基于神经网络的地图建筑物要素智能综合研究-检测技术与自动化装置专业论文.docxVIP

独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作 及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为 获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与 我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的 说明并表示谢意。 作者签名： 日期： 年 月 日 论文使用授权 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘， 允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全 部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 （保密的学位论文在解密后应遵守此规定） 作者签名： 导师签名： 日期： 年 月 日 I I 摘要 摘 要 地图制图综合是地图制图学的核心问题。随着地理信息系统应用范围的不断 扩展，制图综合的应用日益广泛。制图综合就是从给定的地图生成比例尺缩小的 新地图，其目的是在较小的地图空间内尽可能清晰地显示目标地图的内容。制图 综合过程存在着大量的形象思维和灵感思维，是地图制图学中最具有创造性的研 究领域之一。传统的线性的自动化制图综合方法难以很好地全面解决这个高度智 能化的难题。 智能综合（Intelligence Generalization）是将能让计算机进行自动推理、学习的 智能技术应用于制图综合。建筑物要素的综合是地图自动综合亟需解决的难题之 一。本论文以建筑物要素的自动综合为例，分析了传统手工制图综合与自动制图 综合的特点，以及合并、简化等自动综合算子的特征，着重总结了建筑物要素的 自动综合原则与方法等，研究应用人工神经网络技术模拟地图专家的人脑思维， 进行地图制图综合的新方法。 建筑物聚类是大比例尺地图自动制图综合中建筑物合并的前提。通过分析 Gestalt 原理的邻近性、相似性等准则，选用建筑物重心、建筑物间的距离、建筑 物与邻近线状地物要素间位置关系等参数描述建筑物，提出了基于自组织映射神 经网络（Self-Organize Map，SOM）方法的地图建筑物聚类方法。 在建筑合并研究中，提出了利用 BP 神经网络技术和栅格地图上下文语境感知 实现复杂建筑物群合并的思路与方法。通过地图局部感知探测器对拟合并地图上 下文语境的建筑物结构、朝向、分布、位置关系等特征进行感知，结合建筑物综 合的合并原则和制图专家知识，制定出地图感知输入模式与建筑物合并多边形行 进方向之间的映射规则，利用 BP 神经网络的学习能力实现建筑物的智能合并。试 验表明，该方法能够获得令人满意的制图综合效果。 与合并算法类似，本文提出了采用 BP 神经网络技术对栅格地图进行局部上下 文语境认知的建筑物化简方法。建筑物化简就是在保持建筑物形状特征的前提下， 通过减少构成建筑物多边形的节点数目消除不必要的细节，以此解决由于地图比 例尺缩小而引起的建筑物自身的空间冲突问题。算法利用地图局部感知探测器认 知栅格地图中建筑物的结构特征，结合建筑物化简的原则和制图专家知识，制定 建筑物化简的映射规则，建立 BP 神经网络化简模型的训练样本库，从而指导化简 模型实现建筑物的化简。与 ArcGIS 工具箱（ArcToolbox）中的建筑物化简工具相 比较，该方法可以获得较好的化简结果。 II II 摘要 一般而言，合并与化简是制图综合过程中的两个独立操作算子，通常先进行 合并再化简。尽管二者在综合过程中都有质量控制，然而如果在综合过程中，能 同时进行合并与简化，即将两个操作算子耦合为一个操作算子，分析认为制图综 合质量应比原有方式有所提高，然而，耦合的合并化简算子的复杂性也远远超过 原有方式。因此，论文最后研究合并与化简耦合的制图综合机理，构建耦合的神 经网络模型，发展了一种基于神经网络的建筑物群合并与化简耦合的新方法，以 改进制图综合过程，提高制图综合质量。试验结果表明合并与化简耦合处理后的 制图综合质量明显高于原有综合方式。 关键词：地图制图综合，神经网络，建筑物聚类，建筑物化简，建筑物合并 PAGE PAGE VI ABSTRACT ABSTRACT Map generalization is one of core issues in cartography. As GIS applications expand constantly, map generalization is being applied more and more widely. Map generalization is a process of deriving a map at a reduced scale from a giv