彩色地形图点状地物符号的提取与识别

摘要

地理空间数据对数字城市的建设至关重要，将现有的地形图数字化，并对地图要素进行自动提取和识别以获得地理信息，是获得地理空间数据的一种低廉而高效的方法，在今后相当长的一段时间内仍将是数字地理信息的主要来源之一。 本文针对彩色地形图点状地物符号的自动提取和识别作了具体的研究工作。本文首先分析了人阅读地图的过程，并利用模式识别理论分析了计算机阅读地图过程，在此基础上对地图识别的总体框架进行了设计，采用二次去噪模型，提高了彩色图像处理的效果。 地形图经扫描后，采用非线性各向异性扩散方法对彩色图像进行平滑处理，以提高彩色图像的质量。通过对各种颜色空间的比较，选择了适合彩色地形图分割的11-12-13颜色空间，并利用模糊C均值聚类方法在颜色链表的直方图上完成了对彩色地形图的自动分色，得到了黑、棕、蓝、绿四个要素图。要素图经二值化后，用数学形态学方法对其进行二次去噪，修补断点，去除孤立点、毛刺，为后续的识别打下基础。对细化的二值要素图进行矢量化操作，得到矢量化数据。最后使用统计方法和神经网络方法实现了点状地物符号的识别。

目录

文摘

英文文摘

声明

第一章绪论

1.1研究背景及意义

1.2地图信息的自动识别与提取

1.3本文研究的主要内容

第二章地图模式识别的原理和方法

2.1模式识别的原理和方法

2.1.1模式识别

2.1.2模式识别的方法

2.1.3模式识别的过程

2.1.4模式识别系统的设计

2.2图像模式识别

2.3地图模式识别

2.3.1人类阅读地图的过程

2.3.2计算机模拟人类阅读地图的过程

2.3.3地图扫描图像信息自动识别和提取的总体框架

2.4本章小结

第三章彩色地形图模式识别的预处理

3.1彩色地形图扫描影像的获取

3.1.1彩色地形图扫描影像的获取

3.1.2彩色地形图扫描影像的误差分析

3.2彩色地形图扫描影像的一次预处理——平滑处理

3.2.1平滑算法

3.2.2非线性各向异性扩散平滑(P-M方程)

3.2.3非线性各向异性扩散在彩色地图中的应用

3.2.4非线性各向异性扩散的流程

3.2.5非线性各向异性扩散实验结果及分析

3.3彩色地形图扫描影像的分色处理

3.3.1彩色地形图扫描影像分色处理的意义与形式

3.3.2自动分色的原理

3.3.3颜色空间的实验结果及分析与降维处理

3.3.4彩色地形图的分色方法

3.3.5模糊C均值聚类算法(FCM)

3.3.6基于颜色链表的直方图模糊C均值聚类分色方案及其流程

3.3.8分色实验结果及分析

3.3.9分色要素图的二值化

3.4使用数学形态学方法对分色要素图的二次预处理

3.4.1二值数学形态学理论

3.4.2使用数学形态学对分色二值要素图的二次去噪

3.4.3数学形态学对分色二值要素图二次去噪的实验结果及分析

3.5二值化要素图的细化

3.5.1细化算法

3.5.2 OPTA细化算法

3.5.3 Hilditch细化算法

3.5.4细化实验结果及分析

3.6二值化要素图的矢量化

3.6.1矢量化的方法

3.6.2基于细化的矢量化方法

3.7地图图像的定向

3.7.1地图图像的定向

3.7.2大地坐标和高斯坐标之间的转换

3.7.3高斯坐标和像素坐标之间的转换

3.8本章小结

第四章点状地物符号的自动提取与识别

4.1地形图点状符号的自动识别

4.2基于形状分析的点状地物符号的识别

4.2.1基于形状分析的点状地物符号的识别方案

4.2.2地图点状地物符号的特征提取

4.2.3基于组合特征的点状地物符号的识别

4.2.4基于组合特征的点状地物符号的识别实验

4.3基于神经网络的点状地物符号的识别

4.3.1神经网络基本理论

4.3.2基于BP神经网络的点状地物符号的识别

4.3.3基于BP神经网络的点状地物符号的识别实现

4.4本章小结

第五章结论和展望

参考文献

攻读硕士期间发表论文

致谢