地图模式识别是提高地图自动矢量化效率的关键技术,彩色地形图中点状符号识别作为地图模式识别的重要组成部分,是目前研究的重点和难点,提高点状符号识别的准确率对于促进地图自动矢量化的发展具有重要的意义。本文阐述了地图点状符号识别的研究意义以及发展现状,概述了彩色地形图的基础理论,简要说明了点状符号相关的彩色地形图颜色分割算法和线状要素提取算法,重点研究了彩色地形图中的点状符号识别算法,给出了基于非线性映射与广义霍夫变换的点状符号识别算法和基于深度学习与区域特征的点状符号识别算法,并开发了基于QGIS开源平台的点状符号识别软件。主要包含以下工作内容:(1)针对彩色地形图中点状符号灰度直方图的特征,在广义霍夫变换的基础上,本文给出了一种基于非线性映射与广义霍夫变换的点状符号识别算法。在彩色地形图线状要素提取与传统广义霍夫变换的基础上,该算法引入了点状符号的灰度直方图特征,对传统广义霍夫变换算法的识别结果与点状符号进行非线性映射,然后对非线性映射结果进行模板匹配,通过匹配结果反馈对初步识别结果进行筛选与修正,以提高点状符号识别算法的准确率。(2)针对彩色地形图中点状符号的区域特征,在彩色地形图颜色分割与LeNet卷积神经网络的基础上,本文给出了一种基于深度学习与区域特征的点状符号识别算法。在彩色地形图黑色分版图结果中,该算法引入了点状符号的连通域特征,通过对黑色分版图中的所有连通域进行筛选,得到所有疑似点状符号的连通域,并根据连通域外接矩形提取原彩色地形图中的相应图像块,然后通过训练好的点状符号分类模型对疑似点状符号图像块进行识别,对所有疑似点状符号进行筛选与分类,得到最终的点状符号识别结果,在引入连通域特征时忽略了连通域本身的类别属性,以提高点状符号识别算法的效率。(3)根据选题对点状符号识别的研究成果,设计了基于QGIS开源平台的点状符号识别软件,依赖于OpenCV开源计算机视觉库,在Visual Studio 2010环境中对该软件进行了开发,得到了相应的点状符号识别功能模块。本文算法实验结果表明,基于非线性映射与广义霍夫变换的点状符号识别算法和基于深度学习与区域特征的点状符号识别算法对彩色地形图中的点状符号识别准确率达到了90%以上。同时,基于QGIS开源平台开发了用于点状符号识别的多个功能模块,已经可以应用于作业采集工作。