一、选题和研究价值（原有内容优化补充）

二、国内外研究现状和发展趋势

（一）国外研究现状

1. 古地图数字化研究起步较早：自 20 世纪 80 年代起，欧美国家已开展古地图数字化工作，代表性项目如美国国会图书馆 “古地图数字化计划”、英国国家档案馆 “历史地图在线数据库”，重点解决古地图的扫描存档、地理配准、元数据标注等基础问题。

2. 地理要素提取技术成熟：针对近现代地图（含部分历史地图），已形成基于机器学习（如支持向量机、随机森林）、深度学习（如 U-Net、Mask R-CNN）的地理要素提取方法，在道路、河流、建筑物等要素提取中取得较好效果。但国外古地图以西方测绘体系为主，与中国清代舆图的传统绘制风格、符号体系差异较大，相关方法难以直接复用。

3. 研究侧重应用导向：国外研究多聚焦古地图数字化后的地理信息挖掘，如利用历史地图重建古代交通网络、分析城市空间扩张等，对传统风格古地图的要素提取技术针对性不足。

（二）国内研究现状

1. 古地图数字化基础工作扎实：国内已开展大量明清舆图的数字化存档项目，如 “中国古籍数字化工程”“明清舆图集成数据库”，实现了部分舆图的高清扫描与在线查阅，但数字化成果多停留在 “可看” 层面，深度的要素提取与信息挖掘较少。

2. 舆图要素提取研究逐步兴起：近年来，国内学者开始探索古地图要素数字化方法，如基于阈值分割、边缘检测的明代舆图道路提取，基于形态学处理的清代舆图边界提取等。但针对水系要素的专项提取研究较少，且现有方法存在明显局限：

• 传统图像处理方法（如阈值分割、边缘检测）难以应对清代舆图中水系与背景的灰度混淆、线条粗细不均等问题；

• 通用深度学习模型未充分考虑清代舆图水系的管状结构特征，对细水系、断裂水系的提取精度不足。

1. 研究趋势：古地图数字化正从 “存档型” 向 “分析型” 转变，核心需求从 “数字化存储” 转向 “精准化提取”“智能化分析”；同时，跨学科融合趋势明显，历史地理学与数字图像处理、机器学习的结合日益紧密，针对特定类型古地图、特定地理要素的专用提取方法，成为研究热点。

（三）现有研究不足

1. 缺乏针对清代舆图水系特征的专用提取方法，现有方法多照搬通用地图要素提取技术，未充分适配清代舆图水系的管状形态、断裂分布等特点；

2. 对舆图中水系断裂区域的处理不足，清代舆图因绘制工艺、保存状况等因素，部分水系存在线条断裂、模糊等问题，现有方法难以有效衔接断裂区域，影响提取完整性；

3. 提取结果的量化评价体系不完善，缺乏针对清代舆图水系提取的专用评价指标，难以客观衡量方法的有效性。

三、研究思路、研究内容、创新点或拟解决的关键问题

（一）研究思路

以清代舆图水系的形态特征与绘制特点为出发点，首先分析清代舆图水系的数字化难点（如管状结构的精准识别、断裂区域的有效衔接、背景噪声的抑制），然后基于数字图像处理与机器学习技术，分别针对 “管状结构特征”“断裂区域问题” 研发专用提取算法，最后通过多组实验验证方法的有效性，形成一套完整的清代舆图水系区域提取流程。

（二）研究内容

1. 清代舆图水系特征分析：选取《皇舆全览图》《乾隆十三排图》等典型清代舆图为研究对象，从形态特征（线条粗细、走向、管状结构参数）、绘制风格（墨色深浅、与其他要素的区分度）、质量问题（断裂、模糊、噪声）三个维度，建立清代舆图水系特征数据库，为提取方法设计提供依据。

