论文部分内容阅读
近年来,地理信息系统的飞速发展,在人们的生活与出行,城市规划与管理,交通管理,军事等许多方面都得到了广泛的应用。传统的数字地图是靠人工输入,这种方式已经远远不能满足需求,地图的扫描输入与特征的自动提取越来越受到关注。城市地图信息识别是地理信息系统的基础,而道路识别和提取是城市地图信息识别的重要组成部分。在扫描栅格城区地图中进行道路提取,由于地图中存在大量表示道路名称,各种建筑标识文字,有的文字在区域中,有的文字在道路中,有的文字横跨道路与区域两部份。所以,文字等噪声去除的好坏是提取的关键。本文在目前道路识别成果的基础上,提出了一种新道路提取方法。本文主要分为以下四部分。(1)提出了基于特征点的模板匹配方法去除特殊标志:地图图像中存在大量表示特殊含义的图标,例如医院标志,电信标志等。医院标志存在白色区域,与白色道路颜色一致,影响道路提取。所以,在道路提取之前,用模板匹配的方法过滤掉影响道路识别的标志,提高道路识别准确率。(2)提出了根据LAB色差去除文字的方法:扫描整幅图像,检测到黑色像素时,分别沿着不同的方向检测。由于文字笔划远远小于道路或者区域宽度,所以每个方向只需检测固定个像素即可。若在检测过程中,步长小于阈值时,检测到道路像素时停止,计算出此方向上检测过的像素与道路的色差,如果色差在阈值内,则把这些像素变为当前道路的颜色,否则依次检测其它方向。若是所有检测方向都不能判定此象素是否在道路上,则检测下一个像素。(3)提出了基于HSV空间的道路模型提取方法:在去除噪声的地图图像基础上,将图像由RGB颜色空间转换到HSV颜色空间,计算出每个象素点的H,S,V分量,根据这三个分量,判定该像素点属于道路还是区域。然后再对图像进行闭运算以平滑边界,得到道路初级模型。(4)融合了条件细化算法与形态学细化算法提取道路中心线:条件细化算法是一种经典的细化算法,细化速度快,能保持连通性,缺点是不可以总得到单像素宽的细化线。模板匹配细化方法可以得到单像素宽度的图像,但是不能保证图像的连通。本文结合这两种方法,提出了一种有效的细化算法。先用条件细化算法细化道路,然后选择特定的模板对图像进行修正,去除多余像素,得到单像素宽的、连通的细化图像。