第一章 绪论 1
1.1 地理信息获取的方法与途径 3
1.2 地图信息识别与提取技术的发展与现状 5
1.3 目前地图信息获取技术存在的主要问题 11
第二章 地图信息识别与提取方法综述 12
2.1 线划跟踪方法 12
2.1.1 细线划的跟踪 12
2.1.2 粗线划的跟踪 14
2.1.3 区域边线的跟踪 15
2.1.4 预测跟踪算法 15
2.1.5 交叉点的处理 16
2.1.6 评述 18
2.2 数学形态学方法 18
2.2.1 二值影像的形态变换 19
2.2.2 二值影像形态变换的结构元 21
2.2.3 地图信息识别与提取的数学形态学典型算法简介 23
2.2.4 评述 27
2.3 统计—结构方法 27
2.3.1 彩色地图的统计聚类分色处理方法 28
2.3.2 点状符号的统计—结构法识别 30
2.3.3 评述 32
2.4 神经网络方法 33
2.4.1 神经网络的基本概念 34
2.4.2 Kohonen神经网络与地图分色处理 36
2.4.3 BP神经网络与点状符号识别 37
2.4.4 评述 38
2.5 人工智能方法 39
2.5.1 地图信息识别所需知识及其分类 40
2.5.2 地图识别所需知识的表示方法 41
2.5.3 地图信息识别中知识的利用 44
2.5.4 评述 45
2.6 本章小结 45
第三章 基于结构特征的地图信息识别方法与策略 48
3.1 地图信息结构特征的种类 48
3.2 基于结构特征的地图信息识别与提取的基本原理 50
3.2.1 模式基元的选择与提取 50
3.2.2 模式基元之间关系的分析与描述 56
3.2.3 地图符号的识别与提取 61
3.3 特征提取的有关算法 62
3.3.1 像素点特征 62
3.3.2 收缩变换 63
3.3.3 扩张变换 64
3.3.4 细化 65
3.3.5 直线段的检测与提取 69
3.3.6 曲线特征点的提取 70
3.3.7 Hough变换 71
3.3.8 RLS变换 71
3.4 地图信息识别与提取的分层处理策略 73
3.4.1 地图分色或分版 73
3.4.2 地图要素的分类 74
3.4.3 已识别地图要素的去除 74
3.5 地图信息的属性编码与数据结构 75
3.5.1 属性编码 75
3.5.2 数据结构 75
3.6 本章小结 77
第四章 地图扫描图像的预处理 78
4.1 地图扫描图像的二值化 78
4.1.1 定阈值二值化方法 79
4.1.2 可变阈值二值化方法 79
4.1.3 自适应二值化方法 79
4.1.4 最优阈值二值化方法 81
4.1.5 地图扫描图像二值化实例 82
4.2 地图图像的自动定向 84
4.2.1 十字交点的识别与提取 84
4.2.2 图廓点的识别和提取 87
4.2.3 定向参数的求取 88
4.2.4 实例与结论 89
4.3 地图图像上方里网线的自动消除 95
4.3.1 方里网线端点高斯坐标的求取 96
4.3.2 方里网线端点图像坐标的求取 99
4.3.3 方里网线的跟踪与检测 100
4.3.4 方里网线的消除 100
4.3.5 方里网线消除实例 101
4.4 图外信息的消除 103
4.5 本章小结 105
第五章 地物符号的识别与提取 107
5.1 黑块类符号的识别与提取 107
5.1.1 收缩变换 108
5.1.2 消除细线和孤立点 108
5.1.3 扩张变换 108
5.1.4 边线的自动跟踪 109
5.1.5 黑块类符号属性判别 110
5.1.6 黑块类符号定位信息的提取 110
5.1.7 已识别黑块类符号的消除 112
5.2 带晕线类符号的识别与提取 115
5.2.1 图像变换 115
5.2.2 开线划的消除 116
5.2.3 边界点的自动跟踪 117
5.2.4 带晕线类符号属性判别 117
