地图中河流的自动识别方法

一、引言地图是一种极普遍、极重要的信息资源。80年代以来,以扫描输入的纸质地图为对象的计算机识别理解问题愈来愈引起广泛重视。日本、美国等国先后研制出各具特点的系统,国内在这方面的研究也已起步。但其自动化程度都难以令人满意,实用性和通用性仍为有待进一步考虑的问题;另一方面,上述系统中采用的识别方法都是针对黑白图进行,大信息量的彩色信息未被利用,从而限制了识别理解技术的进一步发展。本文提出的方法对彩色纸质地图中河流的计算机自动识别理解问题做了有益的尝试。     

双线道路形态特征单元自动识别方法研究

城市道路地图数据中有关道路形态特征的识别是一类急需解决的问题。提出了一种适合在双线道路地图数据中自动识别道路形态特征单元的方法,并相应地设计了计算机算法。实验结果表明,该算法在稳健性、通用性、效率与自动化程度4个方面取得了显著效果。     

栅格地图道路的快速矢量化方法研究与实现

以彩色数字栅格地图道路数据为处理对象,提出一种基于可变矩形跟踪框技术快速矢量化道路类线要素的方法。在确定道路矢量化规则的基础上,通过采用可变矩形跟踪框技术,结合端点(交点)判断及道路惯性延伸点判断方法实行栅格地图道路的快速矢量化,并克服了当前几种常用矢量化方法的不足。实验结果表明该方法的矢量化效果十分理想。     

彩色公路交通地图图像道路提取

根据彩色公路交通地图的图像特征,提出一种新颖的道路识别与提取方法。这种方法包括三个关键步骤。首先,根据区域的特征,提取出区域的灰度值;其次,根据道路的颜色和形状特征以及数字图像处理的一些方法（如对象的连通成分等）,识别并提取出道路的颜色;最后,为了获得完整的道路网络,一些道路连接方法被提出。这种算法已经被应用于许多彩色公路地图图像中去提取道路网络。大量成功的实例表明这个算法是非常有效的。     

采色地图图像中道路信息的识别和提取

本文研究对彩色地图图像中的道路识别提取的问题。讨论了基于聚类分析的一种按颜色分离地图要素的算法,并对若干影响效果的问题提出了修正和解决办法。     

彩色城市交通地图的道路识别与提取

地图信息的识别和提取是地理信息系统的基础。研究对彩色城市交通地图中的道路信息进行识别和提取的问题。首先采用改进的模板匹配法去除地图中图例标识对于道路提取造成的干扰;然后根据地图的特征,为清除地图中的噪音,提出了一种基于颜色聚类分析的分离地图要素的算法,将各种地图要素按颜色进行归类,并根据噪声的特征结合采用有效的噪声去除算法实现对地图中道路的识别和提取,最后结果用数学形态学的方法进行优化处理,并进行试验。实验结果表明,该方法可以取得良好的道路提取效果。     

彩色公路地图道路自动获取的结构元素法

为了适应栅格地图向矢量地图转化的需求,提出一种彩色公路地图道路自动获取的结构元素方法.该方法包括2个关键步骤:第一步自动识别所有的区域像素并且将其全部置于白色;第二步通过完全消除区域中的文字、图标等噪声来获取道路.为了说明文中方法的有效性,将其应用到一大类彩色公路地图,并通过与已有方法的对比说明了其优越性.     

一种基于道路知识的矢量地图数据校正方法

准确完整的交通矢量地图是车辆导航、路径寻优等应用工作的良好基础.为了解决交通矢量地图的错误数据信息问题,在分析城市道路分布特点的基础上,提出了一种基于道路知识的矢量地图数据校正方法.将矢量数据信息中普遍存在的错误进行分类,通过对城市道路设计规范和城市道路相关知识的归纳,抽取出对各种类型错误的判定规则和校正算法,为矢量地图的校正提供了一种较新的思路.实验结果表明,该算法能够快速有效的检测和校正矢量地图数据信息中存在的各类问题,能够保证矢量地图拓扑的准确性和完整性.     

彩色公路地图的道路自动提取

首先采用模板匹配、特征抽取等方法提取城市和道路的标识,这些标识对后面的道路的提取有着重要的作用;然后根据道路的等级,在颜色基础上利用道路的特征分层提取道路图层;最后对道路进行细化,依据城市与道路,各种道路间的关系以及道路的特征建立一系列的判据,检查道路的合理性,并产生相应的策略对道路进行反馈处理,实现道路的全自动提取．实验结果表明了该方法的有效性．     

GIS中道路截断算法的研究与实现

为了实现矢量化地图上根据用户指定点截断道路，文章提出针对该问题的两种算法并分别进行了复杂性分析。算法已在一实际的物流保障GIS系统中实现且运行良好。     

Automatic and Accurate Extraction of Road Intersections from Raster Maps

Since maps are widely available for many areas around the globe, they provide a valuable resource to help understand other geospatial sources such as to identify roads or to annotate buildings in imagery. To utilize the maps for understanding other geospatial sources, one of the most valuable types of information we need from the map is the road network, because the roads are common features used across different geospatial data sets. Specifically, the set of road intersections of the map provides key information about the road network, which includes the location of the road junctions, the number of roads that meet at the intersections (i.e., connectivity), and the orientations of these roads. The set of road intersections helps to identify roads on imagery by serving as initial seed templates to locate road pixels. Moreover, a conflation system can use the road intersections as reference features (i.e., control point set) to align the map with other geospatial sources, such as aerial imagery or vector data. In this paper, we present a framework for automatically and accurately extracting road intersections from raster maps. Identifying the road intersections is difficult because raster maps typically contain much information such as roads, symbols, characters, or even contour lines. We combine a variety of image processing and graphics recognition methods to automatically separate roads from the raster map and then extract the road intersections. The extracted information includes a set of road intersection positions, the road connectivity, and road orientations. For the problem of road intersection extraction, our approach achieves over 95% precision (correctness) with over 75% recall (completeness) on average on a set of 70 raster maps from a variety of sources.

