第三届全国数字成像技术及相关材料发展与应用学术研讨会(已被录用)
特征匹配法实现地图中特殊符号的快速识别
季方 鲍远律 海涛 屈静
（中国科学技术大学自动化系GPS实验室 安徽合肥 230027）
摘 要
在地图道路识别过程中，表示医院等特殊符号严重影响识别结果。通过对栅格地图上医院“十字”符号特征的提取，结合通用的模板匹配法，本文提出了一种运用特征匹配法实现地图中特殊符号的快速识别算法。
关键词：栅格地图 模板匹配 道路识别 符号识别 特征匹配
中图法分类号：TP391.41 ；基金项目：国家自然科学基金(60272040)资助项目
Fast Recognition of Special Symbol Based on Feature Matching Method
Ji Fang Bao Yuanlu Hai Tao Qu Jing
GPS Lab, University of Science and Technology of China, Hefei 230027, Anhui China
Abstract
In the course of road recognition from raster map, some symbols such as hospital, telcom etc. badly influence the result of recognition. By distilling the feature of symbol and combining it with templet matching method, this article proposes feature matching method to efficiently recognise special symbol. Key Words raster map; templet matching; road recognition; symbol recognition; feature matching
近年来，地理信息系统(GIS，geographic information system)技术得到飞速发展，并已经应用于国民经济的各个领域。地理信息系统中应用的地图可分为栅格地图和矢量地图(又称数字地图)两类。因为矢量地图相对于栅格地图有很多优点，应用越来越广泛，所以，将现有的栅格地图转化为矢量地图已成为地理信息系统应用的重要任务。城市交通地图信息的识别是地理信息系统的基础，如何提取完整的道路信息以及如何自动快速地识别特殊符号信息则成为栅格地图矢量化过程中必不可少的环节。
在一幅城市交通地图中，存在很多特殊符号（如医院“”、电信“”
、政府“”等），如果能够准确、快速地定位、识别出这些符号，将可以实现在矢量地图中对以上信息的自动添加；同时，由于这些符号（特别是医院和电信的符号）内部颜色和道路颜色相似甚至相同，在道路信息识别过程中引起误识别；而且，在有些地图上，这些特殊符号（特别是政府的标志）既位于道路上又位于区域上，如果能首先将这些特殊符号识别出来，并运用一定的处理方法将这些特殊符号进行分割处理，划归道路或区域，则使得后期处理更加方便、快捷、准确。
基于模板匹配的方法在地图中特殊符号自动识别方面的研究工作已经很多，但是模板匹配方法计算量大，严重影响识别的速度。本文通过提取医院符号的特征，并运用MATLAB强大的数据处理能力实现了对栅格地图中医院符号的快速、准确识别。本文用于实验和处理的对象为中国公路交通图
[6]
册（光盘版） （地质出版社地图编辑室所编制）。
1 医院“十字”符号的特征提取
为了研究“十字”符号的特征，只有从它的颜色特征着手。如图1所示，为医院“十字”符号的灰度值表格，共17*17个像素，每个空格表示一个像素，空格内的数字为本像素的灰度值。
从图1中可以看到区域中心有很多像素的灰度值为251，这和表示道路的白色的灰度值255很接近；同时有很多灰度值为95的像素环绕这个“十字”，其实这就是我们看到的红色像素。而且在红色像素和白色像素之间还有很多其它噪声像素，这些其实是红白两色之间的过渡色。以上可以说是医院“十字”符号的基本特征。
162123
223189
162168168172169
169168172168172169
95 168
95 95 95 223
251251251251251251251251251251200
251251251251251251251251251251123
173223223246251251251223223223189
95 20095 200200200251251212212
108189251251212
95 15617317395 95 21295 95 95 189246251251246189173
95 95 95 95 95 95 22495 95 95 18920095 95 95 212168168172169168
95 21295 20095 108
169
22320095 95 95 212
95 95 212
图1 医院“十字”符号的灰度值表格
根据以上的特征，建立“十字”符号的理想模型，如图2所示： 图2 “十字”符号的理想模型
通过对理想模型的研究，抽取特征参数如下：
（1）h_white，表示“十字”符号中心白色像素灰度值的最小值，因为“十字”符号中心白色一般接近于道路颜色，即总是小于但接近于255，对本文所研究图源，此参数取值为250即可，一般不需调整。
（2）h_red，表示“十字”符号外围红色像素的灰度值，对于本文所研究图源，取值为95，一般不需调整。
（3）h_diffred，表示与“十字”符号外围红色像素灰度值之间的差值，这个误差主要是由于在印制地图的过程中着色上的误差以及色彩的相互影响引起的，比如有的地图上h_red为93而非95。但是在正常情况下，这个误差不会很大，所以这个参数一般不需调整，在本文所研究的图源中取值为5。 （4）h_max，表示“十字”符号中心点与周围红色像素点距离的最大值，即中心点与一级匹配特征点之间距离的最大值，对于本文所研究的图源，一般取值为8到10。
