导读:本文包含了点状符号论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:符号,地形图,地图,彩色,海图,广义,尺度。
点状符号论文文献综述
付妍[1]（2019）在《基于ArcGIS的制图符号库制作研究——以点状符号为例》一文中研究指出在现实生活中存在着各种各样的地理事物,需要用地图符号来对它们进行表达。地图符号在地图的制作过程中有着极其重要的地位,它是人们了解地图内容的重要途径。现实世界的空间资料可以用点状符号、线状符号和面状符号进行抽象表达,由于地形图符号的种类繁多且样式各异,因此在对地形图符号进行制作时需要制作出满足图式要求的地形图符号。(本文来源于《国土资源》期刊2019年10期）
陈瑞淋,王崇倡[2]（2019）在《点状符号识别系统》一文中研究指出点状符号识别是测绘工程学生在地形图测绘过程中必须熟练掌握的一项基础能力,要求学生重点掌握识别地物符号及其对应的编码,课程教学的难点在于地物符号众多,编码长,学生难以记住。传统的教学方法按照传统教材内容一成不变列举地物符号及其编码,这种教学方式不灵活,学生要根据编码翻阅对应的地物符号比较困难,或者凭借记忆中的地物符号去寻找对应的地物编码符号也很烦琐。因此,利用开源图像处理工具Open CV和Python语言及其界面库PyQt等工具,基于机器学习的SVM算法开发地物符号图像识别系统,辅助教师教学以及帮助学生学习地物符号,从而提高教学质量的目的。(本文来源于《测绘与空间地理信息》期刊2019年08期）
四浩[3]（2018）在《基于AutoCAD的叁维点状符号库的设计与表达》一文中研究指出主要探讨叁维数字地形图地物点状符号的表达方法。在表达手法上,利用制图综合对每种现实地物进行抽象表达,给出无高度的点状符号与带有高度的点状符号等地物表达规则,算法上也给出不同结构的设计。在叁维数字地形图中,不仅要表达地物沿垂线投影到地表上的轮廓线的位置和形状,还要表达凸出地物顶部特征点的位置与高度,从而表达其立体形状。(本文来源于《测绘标准化》期刊2018年03期）
王成舜,陈毓芬,郑束蕾[4]（2018）在《顾及眼动数据的网络地图点状符号用户兴趣分析方法》一文中研究指出为解决网络地图个性化推荐过程中点状符号用户兴趣分析结果准确性低的问题,提出了一种基于眼动数据的网络地图点状符号用户兴趣分析方法。利用空间认知测试法筛选39名认知能力一致的被试者参与实验,使用眼动仪采集被试者在浏览4类点状符号素材过程中的眼动数据,同时记录被试者的鼠标数据;分别计算时间、次数与尺寸类型眼动数据用户兴趣度,利用熵权法将3类数据进行整合,设计了一种基于多项眼动数据的用户兴趣度计算方法。研究结果表明,用户兴趣度分析结果正确率为85.9%,优于鼠标数据,证明所提方法能够有效分析用户兴趣,点状符号用户兴趣度计算公式稳定可靠,有助于提升个性化推荐结果的准确度。(本文来源于《武汉大学学报(信息科学版)》期刊2018年09期）
王本林,陈泰生,陈梦琳[5]（2018）在《MapGIS点状符号共享方法研究》一文中研究指出地图符号共享是地理信息共享的重要组成,MapGIS地图符号共享的研究能够较好地丰富和完善地理信息共享内容。针对MapGIS点状地图符号模型,研究其数学模型和符号结构,引入面向共享的通用地图符号(OpenMapSymbol,文中缩写为OMS),构建一种从MapGIS点状地图符号到OMS点状地图符号的映射模型。经实验验证,MapGIS点状地图符号能够较好地映射到OMS点状地图符号中,实现了MapGIS点状地图符号到通用地图符号的共享。(本文来源于《滁州学院学报》期刊2018年02期）
田宽[6]（2017）在《彩色地形图中的点状符号识别算法研究》一文中研究指出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。(本文来源于《西安电子科技大学》期刊2017-06-01）