基于形态分解运算的地形图要素自动提取与识别

针对地形图识别中的要素自动分割问题，提出了基于形态分解运算的提取算法．本算法根据形态特征的不同将地图要素进行结构分解，然后运用腐蚀、膨胀、改进的RLS变换等算子对相同特征的结构进行分类综合，最后依据要素特征组合的整体分析实现了地图上各要素的提取．同以往的算法相比，本算法运算简单，且能更好的解决地图要素的重叠及粘连问题．此算法已编程实现，实验证明效果比较理想。     

地形图数字注记的自动提取与识别

地形图的自动扫描矢量化是GIS领域亟待解决的一个重要难题。地形图中包含了大量的字体丰富的数字注记,用以表示地物地貌的属性等特征,正确提取并识别这些数字是图纸处理中的重要组成部分。本文分析了现有的提取方法的不足,提出了一种新的数字注记自动提取与识别算法,首先根据先验的尺寸大小确定候选数字,再采用OCON结构的BP神经网络识别出真正的数字,然后利用近邻关系提取出扩展数字。实验表明,该算法是快速、高效、可靠的。     

SAR图像自动道路提取

提出了一种新的快速有效的低分辨率SAR图像自动道路提取算法。算法使用道路特征检测算子检测道路边缘,利用一系列模板进行边缘像素的标定和短线段的连接,最后使用动态规划技术进行道路曲线段的连接。使用低分辨RadarSat SAR图像进行实验,实验结果证明了该算法的有效性。     

基于D-S证据理论的城市航拍道路提取方法

针对有复杂场景的城市航拍图像,提出了一种基于D-S证据理论的道路提取方法.首先建立道路模型;然后将图像分块,建立灰度连通集,并选取子图像中较大的灰度连通集作为候选道路段;根据道路模型从候选道路段中提取特征来定义多个概率分配函数BPAF(basic probability assignment functions),并使用Dempster合成法则对其进行合成,识别出道路段;最后将已识别出的道路段进行合并,排除错误路段,形成道路.实验结果证明了这一方法的有效性.     

Extraction of Road Information from Guidance Map Images

A function of image recognition is indispensable to an intelligent robot which can coexist with a human being. Furthermore, the intelligent robot needs to understand the environment of their action range by getting information of characters and maps on advertisements and signboards in order to move autonomously. In this research, a method to search the route from the starting point to the destination on a guidance map, by extracting the road area on the map and revising degradation portions because of overlapping with characters or other figures is proposed. And the validity of this method is shown by the experiment using maps which were collected from advertisements or pamphlets.     

一种基于改进土地覆盖更新方法的新增建设用地自动提取

快速准确掌握新增建设用地信息对城镇化监测研究具有重要意义。基于后验概率变化矢量检测的土地覆盖更新方法中，存在初始样本准确性低、后验概率变化矢量检测精度不理想的问题，结合多元变化检测方法，对基于后验概率变化矢量检测的更新方法进行改进，提出一种可应用于新增建设用地提取的自动化方法。利用两期影像多元变化检测结果提高初始训练样本的准确性，同时在迭代选择样本过程中加入该变化检测结果，改善变化检测更新和重分类过程的精度，更准确地提取新增建设用地。用两期嘉兴地区高分一号影像和前期影像土地利用/覆盖分类数据验证改进效果，并与改进前方法对比。结果表明：改进方法提取的2017年新增建设用地精度更高，提取更新后的2017年建设用地总体精度达到85%，Kappa系数0.7以上，变化检测精度比未改进前显著提高。同时该方法显著减少了迭代次数，提高了提取效率。     

一种基于改进土地覆盖更新方法的新增建设用地自动提取

快速准确掌握新增建设用地信息对城镇化监测研究具有重要意义。基于后验概率变化矢量检测的土地覆盖更新方法中,存在初始样本准确性低、后验概率变化矢量检测精度不理想的问题,结合多元变化检测方法,对基于后验概率变化矢量检测的更新方法进行改进,提出一种可应用于新增建设用地提取的自动化方法。利用两期影像多元变化检测结果提高初始训练样本的准确性,同时在迭代选择样本过程中加入该变化检测结果,改善变化检测更新和重分类过程的精度,更准确地提取新增建设用地。用两期嘉兴地区高分一号影像和前期影像土地利用/覆盖分类数据验证改进效果,并与改进前方法对比。结果表明：改进方法提取的2017年新增建设用地精度更高,提取更新后的2017年建设用地总体精度达到85%,Kappa系数0.7以上,变化检测精度比未改进前显著提高。同时该方法显著减少了迭代次数,提高了提取效率。