（5）h_min，表示“十字”符号中心点与周围红色像素点距离的最小值，即中心点与一级匹配特征点之间距离的最小值，对于本文所研究的图源，一般取值为4或5。
（6）h_sim，表示被检测出来的“十字”符号中心位置的相似度，对于本文所研究的图源，一般取值为3或4。
（7）h_tilt，表示“十字”符号中心点与二级匹配特征点的距离，对于本文所研究的图源，一般取值为3。
有了这七个参数之后，我们就可以运用特征匹配法实现地图中“十字”符号的快速识别。
2 程序实现
为了使得本程序更容易理解，用中文表示如下： 2.1 一级匹配
设置一个空矩阵，用来存储检索出来的可能的“十字”符号的中心位置坐标 扫描待识别地图（边缘部分不处理）
如果 当前像素点的灰度值大于参数h_white
那么 以当前点为中心建立直角坐标系，顺序检查0°、90°、180°、270°方向上的像素 如果 某个像素的灰度值与h_red的差值小于h_diffred 那么 停止此方向上的搜索，并记录此位置 否则 继续搜索
如果 四个方向上所记录的位置都符合大于h_min且小于h_max的条件 那么 记录当前的坐标中心点（即当前考察的位置点） 否则 不做任何纪录
否则 继续扫描地图其他像素点
说明：程序第四行的顺序检查各个方向上的像素，表示并非每个方向都作检查，只有在此方向上所搜索到的位置符合大于h_min且小于h_max的条件，才进行下一个方向的搜索，这样，可以减少运算量，省略了大量的冗余的不必要的工作，节省运算时间，加快检索速度。这个过程可以称为一级匹配。 2.2 二级匹配
经过一级匹配过程，可以把所有的“十字”符号所在的位置识别出来，但是会有一些误识别，即产生假点。因为我们的特征还没有用完，所以有很多不是“十字”符号所在位置的位置被识别出来。而且，因为“十字”符号的中心点并非单像素组成，所以，会有多个中心被检测出来，就需要将这些表示同一个“十字”符号的中心位置合并，并且取这些点的平均值并取整，就得到了真正的中心点的位置坐标。利用MATLAB强大的矩阵处理能力，很容易完成。下一步就是检测这些候选位置是否为假点，程序如下：
将位置矩阵中的每个坐标表示的位置，均再次进行检测，同样要以被检测点为坐标原点
检查离坐标原点距离为h_tilt的45°、135°、225°、315°方向上的4个像素点的灰度值，即检查4个二级匹配特征点的灰度值
如果 存在某个灰度值与整幅地图中表示道路的灰度值接近或相同 那么 此坐标原点为假点，删除此点
否则 此坐标原点是真的中心点，保留此点 检测下一个位置点
这个过程可以称为二级匹配，因为经过一级匹配后，检测出来的可能位置点就只有很少了，所以二级匹配只需要检测少数位置即可。这个过程更是大大地减少了运算量，运算时间比通用的模板匹配法要少得多。
3 实验结果
下面以北京市地图的一部分为例，说明检测的准确性：
如图3所示，为北京市地图的一部分，大小为500*500像素，可以看出共有6个医院的“十字”符号标志，而运用特征点匹配算法检测出来的六个位置坐标为（27,64）、（417,66）、（230,239）、
（81,331）、（325,397）、（399,487）。如图4所示，将检测出来的位置作“蓝色十字”标记，可以看出，图4中被标记“蓝色十字”标记的位置就是医院“十字”符号的中心位置，当然由于，医院的“十字”标记中心白色为双像素组成，而标记中心位置的“蓝色十字”是单像素的，所以看来有些偏离。
图3 北京市地图的一部分（500*500） 图4 检测出来的“十字”符号中心位置用蓝色“十字”标记
利用本文所介绍的特征匹配算法，处理了中国公路交通图册（光盘版）（地质出版社地图编辑室所编制）中很多城市地图，没有出现误识别（包括过识别和欠识别）现象。
4 结论
根据特征匹配法和模板匹配算法本身的搜索方法来看，特征匹配算法要快速，从实际的运算时间来看也的确如此。而且，从实验结果可以知道，特征匹配算法和模板匹配算法一样都很准确，不会出现误识别现象。
这样，就为以后矢量地图信息的自动添加奠定了基础，同时，因为在某些时候这些特殊符号会既位于区域又位于道路，所以将这些特殊符号检测出来之后，如果能够找到一种方法（目前正努力进行这方面的研究），将这些特殊符号进行分割处理，就使得以后的道路提取提供了方便，解决了特殊符号在道路识别过程中引入误差的问题。
参考文献
1 沈怡 等. 建筑工程图符号的特征匹配识别方法. 计算机辅助设计与图形学学报, 2003;（9） 2 刘维一 等. 特征点匹配法实现汽车牌照的快速识别. 光电子 激光, 2002;(3)
3 叶家鸣. 彩色城市交通地图道路信息的识别与提取[D], 中国科学技术大学硕士论文, 2003 4 海涛 等. 基于彩色栅格地图噪声特征的道路提取. 微型机与应用, 2004;(8) 5 中国公路交通图册(光盘版)[CD] . 北京: 地质出版社, 2000
6 清源计算机工作室. MATLAB高级应用----图形及影像处理. 北京: 机械工业出版社, 2000
作者简介
季 方 1983年生，男，2002年毕业于中国科学技术大学自动化系，现为该校硕士研究生。主要研究方向：全球定位系统技术及应用、地理信息系统技术及应用和交通矢量地图的自动生成。
鲍远律 1947年生，男，1969年毕业于中国科学技术大学近代物理系，1981年获自动控制专业硕士学位。现为该校自动化系教授，《控制理论与应用》编委。主要研究领域：控制理论与系统集成，全球定位系统GPS应用，交通矢量地图GIS，移动目标监控专用数字通讯。
海 涛1975年生，男，安徽无为人，中国科学技术大学自动化系硕士研究生，主要研究方向：图象处理与分析、模式识别与智能系统、计算机应用；
屈 静 1980年生，女，中国科学技术大学自动化系硕士研究生，主要研究方向：GIS技术及交通矢
量地图的自动生成和校正。
稿件题目：特征匹配法实现地图中特殊符号的快速识别 联系作者：季方
Email: jifang@ustc.edu 邮编：230027
通讯地址：安徽合肥中国科学技术大学西区10号楼730室 电话：0551-3601521 手机：013955193539
网址：http://