魏志明[7]（2017）在《HPD海图数据库点状符号向GIS平台的转换》一文中研究指出我国海事测绘部门为了适应信息化技术发展和提高海图生产效率的现实需要,于2007年引进了CARIS HPD海道产品数据库系统。随着时代的发展,船务公司、港务部门、海事局等都需要将HPD源数据库中的数据与其他航道测量数据(如航测数据和DWG数据等)在GIS平台上进行迭加显示。HPD海图系统在设计时没有考虑海图数据的共享性,导致HPD海图系统数据无法与其他格式海图数据在同一平台上迭加显示。其中HPD海图数据库中点状符号是采用抬笔落笔方式描述的矢量符号,而各类GIS平台的点状符号是TrueType字体符号,所以将HPD海图数据库点状符号转换为TrueType字体符号具有重要的理论意义和实用价值。本文研究过程中查阅了CARIS公司所提供的文件资料,分析了HPD海图数据库中点状符号矢量数据结构。查阅国内外相关文献资料,分析了TrueType字体文件的数据结构。采用在不同字体文件的空文件插入字体符号,对比插入符号前后字体文件各描述表表项变化的方法,研究TrueType字体文件各描述表记录数据的方式,以此掌握TrueType字体文件的存储结构。本文深入研究了HPD海图数据库中点状符号的矢量数据结构,读取了HPD海图数据库中点状符号的颜色信息和笔划信息。通过研究TrueType字体文件的矢量数据结构,将HPD海图数据库点状符号矢量数据组织成TrueType字体格式。通过分析在TrueType字体文件空文件中插入符号后各描述表表项的变化,获取Glyf表、Cmap表、Loca表、Head表、Maxp表、Hhea表、Hmtx表和OS/2表记录数据的方式,掌握TrueType字体文件的存储方式。根据海图符号的数量、大小等性质,自定义了海图符号的TrueType字体文件,并插入转换后的海图符号。利用ArcGIS Engine开发包,将转换后的HPD海图数据库点状符号在ArcGIS平台上显示,给出了以矢量方式将HPD海图点状符号快速转换TrueType字体符号、用于GIS平台的方法。(本文来源于《辽宁师范大学》期刊2017-05-01）
张翔,王少东,王玉霞[8]（2016）在《基于偏移四叉树投票的“大尺寸”点状符号多尺度无压盖可视化》一文中研究指出为解决Web 2.0环境下点状符号地图混搭中的制图问题,本文研究并实现了一种可100%避免压盖的"大尺寸"点符号高效可视化方法。该方法的核心思想是四叉树网格单选,采用网格平移对多次单选结果投票来计算符号在各缩放级别的显着性等级,可解决符号在相邻网格的空间冲突。该过程不需要显式探测冲突,因而处理效率极高。随着地图放大,重要性较低的符号也逐级显现,实现了语义层次的多尺度表达。针对符号和网格大小比率关系、有效网格平移方案及图面利用率不足问题提出两种扩展:格网增选和多级符号迭加。对方法的可行性进行了试验验证,并分析了该方法在用户查询条件改变下的稳定性和不同数据量下的伸缩性(非优化实现可达到105量级数据的亚秒级处理)。(本文来源于《测绘学报》期刊2016年08期）
毕记省,田璐,张广有[9]（2016）在《基于认知理论的地图点状符号智能识别》一文中研究指出针对数字地图点状符号自动识别难题,提出了运用认知理论进行点状符号智能识别的技术方法。首先对地形图点状符号进行几何特征处理,获取图形的角、圆、面积等特征信息;通过分析符号图形的拓扑属性,计算欧拉数、矩特征等量化指标;最后依据多分类器的处理和先验知识库,来对点状符号进行类别划分。实验结果表明,基于认知理论的地图点状符号识别成功率高、运算速度快,能够有效解决传统数字地图研究领域存在的点状符号识别难题。(本文来源于《海洋测绘》期刊2016年01期）
封志德[10]（2015）在《彩色地图点状符号识别和文字注记提取算法的研究和实现》一文中研究指出地图模式识别是提高地图自动数字化效率的核心技术,彩色地形图中点状符号识别和文字注记提取与识别作为地图模式识别的两个重要组成部分,是目前研究的重点和难点,提高点状符号识别与文字注记提取的准确率对于促进地图自动数字化的发展具有重要意义。论文阐述了地图点状符号识别和文字注记提取与识别的研究意义及其发展现状,分析了彩色地形图图像中点状符号和文字注记的特点,对彩色地形图图像中点状符号识别和文字注记提取这两个方面进行了重点研究,给出了基于匹配反馈机制的广义霍夫变换点状符号识别算法以及基于字符尺寸和字符连接曲率的文字注记提取算法,并在MapGIS K9平台下分别开发了两个组件用于实际作业采集。