彩色地形图中点状符号识别方法研究与实现

发布时间：2017-04-30 06:01

  本文关键词：彩色地形图中点状符号识别方法研究与实现，由笔耕文化传播整理发布。

【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 Studio 2005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。
【关键词】：地图点状符号 识别 形状特征 分类器
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：P208;TP391.4
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 符号对照表10-11
• 缩略语对照表11-15
• 第一章 绪论15-19
• 1.1 引言15-16
• 1.2 研究背景16-17
• 1.3 本文工作17-19
• 第二章 背景知识19-31
• 2.1 MapGIS K9平台19-24
• 2.1.1 MapGIS K9技术特点19
• 2.1.2 MapGIS K9产品体系19-22
• 2.1.3 MapGIS K9功能特色22-24
• 2.2 OpenCV24-25
• 2.2.1 OpenCV概述24
• 2.2.2 OpenCV功能介绍24-25
• 2.3 COM组件25-27
• 2.3.1 COM组件简介25
• 2.3.2 COM组件与相关概念25-26
• 2.3.3 COM组件的优点26-27
• 2.4 地图符号基础知识27-29
• 2.4.1 地图语言27
• 2.4.2 地图符号的功能27
• 2.4.3 地图符号的基本特征27-28
• 2.4.4 地图符号的分类及构图规律28-29
• 2.5 本章小结29-31
• 第三章 基于多特征的点状符号识别31-39
• 3.1 地图点状符号的特征选取31
• 3.2 傅里叶描述子31-32
• 3.2.1 傅里叶描述子的基本思想31
• 3.2.2 傅里叶描述子的不变性特征31-32
• 3.3 图像的不变矩32-35
• 3.3.1 图像矩32-33
• 3.3.2 小波矩33-35
• 3.4 组合特征35-36
• 3.4.1 区域的体态比35
• 3.4.2 区域的密集度35-36
• 3.4.3 符号的矩形度与圆形度36
• 3.4.4 符号的连通域数目36
• 3.4.5 符号的轮廓数、孔洞数、欧拉数36
• 3.5 本章小结36-39
• 第四章 分类器的设计39-47
• 4.1 支持向量机39-42
• 4.1.1 线性可分的支持向量机39-41
• 4.1.2 非线性的支持向量机41
• 4.1.3 核函数41-42
• 4.2 决策树42-44
• 4.2.1 典型决策树算法ID3和C4.542-44
• 4.2.2 决策树剪枝44
• 4.3 贝叶斯算法44-45
• 4.3.1 朴素贝叶斯44-45
• 4.3.2 贝叶斯的特点45
• 4.4 本章小结45-47
• 第五章 实验结果与分析47-57
• 5.1 地图图像的预处理47-48
• 5.2 特征提取实验48-50
• 5.2.1 傅里叶描述子特征提取48-49
• 5.2.2 小波矩特征提取49-50
• 5.2.3 组合特征提取50
• 5.3 地图点状符号识别实验结果50-54
• 5.3.1 算法流程50-51
• 5.3.2 组件式实现51-53
• 5.3.3 地图点状符号识别实验结果及分析53-54
• 5.4 本章小节54-57
• 第六章 总结与分析57-59
• 6.1 总结57-58
• 6.2 展望58-59
• 参考文献59-61
• 致谢61-63
• 作者简介63-64

【参考文献】

中国期刊全文数据库 前1条

1 张健;;数据挖掘常用算法分析[J];科技信息;2012年32期

  本文关键词：彩色地形图中点状符号识别方法研究与实现，由笔耕文化传播整理发布。

，

本文编号：336353