《数学形态学理论与地图扫描识别技术》求取 ⇩

第1章数学形态学和地图扫描识别技术研究现状与进展1

1.1地理信息系统及其主要数据源1

1.1.1 地理信息系统及其应用1

1.1.2 GIS的主要数据源1

1.1.3 GIS中地图数据的获取方式2

1.2地图扫描输入技术研究现状3

1.2.1 地图扫描输入技术的障碍3

1.2.2 普通地图扫描输入技术研究现状4

1.3数学形态学理论和应用的研究现状7

1.3.1 数学形态学的历史与特点7

1.3.2 数学形态学的理论和应用模型研究现状7

1.3.3 数学形态学理论的应用研究现状8

第2章数学形态学的基本理论10

2.1 符号注释10

2.2图像的集合运算及其特性11

2.2.1 图像集合间的关系11

2.2.2 图像集合的运算12

2.2.3 图像集合运算的性质13

2.3数字图像处理中的几个重要概念15

2.3.1 数字图像15

2.3.2 距离15

2.3.3 邻点、邻域、邻接和路径16

2.3.4 连接成分和欧拉数16

2.4 图像形态变换的基本原则17

2.5二值图像的形态变换及其性质18

2.5.1 二值图像的形态变换18

2.5.2 形态变换的性质23

2.6结构元素及其作用26

2.6.1 结构元素的分类、作用与特性27

2.6.2 二值图像形态变换的最简单结构元素30

2.6.3 结构元素的分解30

2.7基于测地距离的二值图像形态变换35

2.7.1 测地距离的有关定义和性质35

2.7.2 基于测地距离特征的图像形态变换36

第3章图像处理中数学形态学的应用模型及其扩展40

3.1图像形态滤波40

3.1.1 形态断开和闭合滤波40

3.1.2 低通、高通和带通形态滤波41

3.1.3 多结构元素形态滤波42

3.1.4 基于形态薄化和厚化的形态滤波43

3.1.5 形态滤波效果的定量评价44

3.2图像特征提取的形态变换模型48

3.2.1 图像边界提取模型48

3.2.2 图像特征提取形态变换模型49

3.3图像几何特征分析的形态学模型50

3.3.1 图像目标的几何形状特征度量50

3.3.2 图像颗粒分布函数51

3.3.3 图像尺度分布的形态谱分析52

3.4图像的骨架和形态细化54

3.4.1 图像细化方法综述54

3.4.2 形态骨架的定义55

3.4.3 形态骨架法图像数据压缩及重建56

3.4.4 序贯同伦形态细化方法58

3.4.5 保形（shape persevering）形态细化方法59

3.4.6 快速形态细化算法61

3.4.6 快速保形形态细化算法模型62

第4章地图扫描图像要素的提取65

4.1 地图扫描图像识别处理的基本思路65

4.2地图扫描图像的增强预处理66

4.2.1 地图扫描图像的获取66

4.2.2 图像增强69

4.3地图图像目标与背景分离的二值化处理70

4.3.1 现有图像二值化模型评述70

4.3.2 基于集合论的多阈值动态自适应图像阈值化模型78

4.4 地图图像的噪声去除80

4.5地图图像要素的形态分离83

4.5.1 文字和点状符号的分离（separation）84

4.5.2 图像中坐标格网的提取（extraction）87

4.5.3 井下要素与地面要素的分割90

4.5.4 地面线划要素的修复92

4.6 线状要素的细化处理96

第5章地图扫描图像的图形化与后处理99

5.1地图图像矢量化99

5.1.1 图像矢量化的一般方法99

5.1.2 寻找结点的数学形态学方法102

5.1.3 变步长保精度跟踪矢量化103

5.2图形数据的编辑处理105

5.2.1 点状要素的交互式屏幕数字化105

5.2.2 线状要素的交互式图形编辑106

5.3 图形数据的几何纠正106

5.4矢量化数据的格式转换108

5.4.1 扫描数字化矢量数据向ARC/INFO格式的转换108

5.4.2 扫描数字化矢量数据向AutoCAD格式的变换110

5.5地图扫描数字化的精度分析111

5.5.1 地图扫描数字化点位误差来源112

5.5.2 扫描数字化方法精度的试验分析113

参考文献116