2. 基于管状结构分割的水系提取方法：

• 预处理：采用自适应阈值去噪、图像增强技术，突出水系与背景的灰度差异，改善图像质量；

• 管状结构检测：基于 Hessian 矩阵、Frangi 滤波等方法，识别舆图中水系的管状形态特征，初步定位水系区域；

• 分割优化：结合水系的连通性特征，采用形态学膨胀、腐蚀、区域生长算法，优化分割结果，剔除非水系管状干扰要素（如部分道路）。

1. 基于断裂区域增强的水系提取方法：

• 断裂区域识别：通过边缘检测（如 Canny 算子）与连通域分析，定位水系断裂处的位置与范围；

• 断裂衔接模型：基于水系走向的连续性、邻近像素灰度相似性，构建断裂区域修复模型，实现断裂水系的精准衔接；

• 融合提取：将断裂增强后的图像输入管状结构分割模型，形成 “特征增强 - 精准分割” 的两步提取流程。

1. 方法验证与优化：

• 数据集构建：选取不同时期、不同保存状况的 10-15 幅清代舆图，人工标注水系区域作为标准数据集；

• 评价指标：采用准确率（Precision）、召回率（Recall）、F1 分数、交并比（IoU）等指标，从提取精度、完整性两个维度，对比所提方法与传统方法（如阈值分割、通用 U-Net 模型）的性能；

• 方法优化：根据实验结果，调整算法参数（如滤波窗口大小、断裂衔接阈值），提升方法的鲁棒性。

（三）创新点

1. 针对性创新：首次将管状结构分割技术专门应用于清代舆图水系提取，充分适配清代舆图水系的形态特征，提升提取精准度；

2. 问题导向创新：针对清代舆图水系常见的断裂问题，提出断裂区域增强策略，通过断裂识别 - 衔接修复 - 融合提取的流程，解决传统方法难以处理的水系完整性问题；

3. 方法融合创新：结合传统数字图像处理（形态学、滤波）与现代机器学习思想，形成兼顾特征适配性与问题针对性的专用提取方法，避免单一技术的局限性。

（四）拟解决的关键问题

1. 如何精准识别清代舆图中水系的管状结构，有效区分水系与背景噪声、其他管状要素（如道路）；

2. 如何高效定位并修复清代舆图水系的断裂区域，在保证衔接准确性的同时，避免过度修复导致的地理信息失真；

3. 如何建立科学的评价体系，客观衡量提取方法在不同类型、不同质量清代舆图中的适用性。

四、拟采取的研究方法或技术路线

（一）研究方法

1. 文献研究法：梳理古地图数字化、地理要素提取、清代舆图研究相关文献，明确研究现状与技术空白，为研究方案设计提供理论支撑；

2. 数据分析法：通过采集典型清代舆图图像数据，分析水系的形态特征、绘制特点与质量问题，构建特征数据库；

3. 数字图像处理法：运用图像增强、滤波去噪、形态学处理、边缘检测等技术，进行水系区域的初步提取与优化；

4. 算法设计与实现：基于 Python（OpenCV、Scikit-image 库）、PyTorch 框架，实现管状结构分割算法、断裂区域增强算法的编程开发；

5. 实验验证法：通过构建标准数据集，设计对比实验，验证所提方法的有效性与优越性。

（二）技术路线

1. 前期准备阶段（1-2 个月）：

• 收集清代舆图高清图像数据（含不同时期、不同保存状况）；

• 查阅相关文献，明确研究目标与技术方案；

• 搭建实验环境（硬件：高性能计算机、图像扫描设备；软件：Python、OpenCV、PyTorch 等）。

1. 数据预处理与特征分析阶段（2-3 个月）：

• 对舆图图像进行扫描、裁剪、灰度化等预处理；

• 人工标注部分舆图水系区域，构建标准数据集；

• 分析水系形态特征、绘制风格与质量问题，形成特征分析报告。

1. 算法设计与开发阶段（4-5 个月）：

• 基于管状结构分割的水系提取算法设计与编程；

• 基于断裂区域增强的水系提取算法设计与编程；

• 两种算法的融合与优化。

1. 实验验证与分析阶段（2-3 个月）：

• 采用标准数据集进行实验，对比所提方法与传统方法的性能；

• 分析实验结果，优化算法参数；

• 撰写实验报告。

1. 总结与成果输出阶段（1-2 个月）：

• 整理研究数据与实验结果；

• 撰写研究报告或论文；

• 形成清代舆图水系提取工具原型（可选）。

主要参考文献

1. 中国地图学史-卢良志著
2. **清廷三大实测全图东北地区比较研究 **来源：《历史地理研究》2022年第2期
3. 康熙《皇舆全览图》的数字化及意义_韩昭庆
4. 明、清、民国时期地图要素视觉表达方法分析_韩朝阳

进度安排和预期成果

研究基础和条件保障

导师组意见

考核小组专家评审意见

版权所有

版权归属：HuiXiaHeYu

许可证：署名 4.0 国际 (CC-BY-4.0)