地圖信息識別與提取技術(shù)

前言

近些年來，地理信息系統(tǒng)作為信息科學(xué)和信息產(chǎn)業(yè)的重要組成部分受到世界各國的普遍重視，并得到了快速地發(fā)展。數(shù)字地理信息是地理信息系統(tǒng)建立和應(yīng)用的基礎(chǔ)。國內(nèi)外的實踐表明，在建立地理信息系統(tǒng)的過程中，地理信息獲取在工作量和資金投入兩方面均占80％左右?，F(xiàn)有各種比例尺的地形圖是對地理信息較完整的表示，過去、現(xiàn)在和將來相當(dāng)長的時期內(nèi)，地圖數(shù)字化都是獲取數(shù)字地理信息的主要途徑之一。傳統(tǒng)的地圖手扶跟蹤數(shù)字化方法有速度慢、精度低、可靠性差、自動化程度低和勞動強度大等缺點，已遠遠不能滿足地理信息系統(tǒng)發(fā)展的需要。從地圖掃描圖像上識別和提取數(shù)字地理信息為地圖數(shù)字化開辟了新的途徑，對促進地理信息系統(tǒng)的建立和應(yīng)用具有重要意義。地圖信息的識別與提取技術(shù)涉及到計算機、模式識別、數(shù)字圖像處理、人工智能、計算機視覺、地理學(xué)、地圖學(xué)等多個學(xué)科。正如視覺計算理論的創(chuàng)始人美國麻省理工學(xué)院的Marr教授所指出的那樣，所謂“看見”，就是指“發(fā)現(xiàn)有什么東西，在什么地方”。地圖信息識別與提取在技術(shù)上主要解決地圖上各種地理要素屬性信息和空間信息的獲取問題。近些年來，國內(nèi)外的有關(guān)學(xué)者在該領(lǐng)域內(nèi)進行了廣泛而深入的研究，推動了地圖信息識別和提取技術(shù)的發(fā)展。本書是在作者博士論文的基礎(chǔ)上完成的，是作者近年來在地圖信息識別與提取領(lǐng)域所獲研究成果的總結(jié)，同時還包括了國內(nèi)外同行的部分有關(guān)研究成果。

內(nèi)容概要

本書是一本系統(tǒng)介紹地圖信息識別與提取原理和算法的學(xué)術(shù)專著。全書共分七章：第一章論述了地圖信息識別與提取技術(shù)的發(fā)展現(xiàn)狀；第二章介紹了現(xiàn)有的各種地圖信息識別與提取方法；第三章重點介紹了基于結(jié)構(gòu)特征的地圖信息識別與提取的基本原理；第四章介紹了地圖掃描圖像的自動預(yù)處理方法；第五章介紹了各種主要地物符號的識別與提取算法；第六章介紹了等高線的識別與提取算法；第七章介紹了注記信息識別與提取的各種方法?！　”緯勺鳛闇y繪專業(yè)高年級學(xué)生和研究生的教學(xué)參考書，對從事測繪學(xué)、地理學(xué)、數(shù)字圖像處理和模式識別領(lǐng)域工作的廣大科技人員也有較大的參考價值。

