| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.3 本文章节安排 | 第18-19页 |
| 第二章 点状符号识别相关理论 | 第19-31页 |
| 2.1 彩色地形图基础理论 | 第19-21页 |
| 2.1.1 彩色地形图概述 | 第19-20页 |
| 2.1.2 地图矢量化概念 | 第20-21页 |
| 2.2 彩色地形图颜色分割算法 | 第21-25页 |
| 2.2.1 彩色地形图颜色分割概述 | 第21-23页 |
| 2.2.2 GK颜色分割算法 | 第23-25页 |
| 2.3 彩色地形图线状要素提取算法 | 第25-27页 |
| 2.3.1 彩色地形图线状要素提取概述 | 第25-26页 |
| 2.3.2 基于能量密度与Shear变换的线状要素提取 | 第26-27页 |
| 2.4 卷积神经网络 | 第27-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第三章 基于非线性映射与广义霍夫变换的点状符号识别 | 第31-53页 |
| 3.1 彩色地形图中点状符号的统计特征 | 第31-34页 |
| 3.2 基于广义霍夫变换的点状符号模糊定位 | 第34-39页 |
| 3.2.1 广义霍夫变换算法 | 第34-36页 |
| 3.2.2 点状符号模糊定位 | 第36-39页 |
| 3.3 基于非线性映射的点状符号精确定位 | 第39-43页 |
| 3.3.1 点状符号统计特征与非线性拟合 | 第39-40页 |
| 3.3.2 点状符号精确定位 | 第40-43页 |
| 3.4 基于非线性映射与广义霍夫变换的点状符号识别 | 第43-47页 |
| 3.5 实验与分析 | 第47-51页 |
| 3.6 本章小结 | 第51-53页 |
| 第四章 基于深度学习与区域特征的点状符号识别算法 | 第53-67页 |
| 4.1 基于区域特征的彩色地形图点状符号提取 | 第53-56页 |
| 4.2 基于Le Net的点状符号分类模型训练 | 第56-59页 |
| 4.3 基于Le Net与区域特征的彩色地形图点状符号识别 | 第59-62页 |
| 4.4 实验与分析 | 第62-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第五章 基于QGIS开源平台的点状符号识别软件设计 | 第67-77页 |
| 5.1 QGIS开源平台介绍 | 第67-70页 |
| 5.2 基于QGIS的点状符号识别软件 | 第70-75页 |
| 5.2.1 点状符号识别软件框架 | 第70-71页 |
| 5.2.2 点状符号识别算法功能模块设计与实现 | 第71-73页 |
| 5.2.3 基于QGIS的点状符号识别结果 | 第73-75页 |
| 5.3 本章小结 | 第75-77页 |
| 第六章 总结与展望 | 第77-81页 |
| 6.1 本文工作总结 | 第77-78页 |
| 6.2 未来工作展望 | 第78-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85-87页 |
| 作者简介 | 第87-88页 |
