张习文[1]2000年在《基于单义域邻接图的扫描工程图样自组织智能识别理论与技术研究》文中研究表明扫描工程图样识别是图象处理、模式识别和人工智能等多种学科的综合应用，直接面向企业需求，具有很高的理论意义和应用价值，是CAD领域的重要课题。经过多年研究，扫描工程图样识别已经取得较大进展，部分实现象素到矢量的转换。但是，现有识别方法多拘泥局部，串行处理，已实现的识别能力与质量离实际需求还有很大差距，识别理论和方法有待突破。 工程图样是工程图元的有机集合，可看作线条图形，而扫描工程图样是象素的自然集合。为将象素聚合为工程图元，本文力求加强表达单元的整体性，提高表达层次，重视各种关联，根据启发信息选择和组织识别数据和知识，进行分层次处理和自组织推理。本文提出一种称为单义域的新的图象表达单元，先将象素矩阵转化为单义域及其拓扑关系的集合。同一层次数据之间相互关联。不同层次数据之间也相互关联。识别是一个反复自组织的推理过程。本文提出基于单义域邻接图的扫描工程图样自组织智能识别。在算法实现上，采用模糊分类、遗传算法和面向对象知识表示等。处理过程分为三个阶段： （1）提取扫描工程图样的线条特征，构建单义域邻接图来表达形状 与拓扑信息，统一表达字符和图形的结构特征，使后续的识别 处理能在较高层次的基本单元上进行。 （2）遍历单义域邻接图，提取字符及其笔划特征，提取完整的几何 图元，采用矢量邻接图来组织获取的信息。 （3）基于矢量邻接图，采用面向对象知识表示来组织矢量之间的约 束知识，组合工程图元，同时提取关联信息，从而构建工程图 元邻接图。 在识别单义域、矢量和工程图元时，既注重横向的关联又重视纵向的关联。横向关联指图面不同部分之间的直接关联，纵向关联指单义域和它所构成的高层工程图元之间的关联。在识别中，先获得部分特征再生成整体结构，然后又用整体结构去指导部分特征的进一步把握；高层信息从低层数据获得，反过来又去指导低层数据，不同层次之间相互作用。在智能推理中，根据启发信息自动选择相应的识别知识，同时不断调整识别参数，以适应不断的数据变化。自组织识别在关联数据相互依赖、相互影响和相互作用的协作中进行，错综复杂的关系相互协调完成整个识别。 工程图样包含的图形和字符均可看作线条，线条之间存在多种连接关系。扫描工程图样识别先要获取图象的线条及其关系表达。本文所提出的单义域表达单元扩大了连通域表达范围，包括线段、圆弧、箭头和交点。采用游程邻接图表达二值图象，然后作深度优先遍历，基于游程宽度和拓扑一致形成条形域。引人模糊逻辑对条形域进行分类，获取初步矢量信息，对其中多义域做单义分裂，以线段和圆弧为基元，采用遗传算法来实现。单义域是具有矢量特征的局部象素合理聚集，反映关联象素的整体特性。继承游程的拓扑关系，构建单义域邻接图。基于单义域邻接图自组织识别扫描工程图样，在处理效率和抑制噪音误差影响等方面更为优越。 在单义域邻接图基础上，可对字符和图形进行自组织识别，在字符笔划域基础上进行字符提取，同时提取其笔划特征，为将来字符识别提供结构信息。根据字符域大小对字符域外接矩形进行自适应膨胀。根据字符域膨胀矩形相交来判定字符邻近程度，再加上字符共线为判据来生成字符串域。利用同串字符的外接矩形中心和所附图形对字符进行定向。在提取线“段、圆弧和圆时，先从种子域线段或圆弧出发，按照同线或同圆的要求识别处理，进行邻接图深度捏索，种子矢量不断生长，几何参数不断调整，从而获得完整信息。提取的信息采用矢量邻接图来组织。 上述工作可以实现多种扫描工程图样中的字符、线段、圆弧、圆和箭头的提取。但是，工程图样是工程图元的集合。本文采用面向对象方法，对工程图元进行对象设计。给出基于矢量邻接图的工程图元识别方法，根据已经提取的几何图元和字符信息，从某一特征图元出发，选择相应的识别知识（工程图元组成语法），搜索所有其它组元，提取完整信息。文中分别提取点划线和虚线的线段、圆弧和圆，还提取剖面线和尺寸，同时与约束图元关联。 上述识别方法已在开发的扫描工程图样识别原型系统中实现，软件采 一用面向对象和过程技术分析和设计。基于单义域邻接图的自组织识别方法丰富了扫描工程图样识别方法，加强宏观和整体处理能力，利用了更多的关联，力求对识别数据和知识进行自组织。对多种扫描工程图样进行识别，效果较好。