書籍目錄

第一章　緒論　1.1　地理信息獲取的方法與途徑　1.2　地圖信息識別與提取技術(shù)的發(fā)展與現(xiàn)狀　1.3　目前地圖信息獲取技術(shù)存在的主要問題第二章　地圖信息識別與提取方法綜述　2.1　線劃跟蹤方法　　2.1.1　細線劃的跟蹤　　2.1.2　粗線劃的跟蹤　　2.1.3　區(qū)域邊線的跟蹤　　2.1.4　預(yù)測跟蹤算法　　2.1.5　交叉點的處理　　2.l.6　評述　2.2　數(shù)學(xué)形態(tài)學(xué)方法　　2.2.1　二值影像的形態(tài)變換　　2.2.2　二值影像形態(tài)變換的結(jié)構(gòu)元　　2.2.3　地圖信息識別與提取的數(shù)學(xué)形態(tài)學(xué)典型算法簡介　　2.2.4　評述　2.3　統(tǒng)計一結(jié)構(gòu)方法　　2.3.1　彩色地圖的統(tǒng)計聚類分色處理方法　　2.3.2　點狀符號的統(tǒng)計一結(jié)構(gòu)法識別　　2.3.3　評述　2.4　神經(jīng)網(wǎng)絡(luò)方法　　2.4.l　神經(jīng)網(wǎng)絡(luò)的基本概念　　2.4.2　Kohonen神經(jīng)網(wǎng)絡(luò)與地圖分色處理　　2.4.3　BP神經(jīng)網(wǎng)絡(luò)與點狀符號識別　　2.4.4　評述　2.5　人工智能方法　　2.5.1　地圖信息識別所需知識及其分類　　2.5.2　地圖識別所需知識的表示方法　　2.5.3　地圖信息識別中知識的利用　　2.5.4　評述　2.6　本章小結(jié)第三章　基于結(jié)構(gòu)特征的地圖信息識別方法與策略　3.l　地圖信息結(jié)構(gòu)特征的種類　3.2　基于結(jié)構(gòu)特征的地圖信息識別與提取的基本原理　　3.2.l　模式基元的選擇與提取　　3.2.2　模式基元之間關(guān)系的分析與描述　　3.2.3　地圖符號的識別與提取　3.3　特征提取的有關(guān)算法　　3.3.1　像素點特征　　3.3.2　收縮變換　　3.3.3　擴張變換　　3.3.4　細化　　3.3.5　直線段的檢測與提取　　3.3.6　曲線特征點的提取　　3.3.7　Hough變換　　3.3.8　RLS變換　3.4　地圖信息識別與提取的分層處理策略　　3.4.1　地圖分色或分版　　3.4.2　地圖要素的分類　　3.4.3　已識別地圖要素的去除　3.5　地圖信息的屬性編碼與數(shù)據(jù)結(jié)構(gòu)　　3.5.1　屬性編碼　　3.5.2　數(shù)據(jù)結(jié)構(gòu)　　3.6　本章小結(jié)第四章　地圖掃描圖像的預(yù)處理　4.1　地圖掃描圖像的二值化　　4.1.1　定閾值二值化方法　　4.1.2　可變閾值二值化方法　　4.1.3　自適應(yīng)二值化方法　　4.1.4　最優(yōu)閾值二值化方法　　4.1.5　地圖掃描圖像二值化實例　4.2　地圖圖像的自動定向　　4.2.1　十字交點的識別與提取　　4.2.2　圖廓點的識別和提取　　4.2.3　定向參數(shù)的求取　　4.2.4　實例與結(jié)論　4.3　地圖圖像上方里網(wǎng)線的自動消除　　4.3.1　方里網(wǎng)線端點高斯坐標的求取　　4.3.2　方里網(wǎng)線端點圖像坐標的求取　　4.3.3　方里網(wǎng)線的跟蹤與檢測　　4.3.4　方里網(wǎng)線的消除　　4.3.5　方里網(wǎng)線消除實例　4.4　圖外信息的消除　4.5　本章小結(jié)第五章　地物符號的識別與提取　5.1　黑塊類符號的識別與提取　　5.1.1　收縮變換　　5.1.2　消除細線和孤立點　　5.1.3　擴張變換　　5.1.4　邊線的自動跟蹤　　5.1.5　黑塊類符號屬性判別　　5.1.6　黑塊類符號定位信息的提取　　5.1.7　已識別黑塊類符號的消除　5.2　帶暈線類符號的識別與提取　　5.2.1　圖像變換　　5.2.2　開線劃的消除　　5.2.3　邊界點的自動跟蹤　　5.2.4　帶暈線類符號屬性判別　　5.2.5　已識別帶暈線類符號的消除　5.3　虛線類符號的識別與提取　　5.3.1　兩端均為自由端的線分割與提取　　5.3.2　交叉短線的分割與提取　　5.3.3　短線的跟蹤與合成　　5.3.4　虛線類符號定位信息的提取　　5.3.5　虛線類符號屬性判別　　5.3.6　已識別虛線類符號的消除　5.4　閉合曲線類符號的識別與提取　　5.4.l　閉合曲線的跟蹤　　5.4.2　閉合曲線類符號屬性判別　　5.4.3　閉合曲線類符號定位信息的提取　　5.4.4　已識別閉合曲線類符號的消除　　5.5　組合線劃類符號的識別與提取　　……第六章　等高線的識別與提取第七章　注記信息的識別與提取參考文獻后記

