学者尝试将计算智能中的遗传算法，神经网络等引入到图像矢量化方法的某些环节如：图像分类、分层、细化、曲线特征点提取等，从而对算法进行适当的改进。

　　6 结束语
　　本文概述了栅格图像矢量化的常用方法和存在的问题，并介绍了多种主要的改进方法。其中，仍有一些方法需要得到进一步的改进，在实际应用中，我们可以根据矢量化对象的特点和各改进方法的优点将不同的算法进行结合和运用。国际上商品化的矢量化软件有德国Softelec公司的VPStudio、挪威RxSpotlight、美国GTX公司的GTXRasterCAD PLUS，Able公司的R2v等等，国内的有MapGIS、中科院的VWAN、清华山维的EPScan等，这些软件都能对栅格图像进行矢量编辑或进行一定程度上的自动矢量化，但是矢量化精度和速度上尚不能完全达到工程自动化的需要，普遍具有对噪音、缺损敏感等缺点。可见栅格图像自动矢量化是一个非常困难而远远没有被解决的问题，其难点主要在于图像要素的复杂性和多样性。预计栅格图像自动矢量化技术还将在以下几个方面得到进一步的研究和发展：
　　1) 基于细化的矢量化方法设计中，复杂的图像要素的自动识别比较困难，有效的特征提取显得尤为重要；
　　2) 提高矢量化算法的自适应性，提高矢量化软件的自动化程度；
　　3) 栅格图像的智能与自动矢量化涉及到计算机图形学、图像处理、模式识别、人工智能等多种技术，与各相关技术的新的高效的科研成果相结合也是栅格图像矢量化改进的一种途径；
　　4) 研制公共的数据转换器实现不同软件之间的数据交换，从而促进不同的矢量化软件之间的相互兼容。
　　
　　参考文献：
　　[1] 扶卿华,倪绍祥,郭剑.栅格数据矢量化及其存在问题的解决[J].现代测绘,2004,27(3):8-11.
　　[2] 王辉连,武芳.利用数学形态学提取骨架线的改进算法[J]. 测绘科学,2006,31(1):29-33.
　　[3] 孙景荣,许录平.一种改进的图形矢量化方法[J].计算机工程与应用,2004,(1):88-90.
　　[4] WU Hua-yi,GONG Jian-ya,LI De-ren.Non-boundary Run-length Encoding System for Raster and Its Relevant Algorithms[J]. Acta Geodaetica et Cartographica Sinica,1998,27(1):63-64.
　　[5] 谢顺平,都金康.基于游程编码的GIS栅格数据矢量化方法[J].测绘学报,2004,33(4):323-327.
　　[6] 陈争光,吴裕树,王玉芳.一种新型的地形等高线矢量化方法[J].计算机工程与应用,2004,(3):84-86.
　　[7] 严素蓉,朱桂林,徐从富.一种位图矢量化新方法[J].计算机工程与应用,2005,(14):85-87.