地图符号识别方法的研究
| 1 绪论 | 第1-14页 |
| 1．1 研究意义、内容 | 第7-9页 |
| 1．2 研究现状 | 第9-13页 |
| 1．2．1 模式识别的发展现状 | 第9页 |
| 1．2．2 地图模式识别的发展现状 | 第9-11页 |
| 1．2．3 地图点状符号识别的发展现状 | 第11-13页 |
| 1．3 本文的主要内容及其组织 | 第13-14页 |
| 2 点状地图符号识别方法的研究 | 第14-25页 |
| 2．1 点状地图符号特点分析 | 第14-16页 |
| 2．1．1 点状地图符号的基本特征 | 第14-15页 |
| 2．1．2 点状地图符号的构图规律 | 第15页 |
| 2．1．3 点状地图符号的计算机表示 | 第15-16页 |
| 2．2 点状地图符号识别常用方法 | 第16-25页 |
| 2．2．1 模板匹配法 | 第16-17页 |
| 2．2．2 统计-结构法 | 第17-19页 |
| 2．2．3 人工智能法 | 第19-21页 |
| 2．2．4 线划跟踪法 | 第21-22页 |
| 2．2．5 数学形态学法 | 第22-24页 |
| 2．2．6 神经网络法 | 第24-25页 |
| 3 点状地图符号的神经网络识别 | 第25-41页 |
| 3．1 神经网络方法分析 | 第25-32页 |
| 3．1．1 神经网络概述 | 第25-26页 |
| 3．1．2 神经网络的特点 | 第26-28页 |
| 3．1．3 BP网络的特点 | 第28-29页 |
| 3．1．4 BP网络模型的算法分析 | 第29-32页 |
| 3．2 利用 BP网络进行点状地图符号识别 | 第32-41页 |
| 3．2．1 网络构建 | 第32-33页 |
| 3．2．2 样本数据获取 | 第33-35页 |
| 3．2．3 内存管理 | 第35页 |
| 3．2．4 训练 | 第35-37页 |
| 3．2．5 参数调整 | 第37-39页 |
| 3．2．6 识别 | 第39-40页 |
| 3．2．7 数据存取 | 第40-41页 |
| 4 房屋的自动识别 | 第41-48页 |
| 4．1 房屋识别概述 | 第41页 |
| 4．2 二值化和细化 | 第41-42页 |
| 4．3 轮廓提取 | 第42-44页 |
| 4．4 角点检测 | 第44-45页 |
| 4．5 直角化 | 第45-48页 |
| 5 地图矢量化系统介绍 | 第48-52页 |
| 5．1 系统功能 | 第48页 |
| 5．2 系统结构 | 第48-49页 |
| 5．3 试验 | 第49-52页 |
| 6 总结与展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-56页 |