章節(jié)摘錄

插圖：1.手工采集階段。手工采集地理信息的方法是把屏幕當(dāng)作數(shù)字板，用鼠標逐點采集地圖圖像上各地理要素的空間信息，而通過鍵盤或菜單輸入其相應(yīng)的屬性信息。這一方法在技術(shù)上要求對圖像有屏幕漫游的功能，并能把采樣點的圖像坐標轉(zhuǎn)化為相應(yīng)的大地坐標。盡管這種方法仍屬完全人工的數(shù)字化作業(yè)方式，但比在數(shù)字化板上手扶跟蹤數(shù)字化的傳統(tǒng)方法已在以下三個方面有了進步：一是將作業(yè)員的工作姿態(tài)從低頭操作改為抬頭操作，減輕了作業(yè)員的勞動強度；二是對圖像可以實現(xiàn)開窗放大，這樣不僅可減輕人眼的疲勞感，而且能顯著提高采樣精度；三是實現(xiàn)了采集結(jié)果（矢量數(shù)據(jù)）與地圖圖像（柵格數(shù)據(jù)）的實時疊加顯示，為地圖數(shù)字化作業(yè)提供了一種科學(xué)可靠的檢查手段，從而可以有效避免地圖信息的漏采和重采現(xiàn)象，提高了地圖數(shù)字化結(jié)果的質(zhì)量。有人作過統(tǒng)計，采用該方法的作業(yè)效率可比傳統(tǒng)方法提高30％左右。然而，即使如此，這一方法仍然具有作業(yè)速度慢和自動化程度低的缺點。這一類的軟件有Autoview等，國內(nèi)、軍內(nèi)也有少量類似軟件在地圖數(shù)字化作業(yè)中使用。2.交互式跟蹤矢量化階段。交互式跟蹤矢量化方法是通過人工引導(dǎo)下的線劃自動跟蹤技術(shù)獲取地圖上各要素的空間信息，采用人機交互方法確定并輸入相應(yīng)的屬性信息。該方法通常是在二值圖像上進行的，為了便于跟蹤，一般還需要作細化（Thinning）處理。這一技術(shù)的基礎(chǔ)是計算機視覺中最經(jīng)典的線劃跟蹤算法，適用于地圖上實線類符號和面狀符號邊線的矢量化。在細化后的地圖圖像上，對介于兩結(jié)點或端點間的線段，只要在其附近給定一個近似位置，即可將該線段自動矢量化。由于地圖上各要素間存在著大量的粘連和交叉現(xiàn)象，常常需將一個完整的線劃分成多段進行跟蹤矢量化，這不但增加了人工干預(yù)的次數(shù)，而且也使矢量化的結(jié)果帶有許多冗余的結(jié)點。為了克服這些缺點，出現(xiàn)了各種改進的跟蹤方法，預(yù)測跟蹤（Predict-ing-While-Tracing）就是其中性能較好的一種（Thomas，198l；Toshio，1986；呂建平，1988）等。

后記

本書是在作者博士論文的基礎(chǔ)上完成的，在本書即將出版之際，謹向那些曾經(jīng)給予我?guī)椭娜藗冎乱灾孕牡闹x意。首先感謝我的導(dǎo)師錢曾波教授在我攻讀博士學(xué)位期間給予的指導(dǎo)和培養(yǎng)。正是在他的支持和教誨下，我才得以順利完成該項研究。他淵博的知識、敏捷的思維、嚴謹?shù)膶W(xué)風(fēng)以及對事業(yè)執(zhí)著的追求給我留下深刻的印象，使我受益終生。同時還要感謝宋其友教授和李漢如教授多年來對我的指導(dǎo)和幫助。還要特別感謝中國地圖出版社的同志在出版本書的過程中所給予的支持和付出的勞動。謹以本書告慰我所有的親人們。

編輯推薦

《地圖信息識別與提取技術(shù)》：全國高技術(shù)重點圖書，信息獲取與處理領(lǐng)域。

圖書封面

評論、評分、閱讀與下載

---

    地圖信息識別與提取技術(shù) PDF格式下載

---