工程图自动识别技术旨在将扫描工程图像转换为与各种CAD系统相兼容的矢量数据格式，精确的矢量化结果是进一步进行图形理解的基础，然而当前的图纸扫描转换系统均未能取得令人满意的图素识别精度，矢量化结果中的错误只能依靠人工交互校正。校正错误的时间往往远大于矢量化的时间。研究如何提高矢量化系统输出数据的质量对提高工程图自动识别技术的水平和矢量化系统的性能及实用化程度有着重要的理论和应用意义。本文围绕这一主题开展矢量化工程图的后处理技术研究，提出“基于识别质量评价”的矢量图素错误自动判别和校正的解决方案，使得图纸扫描转换系统不但具有产生矢量化数据的能力，而且具有对所产生的矢量数据的质量进行评价分析和自适应校正的能力。 本文重点讨论了图素质量评价器的设计，提出采用图素识别质量特征因子来表述图素的识别质量，并以矢量图素对应的光栅图元作为约束矢量图素的模板或公差带，以此提取反映识别质量的特征因子，结合模糊理论的有关概念定义各种特征因子的表达式；图素的识别质量特征因子作为图素识别质量评价器的输入，由评价器经过处理后输出对图素识别质量的评判结果。 本文设计了一个基于人工神经网络的直线图素识别质量评价器，网络经过训练后可以取得类似人眼判断的评判效果，由于各识别质量特征因子在定义的时候一般都取的是和图素线宽的相对比值，因此本文提出的方法对于扫描工程图的分辨率的影响不敏感。对于圆弧型图素，则重点研究了常见的错误模式—伪圆弧的检测和校正技术，首先检测伪圆弧对应的光栅图元轮廓上的角点，并以这些角点对图元轮廓进行分段，再逐段分析。 在获得对图素识别质量的评价之后，质量较差的图素被输入到错误自动校正器进行错误校正处理，本文提出“二次矢量化”的错误校正思想，二次矢量化是在初步矢量化所获得知识的基础之上，取得初始参数，并在跟踪过程中动态校正参数，在跟踪结束时引入跟踪终止检测探针以消除光栅图像中黑白噪音的影响，使得算法具有较强的抗噪音干扰能力，校正后的图素仍需进行质量评价，未能通过评价的图素需递归执行二次矢量化算法。 本文最后一部分详细讨论了图形二维重建的关键技术，包括识别图素间的拓扑关系，建立带权有向图的拓扑关系动态表示模型，尺寸驱动技术及辅助线线型重构技术等。