本发明涉及地图数字化，特别涉及一种基于小波神经网络算法的扫描地图地名注记自动化提取方法及系统。
背景技术：
1、现有从图像中提取文字的常用方法是光学字符识别技术(ocr)，ocr技术在清晰无噪声、文字排列整齐的图片中提取文字性能良好，但地图图像内容复杂，一幅地图图像除文字注记外，还有点、线、面等其他地物符号，影响了文字的清晰度和对比度，ocr技术无法有效处理这些噪声对识别结果的干扰，致使识别出来的文字注记边缘不清晰，同时带有除注记外的其他混杂要素。在地图图像中，受制图综合的影响，地图注记不是整齐排列，而是依附于地图图斑非均匀分布、扭曲分布或倾斜分布，为了突出显示地图中的重要信息，同一幅地图图像上的注记通常使用不同的字体和字号，这就使ocr技术在复杂环境中难以完整提取地图注记文字特征，最终造成地图注记漏识别或误识别。
技术实现思路
1、为此，本发明提供一种基于小波神经网络算法的扫描地图地名注记自动化提取方法及系统，解决现有背景噪声较大的纸质或扫描地图的文字自动提取不准确的问题。
2、按照本发明所提供的设计方案，一方面，提供一种基于小波神经网络算法的扫描地图地名注记自动化提取方法，包含：
3、将待处理的地图扫描图像输入至背景滤波模型，利用背景滤波模型并通过连通区域分析去除地图扫描图像中的背景噪声，得到无背景地图图像，所述背景滤波模型为基于u-net神经网络构建并利用样本数据训练后得到的目标神经网络；
4、将无背景地图图像分解为不同尺度和不同方向的高频信息和低频信息，通过小波变换对地图图像分辨率进行增强处理，并提取地图图像中的文字特征，所述高频信息包括地图图像边缘信息和轮廓信息，所述低频信息包括地图图像信息；
5、将文字特征输入至预训练的神经网络模型，利用神经网络模型识别待处理的地图扫描图像中多态文字，所述神经网络模型包括用于提取输入图像静态局部特征序列的卷积神经网络结构和用于对图像静态局部特征序列进行编码及识别输出的编码器网络。
6、作为本发明基于小波神经网络算法的扫描地图地名注记自动化提取方法，进一步地，所述背景滤波模型包括编码器和解码器，在编码器中利用卷积层提取输入图像特征，在每个卷积层后加入批量归一化和激活函数，使用池化层进行下采样，且在每次下采样中堆叠设置卷积层和池化层，以通过增加特征图通道数来扩展特征多样性；在解码器中利用转置卷积层对特征图进行转置卷积操作，且转置卷积过程中的特征图通道数与图像特征提取过程中的特征图通道数一致，并将两个特征图通道数进行跳跃连接，以对特征图进行叠加。
7、作为本发明基于小波神经网络算法的扫描地图地名注记自动化提取方法，进一步地，背景滤波模型的训练过程包含如下内容：
8、构建样本数据集，所述样本数据集中包含带有地物标注的图像样本数据；
9、利用样本数据集并通过最小化损失函数对u-net神经网络进行训练调优，将训练调优后的u-net神经网络作为目标神经网络，以获取背景滤波模型。
10、作为本发明基于小波神经网络算法的扫描地图地名注记自动化提取方法，进一步地，利用背景滤波模型并通过连通区域分析去除地图扫描图像中的背景噪声，包含：
11、利用背景滤波模型对地图扫描图像进行图像分割，并通过计算最大通道和最小通道图像像素点平均值将地图扫描图像转化为灰度图；
12、使用大律法确定图像二值化分割阈值，并利用阈值对灰度图进行二值化处理，以去除地图扫描图像中的背景噪声。
13、作为本发明基于小波神经网络算法的扫描地图地名注记自动化提取方法，进一步地，通过小波变换对地图图像分辨率进行增强处理，包含：
14、将地图图像分解到小波域，得到地图图像低频子图像；
15、对低频子图像进行直方图均衡化处理，将直方图中集中的灰度分布区间拉伸为全局范围内的均衡分布，并重新分配图像的像素值，以增强地图图像中低频子图像整体对比度。
