| 摘要 | 第1-8页 |
| Abstract | 第8-14页 |
| 图索引 | 第14-17页 |
| 表索引 | 第17-18页 |
| 第一章 绪论 | 第18-32页 |
| ·研究的背景与意义 | 第18-24页 |
| ·研究背景 | 第18-20页 |
| ·在地图综合领域研究形状相似性的意义 | 第20-24页 |
| ·有关地图综合的概念 | 第24-26页 |
| ·基于形状识别的地图自动综合的研究现状 | 第26-27页 |
| ·矢量图形的形状化简方法 | 第27-30页 |
| ·线要素形状化简方法 | 第27-28页 |
| ·删点化简 | 第27-28页 |
| ·光滑处理 | 第28页 |
| ·面要素形状化简方法 | 第28-30页 |
| ·针对边界的面要素形状化简 | 第29页 |
| ·针对区域的面要素化简方法 | 第29-30页 |
| ·针对结构的面要素化简方法 | 第30页 |
| ·论文组织安排 | 第30-32页 |
| 第二章 支持形状识别的基本理论 | 第32-48页 |
| ·形状的定义 | 第32页 |
| ·基于认知心理学的形状识别模型框架 | 第32-37页 |
| ·关于认知心理学和空间认知表达 | 第33-34页 |
| ·认知心理学的模式识别模型 | 第34-37页 |
| ·人类对形状的认知规律 | 第37-38页 |
| ·大尺度空间下地物要素的形状特点 | 第38-40页 |
| ·抽象性 | 第38-39页 |
| ·人文性(象征性) | 第39-40页 |
| ·不确定性 | 第40页 |
| ·形状识别的方法 | 第40-42页 |
| ·数据聚类 | 第40-41页 |
| ·神经网络 | 第41页 |
| ·结构模式识别 | 第41-42页 |
| ·结构匹配 | 第42-44页 |
| ·字符串匹配 | 第42-43页 |
| ·图和树匹配 | 第43-44页 |
| ·BP(BACK PROPAGATION)神经网络 | 第44-47页 |
| ·BP网络算法的思路 | 第44-45页 |
| ·BP网络算法的数学模型 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第三章 面状要素的形状的描述与识别 | 第48-66页 |
| ·基于区域的形状特征 | 第48-51页 |
| ·简单的描述子 | 第48-50页 |
| ·拓扑描述子—欧拉数 | 第50页 |
| ·基于区域的不变矩 | 第50-51页 |
| ·基于骨架线的形状特征 | 第51-52页 |
| ·基于边界的形状特征 | 第52-56页 |
| ·弯曲能量 | 第52-53页 |
| ·曲率 | 第53页 |
| ·形调(Signature) | 第53页 |
| ·基于随机模型的形状表达与重构 | 第53-54页 |
| ·多边形的顶点数、凹点数和凸点数 | 第54-55页 |
| ·凹度 | 第55页 |
| ·多边形的内角直方图 | 第55-56页 |
| ·边界分解 | 第56页 |
| ·基于傅立叶形状描述子的形状相似性分析 | 第56-61页 |
| ·傅立叶形状描述子 | 第56-61页 |
| ·傅立叶形状描述子的数学模型 | 第57-59页 |
| ·傅立叶形状展开式的精度描述 | 第59-60页 |
| ·基于傅立叶描述子的形状相似性度量 | 第60-61页 |
| ·基于链码与形状数的形状相似性分析 | 第61-65页 |
| ·链码与形状数 | 第61-63页 |
| ·地图要素形状数的表达 | 第63-64页 |
| ·基于形状数的形状相似性度量 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第四章 基于动态模板匹配的建筑物要素的化简 | 第66-87页 |
| ·建筑物的形状特点以及现有的化简算法 | 第66-67页 |
| ·人工地图综合中的模板匹配模式 | 第67-68页 |
| ·建筑物模板的选取 | 第68-71页 |
