| 中文提要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景及意义 | 第9-10页 |
| ·地图信息的自动识别与提取 | 第10-13页 |
| ·本文研究的主要内容 | 第13-14页 |
| 第二章 地图模式识别的原理和方法 | 第14-21页 |
| ·模式识别的原理和方法 | 第14-16页 |
| ·模式识别 | 第14页 |
| ·模式识别的方法 | 第14-15页 |
| ·模式识别的过程 | 第15-16页 |
| ·模式识别系统的设计 | 第16页 |
| ·图像模式识别 | 第16-17页 |
| ·地图模式识别 | 第17-20页 |
| ·人类阅读地图的过程 | 第17-18页 |
| ·计算机模拟人类阅读地图的过程 | 第18-20页 |
| ·地图扫描图像信息自动识别和提取的总体框架 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第三章 彩色地形图模式识别的预处理 | 第21-50页 |
| ·彩色地形图扫描影像的获取 | 第21-23页 |
| ·彩色地形图扫描影像的获取 | 第21页 |
| ·彩色地形图扫描影像的误差分析 | 第21-23页 |
| ·彩色地形图扫描影像的一次预处理——平滑处理 | 第23-27页 |
| ·平滑算法 | 第23-24页 |
| ·非线性各向异性扩散平滑（P-M 方程） | 第24-25页 |
| ·非线性各向异性扩散在彩色地图中的应用 | 第25-26页 |
| ·非线性各向异性扩散的流程 | 第26-27页 |
| ·非线性各向异性扩散实验结果及分析 | 第27页 |
| ·彩色地形图扫描影像的分色处理 | 第27-36页 |
| ·彩色地形图扫描影像分色处理的意义与形式 | 第27页 |
| ·自动分色的原理 | 第27-28页 |
| ·颜色空间的实验结果及分析与降维处理 | 第28-31页 |
| ·彩色地形图的分色方法 | 第31-32页 |
| ·模糊C 均值聚类算法（FCM） | 第32-33页 |
| ·基于颜色链表的直方图模糊C 均值聚类分色方案及其流程 | 第33-36页 |
| ·分色实验结果及分析 | 第36页 |
| ·分色要素图的二值化 | 第36页 |
| ·使用数学形态学方法对分色要素图的二次预处理 | 第36-38页 |
| ·二值数学形态学理论 | 第37页 |
| ·使用数学形态学对分色二值要素图的二次去噪 | 第37-38页 |
| ·数学形态学对分色二值要素图二次去噪的实验结果及分析 | 第38页 |
| ·二值化要素图的细化 | 第38-44页 |
| ·细化算法 | 第38-39页 |
| ·OPTA 细化算法 | 第39-42页 |
| ·Hilditch 细化算法 | 第42-43页 |
| ·细化实验结果及分析 | 第43-44页 |
| ·二值化要素图的矢量化 | 第44-45页 |
| ·矢量化的方法 | 第44页 |
| ·基于细化的矢量化方法 | 第44-45页 |
| ·地图图像的定向 | 第45-49页 |
| ·地图图像的定向 | 第45页 |
| ·大地坐标和高斯坐标之间的转换 | 第45-48页 |
| ·高斯坐标和像素坐标之间的转换 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 点状地物符号的自动提取与识别 | 第50-61页 |
| ·地形图点状符号的自动识别 | 第50-51页 |
| ·基于形状分析的点状地物符号的识别 | 第51-55页 |
| ·基于形状分析的点状地物符号的识别方案 | 第51页 |
| ·地图点状地物符号的特征提取 | 第51页 |
| ·基于组合特征的点状地物符号的识别 | 第51-53页 |
| ·基于组合特征的点状地物符号的识别实验 | 第53-55页 |
| ·基于神经网络的点状地物符号的识别 | 第55-60页 |
| ·神经网络基本理论 | 第55-57页 |
| ·基于BP 神经网络的点状地物符号的识别 | 第57-58页 |
| ·基于BP 神经网络的点状地物符号的识别实现 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 结论和展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士期间发表论文 | 第65-66页 |
| 致谢 | 第66-67页 |
| 详细摘要 | 第67-69页 |