(3.230.76.48) 您好!臺灣時間:2021/04/12 16:00
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:蔡俊明
研究生(外文):Tsai, Chun-Ming
論文名稱:地圖中道路名稱之辨認
論文名稱(外文):Recognition of Road Names in Maps
指導教授:李錫堅李錫堅引用關係
指導教授(外文):Hsi-Jian Lee
學位類別:碩士
校院名稱:國立交通大學
系所名稱:資訊工程學系
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:1996
畢業學年度:84
語文別:中文
論文頁數:70
中文關鍵詞:相連單元索引表二值化像素分佈筆劃穿越數遮照
外文關鍵詞:connected componentindex tablebinarizationpixel distributioncrossing countmask
相關次數:
  • 被引用被引用:1
  • 點閱點閱:174
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
本論文提出一個利用索引表來確認地圖中道路名稱的辨識方法。一般
來說,地圖中提供諸如︰地理標誌、國家、城市、道路、格線、河流以及
建築物之名稱。地圖中道路名稱分佈不均勻,它們可能會旋轉或具有不同
的大小和字型,或是與線段接觸在一起,甚至有的道路名稱和建築物名稱
混合在一起,這些問題使道路名稱的抽取和辨認非常困難,本論文提出一
些方法來解決這些問題。首先,本論文提出一個以相連單元(connected
component)為本的方法來抽出地圖中的索引表(index table)以及此表中
的文字,這些方法包括二值化(binarization)、相連單元分析、規則檢查
以及瞭解(understanding)。其次,提出一個串級式光學文字辨識(OCR)系
統來辨認索引表內的字,這些文字包括明體的中文字、英文字以及數字。
在這個OCR系統中包括四個步驟︰前處理、特徵抽取、分類以及後處理。
在前處理中使用二值化和遮照(mask)運算,在特徵抽取中計算四個特徵︰
Walsh轉換、像素分佈(pixel distribution)、筆劃穿越數(crossing
count)以及長的水平和垂直筆劃。在分類中使用大分類和串級式細分類。
在後處理中使用道路名稱在地圖中出現的頻率次數。然後取前兩名當作辨
認結果。最後,提出一個以幾何為本演算法來確認地圖中的道路名稱。這
個演算法包括利用道路的延伸性、符合最短距離、規則檢查以及滿足一些
限制。在我們的實驗中,共使用九張地圖,其中索引表和表內的文字完全
抽出,索引表內的文字辨識率為98.23%,地圖中的道路名稱確認率
為95.54%。這些實驗結果,證明我們所提出的系統是相當有效的。
This thesis presents a system to identify road names from a map.
A map consists of a large number of entities, such as geographic
landmarks, cities, rivers, roads, grid lines, country borders,
institution names, and city borders. Road names often
distribute nonuniformly in a map. They may rotate, vary in size
or font type, touch lines or touch each other seriously. These
problems make character extraction and recognition of road names
very difficult. This thesis presents some methods to solve
these problems. We first propose a connected-component-based
method to extract the index table and its characters. The
operations include binarization, connected component analysis,
rules checking, and understanding. Second, we propose an
cascade OCR system to recognize the characters of the index
table. The characters include Ming font, multi-size Chinese
characters, English characters and numerals in a map. In this
OCR system, statistical and structural features are used to
recognize characters. This system consists of four phases:
preprocessing, feature extraction, classification, and
postprocessing. The preprocessing phase performs thresholding
and masking. In the feature extraction phase, we compute four
types of features, which are Walsh transformation, pixel
distributions, crossing counts, and long horizontal-vertical
strokes. In classification phase, preclassification and cascade
fine matching are performed. Three kinds of features are used
serially in the fine matching. In the final postprocessing
phase, candidates outputted from the fine matching module are
tuned according to the frequency rate trained from characters
collected from a tour book. At last, the top two candidates
with the highest scores are chosen as the recognition results.
In the last part, a geometry-based algorithm is proposed to
identify the road names of the index table. This algorithm
includes road line extension, shortest distance coincidence,
rules checking, and some constraint satisfaction. The testing
maps of our experiments contain nine maps. All index tables and
characters in the index tables can be extracted. The
recognition rate of characters in index tables is 98.23%, and
the identification rate of road names is 95.54%. These
experimental results show that the proposed system is rather
effective.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