| ·建筑物多边形化简的原则 | 第68-69页 |
| ·建筑物原型模板的设计原则 | 第69-71页 |
| ·基于动态模板匹配的建筑多边形化简的实施 | 第71-83页 |
| ·建筑物要素的正交化处理 | 第71-72页 |
| ·动态模板的生成 | 第72-73页 |
| ·综合目标与动态模板库的形状相识性分析 | 第73-82页 |
| ·动态模板的放样 | 第82-83页 |
| ·基于模板匹配建筑物多边形化简的实验 | 第83-86页 |
| ·本章小结 | 第86-87页 |
| 第五章 线状要素的形状特征描述 | 第87-107页 |
| ·研究弯曲的意义 | 第87页 |
| ·弯曲的划分 | 第87-92页 |
| ·基于拐点的划分 | 第88页 |
| ·基于绕动方向与奇异点的划分 | 第88-90页 |
| ·基于三角网的弯曲划分 | 第90-91页 |
| ·基于单调曲线的弯曲划分 | 第91页 |
| ·其他弯曲的划分 | 第91-92页 |
| ·弯曲个体结构的几何参数 | 第92-94页 |
| ·单个弯曲的形状识别 | 第94-95页 |
| ·线状要素的统计参数 | 第95-100页 |
| ·与弯曲无关的参数 | 第96-99页 |
| ·弯曲相关的统计参数 | 第99-100页 |
| ·线状要素的层次描述 | 第100-106页 |
| ·线状要素二叉树模型 | 第100-102页 |
| ·弯曲二叉树模型 | 第102-103页 |
| ·弯曲多叉树模型 | 第103-106页 |
| ·弯曲多叉树的提出 | 第103-104页 |
| ·弯曲多叉树的构建 | 第104-106页 |
| ·本章小结 | 第106-107页 |
| 第六章 基于形状的线状要素的分类与分段 | 第107-128页 |
| ·线状要素形态的描述 | 第107-108页 |
| ·线状要素的分段 | 第108-110页 |
| ·基于BP神经网络技术的线状要素形状的识别 | 第110-123页 |
| ·基于BP神经网络的线状要素形状识别的思路 | 第110页 |
| ·线状要素训练的样本及样本的分类 | 第110-112页 |
| ·输入参数集(向量)的选择 | 第112-115页 |
| ·输入参数的精选 | 第115-121页 |
| ·线状要素形状识别神经网络的构建 | 第121-122页 |
| ·线状要素形状识别神经网络的训练 | 第122-123页 |
| ·基于形状的识别线状要素的分段 | 第123-126页 |
| ·对各种形状的曲线的综合方法的选取 | 第126-127页 |
| ·本章小结 | 第127-128页 |
| 第7章 基于形状相似性分析的线要素化简算法的评价 | 第128-143页 |
| ·对线要素化简的评价内容 | 第128-130页 |
| ·点位精度 | 第128-130页 |
| ·拓扑关系 | 第130页 |
| ·线要素形状相似性计算模型 | 第130-133页 |
| ·角度差值积分法 | 第131页 |
| ·傅立叶描述子欧氏距离 | 第131-132页 |
| ·小波描述子欧氏距离 | 第132页 |
| ·线要素的夹角链码 | 第132-133页 |
| ·形状相似性与点位精度的关系 | 第133页 |
| ·用傅立叶形状描述子评价线要素化简算法对形状影响 | 第133-142页 |
| ·常见的几种化简算法的介绍 | 第134-136页 |
| ·化简算法对形状和精度影响分析实例 | 第136-141页 |
| ·评价化简算法对形状影响几点说明 | 第141-142页 |
| ·本章小结 | 第142-143页 |
| 第八章 总结与展望 | 第143-145页 |
| ·论文总结 | 第143-144页 |
| ·研究展望 | 第144-145页 |
| 参考文献 | 第145-154页 |
| 攻博期间发表论文情况 | 第154页 |
| 参加科研项目 | 第154-155页 |
| 致谢 | 第155-156页 |