在点状符号识别方面,针对彩色地形图图像中点状符号与其他地理要素相互粘连、交叉甚至覆盖,而不能够通过基于先提取的传统算法来进行识别的问题,本文给出了一种基于匹配反馈机制的广义霍夫变换算法。在传统广义霍夫变换的基础上,该算法引入了颜色信息,充分利用颜色和形状两方面的特征在彩色地形图中对点状符号进行直接识别,并在初步识别之后加入了模糊匹配,通过匹配反馈进一步修正初步识别的结果,以提高点状符号识别的正确率。在文字注记提取方面,根据彩色地形图图像中文字注记中字符尺寸大小、字符连接曲率以及被线划粘连和穿插区域的特点,本文给出了一种基于字符尺寸和字符连接曲率的文字注记提取算法。该算法首先根据文字注记的颜色信息,通过FCM聚类颜色分割算法分离出含有文字注记版图并对其进形态学滤波处理删除明显不属于字符的成分,然后根据字符尺寸以及连接曲率对文字注记进行预编组,并根据同一文字注记内各部分的联系对预编组结果进行后处理以提高文字注记编组的准确率,最后根据编组后文字注记条的特点,采用旋转腐蚀的方法对文字注记进行定向操作,将倾斜的文字注记校正到水平方向,为后续的文字注记识别提供了良好的输入。根据课题在点状符号识别和文字注记提取的研究成果,基于COM组件技术,结合OpenCV开源计算机视觉库和Visual Studio 2005,在MapGIS K9平台下分别开发了彩色地形图点状符号识别和文字注记提取两个组件,以用于实际的地理要素作业采集。本文主要对彩色地形图中点状符号识别和文字注记提取这两个方面进行了重点研究,基于匹配反馈机制的广义霍夫变换点状符号识别算法和基于字符尺寸和字符连接曲率的文字注记提取算法的准确率均能够达到90%以上。同时,基于MapGIS K9分别开发彩色地形图点状符号识别和文字注记提取两个组件已经应用到了实际的作业采集当中。(本文来源于《西安电子科技大学》期刊2015-12-01）
点状符号论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
点状符号识别是测绘工程学生在地形图测绘过程中必须熟练掌握的一项基础能力,要求学生重点掌握识别地物符号及其对应的编码,课程教学的难点在于地物符号众多,编码长,学生难以记住。传统的教学方法按照传统教材内容一成不变列举地物符号及其编码,这种教学方式不灵活,学生要根据编码翻阅对应的地物符号比较困难,或者凭借记忆中的地物符号去寻找对应的地物编码符号也很烦琐。因此,利用开源图像处理工具Open CV和Python语言及其界面库PyQt等工具,基于机器学习的SVM算法开发地物符号图像识别系统,辅助教师教学以及帮助学生学习地物符号,从而提高教学质量的目的。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
点状符号论文参考文献
[1].付妍.基于ArcGIS的制图符号库制作研究——以点状符号为例[J].国土资源.2019
[2].陈瑞淋,王崇倡.点状符号识别系统[J].测绘与空间地理信息.2019
[3].四浩.基于AutoCAD的叁维点状符号库的设计与表达[J].测绘标准化.2018
[4].王成舜,陈毓芬,郑束蕾.顾及眼动数据的网络地图点状符号用户兴趣分析方法[J].武汉大学学报(信息科学版).2018
[5].王本林,陈泰生,陈梦琳.MapGIS点状符号共享方法研究[J].滁州学院学报.2018
[6].田宽.彩色地形图中的点状符号识别算法研究[D].西安电子科技大学.2017
[7].魏志明.HPD海图数据库点状符号向GIS平台的转换[D].辽宁师范大学.2017
[8].张翔,王少东,王玉霞.基于偏移四叉树投票的“大尺寸”点状符号多尺度无压盖可视化[J].测绘学报.2016
[9].毕记省,田璐,张广有.基于认知理论的地图点状符号智能识别[J].海洋测绘.2016
[10].封志德.彩色地图点状符号识别和文字注记提取算法的研究和实现[D].西安电子科技大学.2015
论文知识图
