作为地球科学的一个分支，地理图像及其制图技术在信息时代被赋予了新的涵义，并且具有越来越广泛和重要的应用。传统地理图像的制作手段主要是：勘测一记录数据一手工绘制一样图一排版一印刷一成品，其制作人力物力耗费很大。数字地图在智能交通系统和城市规划中，特别是车载导航、车辆定位等系统中起着关键作用。目前数字地图的制作手段则主要是比照传统地图手工绘制，虽然其不需要再次勘测、记录数据，但其整个绘制过程也是费时费力；同时，绘制员的主观操作很大地影响了数字地图的质量。由于该方法是手工操作，需要大批操作员长时间去完成地图的数据输入，导致数字地图制作成本高，生产周期长。 然而，随着计算机技术、信息技术和遥感技术的快速发展，如何提高制图过程中的自动化水平，把重复的机械劳动留给计算机去完成，是计算机制图中需要研究的重大课题。如果能采用计算机视觉、模式识别和人工智能的新技术，让计算机自动地对大量现存的纸面地图、卫星遥感地图和飞机航空图像进行分析理解、校正、增强、分类，并识别出道路、房屋等人工地物，数据生成过程中不需要人工干预，那将会极大地提高数字地图的生产效率，有效地降低数字地图的生产成本，缔短地图数据的更新周期；同时，也可将大量传统纸面地图以数字方式保存下来，避免重复开发。 从纸面扫描地图中自动生成车载导航用数字矢量地图的研究工作发展至今有近二十年的历史。国内外学者从文档、工程图的矢量化方法中借鉴了很多研究经验，目前这些研究主要集中在地图中不同图形组件的分离，线性对象的矢量化，复杂对象如弧、圆、点划线和纹理的分割等。地图图形结构复杂，包含信息非常丰富，从计算机视觉和图像处理角度来讲，地图结构分割、地图结构识别及地图数据的矢量化是数字地图自动生成过程中的主要的技术难点。目前还没有看到关于完整的实际算法能够系统地处理扫描地图自动识别与矢量化的报道。 根据目前地理图像自动矢量化研究现状和难点，本论文以扫描二值地图为研究对象，通过图像预处理、细化获取地图骨架，然后在地图图像图形转换、复杂图像中主曲线检测算法、地图组件分割及矢量化等方面开展了具有创新性的工作；并进一步对航拍地图中房屋提取算法做了研究。主要研究内容和成果如下： 1. 深入分析研究了扫描地理图像的自动识别和矢量化算法，将扫描地图进行图像一图形转换，以此作为地图识别和矢量化的基础。先在像素级上对图像进行滤波降噪，再利用模板细化方法获得地图的骨架图像。为了进行图像图形转换，将骨架图像转为基本图形，同时消除基本图形中的冗余，对基本图形进行预处理，如删除地图中小尺寸符号和毛刺，修补地图图像中的断线等。在获得了地图的基本图形之后，为了更好地表达地图的拓扑结构关系，同时加快处理速度，基本图形被进一步转化为超级图形，超级图形包含更多几何属性，如地图曲线的直线性、角链表、链链表等。基本图形和超级图形保持了原始地图的形状，同时方便了处理，它们是后续的地图组件分割、道路房屋识别及矢量化的基础。 2. 提出一种从复杂图像的特征图形中检测图形的主曲线的算法。主曲线是图像中那些感兴趣的目标的边界或轮廓曲线，地理测绘图中，指道路边线和房屋轮廓。一般而言，主曲线是具有一定长度的光滑曲线，允许平缓或尖锐的拐弯。但由于测绘地图中的文字、符号常常与有意义的图像特征重迭，主曲线检测旨在从原始测绘图中获得“洁净”的特征图像。主曲线的检测充分利用了超级图形数据结构，应用改进的最短路径算法和方向偏差算法为判据在复杂曲线网络中检测主曲线。算法的一个显特点是它不依赖图形的形状结构，这在地图这类图像的结构识别中特别有用。同时，扩展主曲线检测的应用，针对文字图像中存在直线或曲线等干扰线的情况，将干扰线看作主曲线，在文字图像中对其进行检测识别，最后将检测得到的干扰线与原图像文字进行分离，以得到去除干扰线后的文字。 3. 提出了对扫描地图中的房屋进行自动识别和矢量化的算法流程。特别研究了在进行地图组件分割过程中，存在于房屋地图中的若干种干扰结构，如坐标线、压线文字、“H”形结构等，并给出了相应处理方法。获得“干净”的房屋结构后，采用后曲率算法对房屋结构先查找“拐点”，然后再根据“拐点”分段进行矢量化以得到房屋矢量数据，从而避免了一般矢量化方法引起的房屋结构畸变。 4.针对采用自动化方法生成的数字地图数据的增补及修改情况，提出了地图局部数据自动生成算法。该算法通过预测房屋边界种子点、识别房屋内部误判点、去除断点、连接房屋缺口等步骤，提高了地图的编辑准确程度及速度。同时针对数字地图自动生成系统中大幅数字地图自动拼接问题，采用先根据拐点信息取得待拼接图的坐标对应关系，再分多种情况对光栅地图数据文件和矢量地图数据分别进行自动拼接处理的方法，来完成对大幅地图的拼接。该方法巧妙地利用了房屋“拐点”信息，简化了拼接过程。 5．提出了一种对高分辨率低空航拍灰度图像在复杂条件下的房屋矢量化的方法，它是一种基于图像分割与房屋矢量化相结合的算法，其首先将航拍图像分割成若干幅仅包含一幢或几幢房屋的子图像，然后对每幅子图像进行图像增强、边缘检测、直线检测、假设验证和矢量化等过程。该算法较好地解决了如何对结构复杂房屋在阴影等噪声的干扰下矢量化的问题，对房屋密度大、结构复杂的城市地区有较强鲁棒性。