發(fā)布時(shí)間：2017-04-30 06:01

  本文關(guān)鍵詞：彩色地形圖中點(diǎn)狀符號(hào)識(shí)別方法研究與實(shí)現(xiàn)，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著地理信息產(chǎn)業(yè)的發(fā)展,地理信息無論是在軍事上還是日常生活中都越來越起到重要作用。地圖模式識(shí)別是近年來非�；钴S的研究方向,得到了廣泛的關(guān)注和迅猛發(fā)展。地圖模式識(shí)別是提高地圖自動(dòng)化水平的關(guān)鍵技術(shù),其中,點(diǎn)狀符號(hào)又是地圖中的核心要素,所以地圖點(diǎn)狀符號(hào)的自動(dòng)識(shí)別也是地圖模式識(shí)別中的難點(diǎn)和重點(diǎn)。地圖點(diǎn)狀符號(hào)的自動(dòng)識(shí)別主要包括點(diǎn)狀符號(hào)的提取與識(shí)別。地形圖中的地理要素分布非常復(fù)雜,各類要素如線劃、文字注記、背景普染以及不同類型的點(diǎn)狀符號(hào)等組合交織在一起,相互覆蓋、相互影響,給點(diǎn)狀符號(hào)的自動(dòng)提取與識(shí)別造成了很大的困難。本文通過研究地圖點(diǎn)狀符號(hào)的自動(dòng)識(shí)別技術(shù)現(xiàn)狀,結(jié)合實(shí)際應(yīng)用的需求特點(diǎn),設(shè)計(jì)實(shí)現(xiàn)了基于人機(jī)交互的地圖點(diǎn)狀符號(hào)自動(dòng)識(shí)別系統(tǒng)。該方法首先對(duì)地圖進(jìn)行簡(jiǎn)化過濾處理,然后人工的將點(diǎn)狀符號(hào)框選出來,系統(tǒng)對(duì)框選出來的點(diǎn)狀符號(hào)進(jìn)行自動(dòng)識(shí)別。本文提出的地形圖點(diǎn)狀符號(hào)識(shí)別算法是先提取后識(shí)別的模式,即提取出地形圖中點(diǎn)狀符號(hào)的特征,并構(gòu)成多維的特征向量,再進(jìn)行識(shí)別的過程,也就是將特征空間中的待識(shí)別符號(hào)劃分為某一類別。地形圖點(diǎn)狀符號(hào)的特征是指能夠反映自身的本質(zhì)特性,并用于區(qū)分本類符號(hào)與其他符號(hào)的基本依據(jù)。目前針對(duì)地形圖點(diǎn)狀符號(hào)識(shí)別問題,基于符號(hào)形狀特征的算法較多,形狀特征充分考慮了點(diǎn)狀地圖符號(hào)的主要視覺變量,并且形狀特征易于準(zhǔn)確提取。而基于地形圖點(diǎn)狀符號(hào)高級(jí)特征(如矩特征,紋理特征等)的算法也相繼提取,此類特征充分利用計(jì)算機(jī)在運(yùn)算方面的優(yōu)越性。此類特征的描述主要有兩種方式,一種是使用符號(hào)的邊界特征來描述符號(hào)形狀,另一種是使用符號(hào)在圖像內(nèi)覆蓋的區(qū)域特征來描述符號(hào)形狀。地形圖中點(diǎn)狀符號(hào)特征選取直接影響到分類器的設(shè)計(jì)及性能,本文提取出的小波矩、傅里葉描述子、組合特征具有較強(qiáng)的分類能力,能夠使類內(nèi)各樣本差異盡量小,類間差異盡量大,并且具有較高的穩(wěn)定性、抗干擾性和幾何變換不變性,如平移、旋轉(zhuǎn)、縮放之后符號(hào)的不變性等。最后將這些特征構(gòu)成的多維特征向量輸入分類器中進(jìn)行判別,本文利用數(shù)據(jù)挖掘中的支持向量機(jī)、決策樹和貝葉斯等經(jīng)典算法用在目標(biāo)符號(hào)的分類識(shí)別當(dāng)中,實(shí)現(xiàn)了多種分類器。本文在最后給出了結(jié)合MapGIS K9平臺(tái),用Visual Studio 2005語(yǔ)言以及OpenCV開源計(jì)算機(jī)視覺庫(kù)實(shí)現(xiàn)的地圖點(diǎn)狀符號(hào)識(shí)別組件,并對(duì)其進(jìn)行了性能和特點(diǎn)分析,展示了實(shí)現(xiàn)效果。
【關(guān)鍵詞】：地圖點(diǎn)狀符號(hào) 識(shí)別 形狀特征 分類器