5.2.5 已识别带晕线类符号的消除 119
5.3 虚线类符号的识别与提取 126
5.3.1 两端均为自由端的线分割与提取 126
5.3.2 交叉短线的分割与提取 127
5.3.3 短线的跟踪与合成 128
5.3.4 虚线类符号定位信息的提取 129
5.3.5 虚线类符号属性判别 129
5.3.6 已识别虚线类符号的消除 129
5.4 闭合曲线类符号的识别与提取 132
5.4.1 闭合曲线的跟踪 132
5.4.2 闭合曲线类符号属性判别 133
5.4.3 闭合曲线类符号定位信息的提取 135
5.4.4 已识别闭合曲线类符号的消除 135
5.5 组合线划类符号的识别与提取 137
5.5.1 短线划的跟踪与消除 137
5.5.2 长线划的跟踪提取 138
5.5.3 组合线划类符号属性判别 138
5.5.4 组合线划类符号定位信息的提取 140
5.5.5 已识别组合线划类符号的消除 140
5.6 长实线类符号的识别与提取 144
5.6.1 长线划的跟踪提取 144
5.6.2 长实线类符号属性判别 144
5.6.3 长实线类符号定位信息的提取 145
5.6.4 已识别长实线类符号的消除 145
5.7 本章小结 147
第六章 等高线的识别与提取 149
6.1 计曲线的分割与提取 150
6.1.1 等高线图像的收缩变换 150
6.1.2 细线的消除 150
6.1.3 等高线图像的细化 151
6.1.4 短线和黑色区域的消除 151
6.1.5 计曲线断点的拚接 151
6.1.6 计曲线矢量信息的提取 153
6.1.7 计曲线的消除 153
6.2 首曲线的分割与提取 155
6.2.1 首曲线图像的细化 155
6.2.2 细线与粘连区域的分离 156
6.2.3 细线断点连接 156
6.2.4 首曲线矢量信息的提取 160
6.3 等高线高程值的获取 162
6.3.1 闭合等高线间的拓扑关系 162
6.3.2 等高线拓扑关系的树结构表示 165
6.3.3 闭合等高线高程之间的关系 166
6.3.4 等高线间包含关系的判别 168
6.3.5 不闭合等高线的闭合化处理 169
6.3.6 等高线高程值的求取 173
6.4 本章小结 175
第七章 注记信息的识别与提取 176
7.1 文字识别的一般方法 176
7.1.1 文字识别的统计决策方法 177
7.1.2 距离 178
7.1.3 类似度 179
7.1.4 复合类似度和发胖距离变换 180
7.1.5 文字识别的句法结构方法 183
7.1.6 两种文字识别方法的比较 184
7.2 注记信息识别区域的确定与字切分 186
7.2.1 注记信息识别区域的确定 186
7.2.2 字切分 186
7.2.3 最大宽度回溯字切分算法 188
7.3 字的规范化处理 188
7.3.1 位置规范化 188
7.3.2 尺寸规范化 189
7.3.3 笔划粗细规范化 190
7.4 印刷体文字识别的粗分类 190
7.4.1 粗分类的目的和要求 190
7.4.2 重叠区分类 192
7.4.3 中心提取分类 192
7.4.4 判定树分类 193
7.4.5 引导树分类 194
7.5 印刷体文字分类的主要特征和方法 195
7.5.1 复杂指数和四边码 195
7.5.2 粗外围特征 196
7.5.3 粗网格特征 197
7.5.4 笔划密度特征 198
7.5.5 R变换 198
7.5.6 文字特征点 199
7.5.7 平均线密度 201
7.6 注记信息识别结果的后处理 201
7.6.1 单字向字串的转换 201
7.6.2 数字字串向数的转换 202
7.6.3 注记信息位置的确定 203
7.6.4 注记信息的数据结构 203
7.7 本章小结 204
参考文献 205
后记 210