李华蓉[2]2010年在《基于图段的彩色地图线要素智能识别》文中进行了进一步梳理建立地理信息系统(GIS)的一个重要环节是地理数据的获取,工作量占整个系统开发的80%以上,也是影响GIS发展的瓶颈。地图要素智能识别是地理数据获取的核心问题,是图像处理、模式识别和人工智能等多种学科的综合应用,同时也是计算机视觉领域的重要课题。其直接面向企业需求,具有很高的理论意义和应用价值,多年来的理论研究及实践为此课题的深入研究奠定了良好的基础,但也存在着许多亟待解决的问题,识别理论和方法有待突破。地形图是点、线、面符号的有机集合,是矢量线划图；而扫描地形图图像是点阵像素的自然集合。为了将点阵像素聚合为地图要素符号,本文从知识出发,进行分层处理和自组织的推理,力求加强表达单元整体性、提高表达的层次性、关注各种关联信息以及根据启发信息选择和组织识别数据。本文扩充了图段的约束条件,使其满足颜色、宽度和拓扑一致性要求,使图段成为具有单意义的图像表达单元。根据象素之间的关联,先对点阵图像进行游程编码,构建带有属性信息的扫描串,然后基于扫描串宽度、颜色和拓扑一致性形成图段,得到图像的图段表达,同时提取图段之间连接关系,构建图段连通体。根据图段连通体的属性提取点、线、面连通体,并对线进行矢量化,得到线符号及其之间的连接关系,构建线符号之间的邻接关系。根据线符号之间的关联性,搜索属于同一地图要素的所有线符号,提取之间的关系,重建地图要素。根据人脑识别地形图时对目标信息的组织方式,本文提出了地形图目标的三级模型——地图要素模型、符号模型和影像模型,符号模型将现实模型和影像模型联系起来,该模型基于矢量栅格一体化数据表达形式,是面向地物的,具有矢量数据的特点；同时,通过地物的标识号可以找到该地物途径的所有像元,从而又具有栅格的全部特性。基于符号模型进行地物的识别和提取,可以充分利用地物所有像元的局部特征,同时又可利用地物的拓扑关系等整体特征。识别过程中提取的信息分成图段、符号和地图要素三个层次,同一层次数据之间相互关联,不同层次数据之间也相互关联,这样既注重横向的关联又重视纵向的关联。在识别中,先获得像素局部特征再生成图段连通体的整体结构,然后又用整体结构去指导和修正局部特征；高层信息从低层数据获得,反过来又去指导低层数据,采用自下而上与自上而下推理相结合的方式完成整个识别。为了充分利用地形图的颜色信息,在分析前人分色处理方法的基础上,面向像元层次提出了增加颜色分类数的思想,从而有效地解决了过渡色分色模糊的难题；面向扫描串层次将颜色组合情况归纳为16种,巧妙地用各颜色代码之和来表示,从而使得扫描串带有了颜色信息,为图段颜色信息的提取提供了基础。本文采用游程编码技术实现了像元矩阵→扫描串→图段的转换。图段是满足颜色、宽度和拓扑一致性的邻接扫描串,其能够直接表达线段和交点。利用图段的颜色信息和邻接关系构建单版图段连通体,从而实现了地形图图像的自动分色,由于同时考虑了颜色属性与空间关系,其在处理效率和抑制噪声等方面更为优越。在单版连通体图基础上,对图段连通体进行分析。从地图符号的形状、尺寸和拓扑关系入手,归纳总结出特征尺寸、高宽比、黑白比、节点密度等适于表达的特征,并基于特征的区别有效地将线符号从点、面符号中分离出来。对提取得到的线符号,依据节点图段采用分段矢量化的处理方法,然后根据节点图段的邻接关系进行同源直线检测,从而得到属于同一地图要素的所有矢量线段,形成完整的矢量信息。同时针对不同的地图要素自适应地调整检测条件,更好的提取虚线型道路、河流和等高线的矢量数据。基于上述识别方法和算法,设计开发了一个地形图智能识别原型系统。软件以VC++为平台,采用面向对象的设计方法,并利用通用数据库管理数据。
参考文献：
[1]. 基于单义域邻接图的扫描工程图样自组织智能识别理论与技术研究[D]. 张习文. 大连理工大学. 2000
[2]. 基于图段的彩色地图线要素智能识别[D]. 李华蓉. 武汉大学. 2010