基于地图及遥感影像的地理信息提取研究

论文摘要

地理信息是国民经济和社会发展规划中最重要的基础信息之一,在农业、林业、水利、国土资源、地矿、测绘、气象、海洋、城市建设、国防等领域发挥着不可替代的作用。然而,地理信息数据生产却是周期长、成本高、工程量大、技术复杂。如何高效、智能化地获取地理信息成为目前迫切需要解决的问题。本文围绕地图及遥感影像中地理信息提取的一系列理论和技术问题展开研究,重点在地图要素分割、识别和矢量化、高分辨率遥感影像道路提取、矢量数据压缩等方面进行了深入的研究与实践,并建立了高效实用的地理信息数据采集系统。本文主要工作和创新性成果如下:1.阐明了地理信息提取的研究意义,分析了地理信息提取的实质和基本过程,对课题研究方向的发展历史和研究现状进行了回顾和总结,指出了目前研究存在的问题。2.以数学形态学多角度并行运算理论为基础,根据地图要素的形状和尺度特征,提出了地图上方里网、独立房等一些要素的分割算法。算法将方向特征平面与非各向同性的邻域运算统一起来,具有快速并行的特点和良好的分割效果。3.提出了基于径向基函数神经网络及递推最小二乘训练的地图数字注记识别方法,基本过程包括数字注记分割、特征向量提取、神经网络训练和模式分类。实验结果表明,该方法训练速度快、抗噪声能力强、识别率高。4.提出了不同的线划跟踪策略,对二值图像地图要素进行跟踪和矢量化,包括消隐跟踪、判优预测跟踪、双边截线跟踪和轮廓跟踪,它们对地图上大多数线状要素和面状要素边线的矢量化效果很好。针对分版等高线图上对自动数字化效率影响较大的冲沟和陡崖符号,提出了旋转式内部跟踪提取策略及相应的提取算法,有效地解决了该类要素的自动提取问题。5.提出了基于滑动窗口图像分割及序贯跟踪的彩色地图矢量化方法。其主要步骤包括定义滑动窗口、自适应图像分割、细化和序贯跟踪。通过颜色空间转换、K-均值聚类和区域生长完成滑动窗口内当前线目标的自适应分割;经过跟踪、消隐、方向判断以及交叉点处理完成序贯跟踪。实验结果表明,该方法精度高、鲁棒性强,对于低对比度、低信噪比的彩色地图图像矢量化尤为有效。6.提出了两种高分辨率遥感影像城市道路半自动道路提取方法,即道路中心线提取的活动窗口线段特征匹配方法和直线道路提取的整体矩形匹配方法。活动窗口线段特征匹配方法采用定义活动模板窗、阈值分割、线段特征匹配和改进的序贯相似度检测算法（SSDA）,实现了道路中心线的半自动提取。整体矩形匹配方法将直线道路提取转化为提取具有一定方向和宽度的矩形,通过分割阈值、矩形宽度和矩形方向的变化从内到外整体上匹配道路。这两种方法能够快速准确地提取出城市主要道路,对噪声的干扰具有良好的鲁棒性。7.提出了基于总体最小二乘的矢量数据压缩模型以及曲线数据和多边形数据的压缩算法。实验结果表明,提出的曲线数据压缩算法与Ramer-Douglas-Peucker（RDP）算法具有接近的压缩比,但具有更高的压缩精度,能够在整体上更好地表示原始数据。提出的多边形数据压缩算法能够得到无冗余点、高精度的矢量数据。8.在以上研究的基础上,设计并建立了高效实用的地理信息数据采集系统,能够方便快速地进行地理信息数据采集。系统已应用于全国1:5万基础地理信息数据生产,取得了很好的效果。