16、作为本发明基于小波神经网络算法的扫描地图地名注记自动化提取方法，进一步地，提取地图图像中的文字特征，包含：
17、使用sobel算子计算地图图像在x和y方向上的梯度，同时获取地图图像的灰度共生矩阵；
18、利用灰度共生矩阵提取地图图像中文字特征。
19、作为本发明基于小波神经网络算法的扫描地图地名注记自动化提取方法，进一步地，利用神经网络模型识别待处理的地图扫描图像中多态文字，还包含：
20、将文字识别结果与自定义字典进行匹配，和/或利用语言模型对识别结果进行校正，以纠正地图图像中文字识别结果的错误。
21、再一方面，本发明还提供一种基于小波神经网络算法的扫描地图地名注记自动化提取系统，包含：去噪模块、增强模块和识别模块，其中，
22、去噪模块，用于将待处理的地图扫描图像输入至背景滤波模型，利用背景滤波模型并通过连通区域分析去除地图扫描图像中的背景噪声，得到无背景地图图像，所述背景滤波模型为基于u-net神经网络构建并利用样本数据训练后得到的目标神经网络；
23、增强模块，用于将无背景地图图像分解为不同尺度和不同方向的高频信息和低频信息，通过小波变换对地图图像分辨率进行增强处理，并提取地图图像中的文字特征，所述高频信息包括地图图像边缘信息和轮廓信息，所述低频信息包括地图图像信息；
24、识别模块，用于将文字特征输入至预训练的神经网络模型，利用神经网络模型识别待处理的地图扫描图像中多态文字，所述神经网络模型包括用于提取输入图像静态局部特征序列的卷积神经网络结构和用于对图像静态局部特征序列进行编码及识别输出的编码器网络。
25、本发明的有益效果：
26、本发明通过建立适配扫描地图噪声滤波的卷积神经网络，能够适配于高精度低噪声环境的纸质或扫描地图文件的地名注记转化，结合多角度并行处理和信号分解技术，显著提高地名注记识别的准确率和可靠性，实现从纸质或扫描地图中提取并转换地名注记为数字信息，具有较强的鲁棒性，能够处理不同分辨率、不同类型的地图图像，适应性广泛，具有较好的应用前景。
1.一种基于小波神经网络算法的扫描地图地名注记自动化提取方法，其特征在于，包含：
2.根据权利要求1所述的基于小波神经网络算法的扫描地图地名注记自动化提取方法，其特征在于，所述背景滤波模型包括编码器和解码器，在编码器中利用卷积层提取输入图像特征，在每个卷积层后加入批量归一化和激活函数，使用池化层进行下采样，且在每次下采样中堆叠设置卷积层和池化层，以通过增加特征图通道数来扩展特征多样性；在解码器中利用转置卷积层对特征图进行转置卷积操作，且转置卷积过程中的特征图通道数与图像特征提取过程中的特征图通道数一致，并将两个特征图通道数进行跳跃连接，以对特征图进行叠加。
3.根据权利要求1或2所述的基于小波神经网络算法的扫描地图地名注记自动化提取方法，其特征在于，背景滤波模型的训练过程包含如下内容：
4.根据权利要求1所述的基于小波神经网络算法的扫描地图地名注记自动化提取方法，其特征在于，利用背景滤波模型并通过连通区域分析去除地图扫描图像中的背景噪声，包含：
5.根据权利要求1所述的基于小波神经网络算法的扫描地图地名注记自动化提取方法，其特征在于，通过小波变换对地图图像分辨率进行增强处理，包含：
6.根据权利要求1或5所述的基于小波神经网络算法的扫描地图地名注记自动化提取方法，其特征在于，提取地图图像中的文字特征，包含：
7.根据权利要求1所述的基于小波神经网络算法的扫描地图地名注记自动化提取方法，其特征在于，利用神经网络模型识别待处理的地图扫描图像中多态文字，还包含：
8.一种基于小波神经网络算法的扫描地图地名注记自动化提取系统，其特征在于，包含：去噪模块、增强模块和识别模块，其中，
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，当计算机程序被执行时，能够实现如权利要求1～7任一项所述的方法。