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：P208;TP391.4
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 符號(hào)對(duì)照表10-11
• 縮略語(yǔ)對(duì)照表11-15
• 第一章 緒論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 背景知識(shí)19-31
• 2.1 MapGIS K9平臺(tái)19-24
• 2.1.1 MapGIS K9技術(shù)特點(diǎn)19
• 2.1.2 MapGIS K9產(chǎn)品體系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功能介紹24-25
• 2.3 COM組件25-27
• 2.3.1 COM組件簡(jiǎn)介25
• 2.3.2 COM組件與相關(guān)概念25-26
• 2.3.3 COM組件的優(yōu)點(diǎn)26-27
• 2.4 地圖符號(hào)基礎(chǔ)知識(shí)27-29
• 2.4.1 地圖語(yǔ)言27
• 2.4.2 地圖符號(hào)的功能27
• 2.4.3 地圖符號(hào)的基本特征27-28
• 2.4.4 地圖符號(hào)的分類及構(gòu)圖規(guī)律28-29
• 2.5 本章小結(jié)29-31
• 第三章 基于多特征的點(diǎn)狀符號(hào)識(shí)別31-39
• 3.1 地圖點(diǎn)狀符號(hào)的特征選取31
• 3.2 傅里葉描述子31-32
• 3.2.1 傅里葉描述子的基本思想31
• 3.2.2 傅里葉描述子的不變性特征31-32
• 3.3 圖像的不變矩32-35
• 3.3.1 圖像矩32-33
• 3.3.2 小波矩33-35
• 3.4 組合特征35-36
• 3.4.1 區(qū)域的體態(tài)比35
• 3.4.2 區(qū)域的密集度35-36
• 3.4.3 符號(hào)的矩形度與圓形度36
• 3.4.4 符號(hào)的連通域數(shù)目36
• 3.4.5 符號(hào)的輪廓數(shù)、孔洞數(shù)、歐拉數(shù)36
• 3.5 本章小結(jié)36-39
• 第四章 分類器的設(shè)計(jì)39-47
• 4.1 支持向量機(jī)39-42
• 4.1.1 線性可分的支持向量機(jī)39-41
• 4.1.2 非線性的支持向量機(jī)41
• 4.1.3 核函數(shù)41-42
• 4.2 決策樹42-44
• 4.2.1 典型決策樹算法ID3和C4.542-44
• 4.2.2 決策樹剪枝44
• 4.3 貝葉斯算法44-45
• 4.3.1 樸素貝葉斯44-45
• 4.3.2 貝葉斯的特點(diǎn)45
• 4.4 本章小結(jié)45-47
• 第五章 實(shí)驗(yàn)結(jié)果與分析47-57
• 5.1 地圖圖像的預(yù)處理47-48
• 5.2 特征提取實(shí)驗(yàn)48-50
• 5.2.1 傅里葉描述子特征提取48-49
• 5.2.2 小波矩特征提取49-50
• 5.2.3 組合特征提取50
• 5.3 地圖點(diǎn)狀符號(hào)識(shí)別實(shí)驗(yàn)結(jié)果50-54
• 5.3.1 算法流程50-51
• 5.3.2 組件式實(shí)現(xiàn)51-53
• 5.3.3 地圖點(diǎn)狀符號(hào)識(shí)別實(shí)驗(yàn)結(jié)果及分析53-54
• 5.4 本章小節(jié)54-57
• 第六章 總結(jié)與分析57-59
• 6.1 總結(jié)57-58
• 6.2 展望58-59
• 參考文獻(xiàn)59-61
• 致謝61-63
• 作者簡(jiǎn)介63-64

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 張健;;數(shù)據(jù)挖掘常用算法分析[J];科技信息;2012年32期

  本文關(guān)鍵詞：彩色地形圖中點(diǎn)狀符號(hào)識(shí)別方法研究與實(shí)現(xiàn)，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：336353