科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对当前水深注记自动提取实现困难、精度不高及效率过低等问题，将卷积神经网络(convolutional neural networks, CNN)模型应用于水深注记的自动识别，结合水深注记空间分布及几何特性对传统模式识别算法进行了改进，提出了一种兼顾要素正确分类及精准定位的栅格海图水深注记自动提取方法。通过对海图切片邻域的定量扩张，建立了顾及要素完整性的海图自适应切分模型，克服了CNN模型应用于大幅面海图要素识别的局限性；结合预测框角点位置的空间关系分析及评估，设计了面向空域冲突的要素唯一性判定原则，解决了邻域扩张引起的水深注记重复识别问题；在此基础上，进一步论证了水深注记主点位置的空间分布规律，建立了考虑要素几何分布特征的连通域分析改进模型，实现了水深注记的精准定位及数值提取。试验结果表明：(1)本文方法较好地实现了水深注记的自动提取，在CNN模型实现水深注记分类及粗定位过程中，具有较高的查全率和分类查准率。同时，最终水深注记数值提取结果正确率较高，且主点位置能满足水深注记提取的特殊要求。(2)通过多种CNN模型应用于本文自动提取模型中的对比试验，对比不同CNN模型在本文自动提取模型中的效能，分析并给出CNN模型采用的建议。同时，选取表现较好的CNN模型，作为本文模型采用的CNN模型与传统模式识别方法做对比，根据处理时间和查准、查全率结果，证明本文方法具有较高的识别准确率和效率。
-
单位中国人民解放军海军大连舰艇学院
