彩色地形图中点状符号识别方法研究与实现

摘要

随着地理信息产业的发展，地理信息无论是在军事上还是日常生活中都越来越起到重要作用。地图模式识别是近年来非常活跃的研究方向，得到了广泛的关注和迅猛发展。地图模式识别是提高地图自动化水平的关键技术，其中，点状符号又是地图中的核心要素，所以地图点状符号的自动识别也是地图模式识别中的难点和重点。
　　地图点状符号的自动识别主要包括点状符号的提取与识别。地形图中的地理要素分布非常复杂，各类要素如线划、文字注记、背景普染以及不同类型的点状符号等组合交织在一起，相互覆盖、相互影响，给点状符号的自动提取与识别造成了很大的困难。本文通过研究地图点状符号的自动识别技术现状，结合实际应用的需求特点，设计实现了基于人机交互的地图点状符号自动识别系统。该方法首先对地图进行简化过滤处理，然后人工的将点状符号框选出来，系统对框选出来的点状符号进行自动识别。
　　本文提出的地形图点状符号识别算法是先提取后识别的模式，即提取出地形图中点状符号的特征，并构成多维的特征向量，再进行识别的过程，也就是将特征空间中的待识别符号划分为某一类别。地形图点状符号的特征是指能够反映自身的本质特性，并用于区分本类符号与其他符号的基本依据。目前针对地形图点状符号识别问题，基于符号形状特征的算法较多，形状特征充分考虑了点状地图符号的主要视觉变量，并且形状特征易于准确提取。而基于地形图点状符号高级特征（如矩特征，纹理特征等）的算法也相继提取,此类特征充分利用计算机在运算方面的优越性。此类特征的描述主要有两种方式，一种是使用符号的边界特征来描述符号形状，另一种是使用符号在图像内覆盖的区域特征来描述符号形状。地形图中点状符号特征选取直接影响到分类器的设计及性能，本文提取出的小波矩、傅里叶描述子、组合特征具有较强的分类能力，能够使类内各样本差异尽量小，类间差异尽量大，并且具有较高的稳定性、抗干扰性和几何变换不变性，如平移、旋转、缩放之后符号的不变性等。最后将这些特征构成的多维特征向量输入分类器中进行判别，本文利用数据挖掘中的支持向量机、决策树和贝叶斯等经典算法用在目标符号的分类识别当中，实现了多种分类器。本文在最后给出了结合MapGIS K9平台，用Visual Studio2005语言以及OpenCV开源计算机视觉库实现的地图点状符号识别组件，并对其进行了性能和特点分析，展示了实现效果。

目录

封面

声明

中文摘要

英文摘要

插图索引

表格索引

符号对照表

缩略语对照表

目录

第一章 绪论

1.1引言

1.2研究背景

1.3本文工作

第二章 背景知识

2.1 MapGIS K9平台

2.2 OpenCV

2.3COM组件

2.4地图符号基础知识

2.5本章小结

第三章 基于多特征的点状符号识别

3.1 地图点状符号的特征选取

3.2傅里叶描述子

3.3图像的不变矩

3.4组合特征

3.5本章小结

第四章 分类器的设计

4.1支持向量机

4.2决策树

4.3贝叶斯算法

4.4本章小结

第五章 实验结果与分析

5.1地图图像的预处理

5.2特征提取实验

5.3地图点状符号识别实验结果

5.4本章小节

第六章 总结与分析

6.1总结

6.2展望

参考文献

致谢

作者简介