本文是一篇研究地图智能识别的论文,在研究上注重方法的创新及有机集成。以往大部分研究都集中于地图识别的某一环节(例如矢量化)上,或盲目遵循自底向上的原则,而采用一种损失信息的处理过程,这种方式导致地图识别研究进程缓慢。本文根据系统工程的思想,把地图作为一个复杂的系统进行研究,不仅研究组成地图的要素,而目把握地图系统的结构和要素之间的关系,并在此基础上进行识别方法的研究。在研究地图系统特性和地图识别算法的同时,着重研究了算法之间的有机联系,并使系统具有自诊断功能——实现这种自诊断功能的方法不是简单的按照自底向上的过程来组织,而是遵循人类视觉的规律进行有机的集成,本文进而提出了具有自诊断功能的混合模型。本文提出的具有自诊断功能的混合模型由以下功能模块组成:图段与节点的分离和提取;图段节点的轮廓提取;轮廓矢量化和图段骨架化;图段节点邻接关系的构造;基于约束的图段和图形要素再识别;基于标记和匹配的图形要素识别;对矢量图段的诊断和图形要素的诊断。在图段与节点的分离和提取方面,本文提出了串生长分离图段和节点的算法,从而避免过多的局部处理,把握图形的整体,这在一定程度上缓解了整体与局部处理间的矛盾。在图段骨架方面,本文阐述了图段轮廓点提取和跟踪、轮廓矢量化、图段骨架矢量化全过程。提出了轮廓点提取和跟踪一次完成的一次性算法。针对轮廓矢量逼近存在的问题,提出了基于窗口误差的最小二乘直线拟合法和线性可加原理直线拟合法,使拟合过程可适用于各种不同情况。在基于约束的求解方面,本文提出了在一定的约束条件下,对不同层次的信息进行求解的方法。在求解的具体方法上,提出了用Hough求解和最小二乘法求解的两种方法。在识别方面,提出标记、匹配相结合的识别方法。模型中自诊断功能分两个阶段实现,(1)对矢量图段进行验证,检查矢量图段和与之对应的栅格图段是否一致并满足适当的约束,如果一致则进一步精确求解它;否则诊断为图段不满足约束,并重新求解;(2)在对图形要素的一些主要特征进行识别后,再根据要素应满足的约束对初步识别结果进行诊断,如果它不满足约束,则诊断为识别有误,重新识别。最后本文介绍了作者实现的地图识别系统。除介绍了该系统的结构功能外,还介绍了地图识别系统所涉及到的一些其它方面的技术。