论文目录

• 目录
• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景与意义
• 1.2 地理信息提取研究的实质和基本过程
• 1.3 地理信息提取研究的历史与现状
• 1.3.1 地图模式识别研究的历史与现状
• 1.3.2 地图模式识别的研究进展
• 1.3.3 遥感影像信息提取的研究进展
• 1.3.4 地理信息提取研究存在的问题
• 1.4 论文主要研究内容和组织结构
• 1.4.1 论文主要研究内容
• 1.4.2 论文的组织结构
• 第二章 基于地图及遥感影像的地理信息提取相关理论
• 2.1 数学形态学
• 2.1.1 基本形态变换
• 2.1.2 条件形态变换
• 2.1.3 序贯形态变换
• 2.2 图像分割
• 2.2.1 边缘检测
• 2.2.2 门限处理
• 2.2.3 区域生长
• 2.3 人工神经网络
• 2.3.1 人工神经网络的结构
• 2.3.2 人工神经网络的学习算法
• 2.3.3 人工神经网络的典型模型
• 2.3.4 神经网络模式识别
• 2.4 统计模式识别
• 2.4.1 贝叶斯决策
• 2.4.2 聚类分析
• 2.4.3 特征提取和选择
• 2.5 句法模式识别
• 2.5.1 句法模式识别的基本原理
• 2.5.2 基于知识的模式识别
• 2.6 本章小结
• 第三章 地图要素分割和识别方法
• 3.1 基于形态学多角度并行运算的地图要素分割
• 3.1.1 多角度并行运算原理
• 3.1.2 基于多角度并行运算的地图要素分割算法
• 3.2 基于径向基函数网络的地图数字注记识别
• 3.2.1 径向基函数神经网络
• 3.2.2 基于径向基函数网络的地图数字注记识别方法
• 3.2.3 地图数字注记识别实验
• 3.2.4 结论
• 3.3 本章小结
• 第四章 二值图像地图要素跟踪和矢量化方法
• 4.1 二值地图图像的线划跟踪方法
• 4.1.1 消隐跟踪
• 4.1.2 判优预测跟踪
• 4.1.3 双边截线跟踪
• 4.1.4 轮廓跟踪
• 4.2 地图上冲沟与陡崖符号的提取方法
• 4.2.1 旋转式内部跟踪提取策略
• 4.2.2 冲沟与陡崖符号的提取算法
• 4.2.3 实验与分析
• 4.3 本章小结
• 第五章 基于滑动窗口分割及序贯跟踪的彩色地图矢量化方法
• 5.1 彩色地图矢量化的两类方法
• 5.2 基于滑动窗口分割及序贯跟踪的彩色地图矢量化方法
• 5.2.1 彩色地图颜色特征分析及方法的总体思路
• 5.2.2 基于滑动窗口的自适应图像分割
• 5.2.3 基于滑动窗口的序贯跟踪
• 5.3 实验与分析
• 5.4 本章小结
• 第六章 高分辨率遥感影像上道路的半自动提取
• 6.1 基于活动窗口线段特征匹配的道路中心线提取方法
• 6.1.1 高分辨率遥感影像道路特征分析
• 6.1.2 基于活动窗口的线段匹配方法
• 6.1.3 道路中心线提取方案
• 6.1.4 实验与分析
• 6.2 高分辨率影像道路提取的整体矩形匹配方法
• 6.2.1 基于阈值分割的道路特性分析
• 6.2.2 直线道路提取的整体矩形匹配方法
• 6.2.3 实验与分析
• 6.3 本章小结
• 第七章 基于总体最小二乘的矢量数据压缩模型
• 7.1 常用矢量数据压缩算法分析
• 7.2 总体最小二乘方法基本原理
• 7.3 曲线数据压缩的总体最小二乘算法
• 7.3.1 曲线数据压缩的总体最小二乘算法
• 7.3.2 实验与分析
• 7.4 多边形数据压缩方法
• 7.4.1 街区边线的特征点抽取
• 7.4.2 街区边线的总体最小二乘拟合
• 7.4.3 实验与精度评估
• 7.4.4 与商业软件的比较
• 7.5 本章小节
• 第八章 地理信息数据采集系统的实现
• 8.1 系统总体结构
• 8.2 系统工作流程
• 8.3 系统主要功能
• 8.3.1 图幅信息录入
• 8.3.2 图像显示与处理
• 8.3.3 地图数据采集
• 8.3.4 遥感影像更新
• 8.3.5 可视化检查
• 8.3.6 矢量数据编辑
• 8.3.7 矢量数据处理
• 第九章 总结与展望
• 9.1 研究工作总结
• 9.2 本文创新之处
• 9.3 有待进一步研究的问题
• 参考文献
• 作者简历 攻读博士学位期间完成的主要工作
• 致谢