舆图记事本

约 3756 字大约 13 分钟

2025-09-02

图例解析

历史

元代朱思本 -->《舆地图》

1541+ 明代罗洪先 -->《广舆图》

1718 皇舆全览图

1722 雍正十排图

1787 乾隆内府舆图

图例符号确定

优先级：

1895年“安徽舆地图”的图例表-》明清两代全国和省区地图集编制概况
明、清地图主要符号对比-》明、清、民国时期地图要素视觉表达方法分析
清代几种地图和地图集所用居民点符号-》试论我国地图的数学要素和表示方法的演进特色
广舆图24种符号-》试论我国地图的数学要素和标志方法的演进特色
中国古代地图的图式符号举例-》中国古代地图绘制的理论和方法初探

点特征：山、森林、村镇、州、县、府城、文官驻所；桥、柳条边门、柳条边台；城池、太平府等特殊景观
线性特征：河流、驿路、淤河、河岸线、长城
面特征：湖泊、沙漠

来源：康熙《皇舆全览图》的数字化及意义

联系专家

霍仁龙老师：

四川大学国际关系学院网页：https://sis.scu.edu.cn/news.html?newsId=2166
- 此单位电话：028-85470709
  - 目前情况：已告知，等待回复（1912452912@qq.com / 13653917580）
中国人民大学清史研究所网页：http://iqh.ruc.edu.cn/xwdt/9b3c0b9cdea3453e8c94856de3dce44e.htm
百度词条：https://baike.baidu.com/item/%E9%9C%8D%E4%BB%81%E9%BE%99/24690515

韩昭庆老师：

中国历史地理研究所网页：https://yugong.fudan.edu.cn/info/1113/3421.htm
- 此单位电话：(86)-21-65642714
百度词条：https://baike.baidu.com/item/%E9%9F%A9%E6%98%AD%E5%BA%86?fromModule=lemma_search-box

河流湖泊图例类别

河流只有一种类别：双实线。不存在单实线树状结构

存在的其他问题：

双实线绘制过密的问题【皇舆全览图-32页】

河流绘制出现断线【皇舆全览图-38页】

2. 两条边界线评价方面
调研mapsam算法

数据集制作

图像预处理：

对大图进行标注

保证标签在所有图块的边缘处是完美对齐；
极大地减少了模型在图块拼接处的预测错误；
如果对小图进行标注，会导致训练标签中出现不连续的错误）

使用scale_factor=2 搭配 tile_size=512对图像进行缩放和切块。

保证图像信息密度
保证图像实际大小，防止oom

sam2unet渐进式标注

x-anylabeling：生成mask图像
sam2unet：原图+mask图像拿去训练
sam2unet：剩下的图用训练好的模型推理并声称标注文件
labelme：修改标注

对比实验（多）

mask2former（68已配置）--2022CVPR

deeplabv3+（68已下载）--2018

unet+aspp（对比来源：Leveraging uncertainty estimation and spatial pyramid pooling for extracting hydrological features from scanned historical topographic maps）--2022

sam2-unet（68已配置）--2025ICCVW

mapsam（2024）（68已配置）--2025

评价指标（多）

指标	类型	主要用途
Dice	区域重叠	区分对象整体是否预测正确
IoU	区域重叠	更严格的区域一致性评估
Boundary-F1	边界	容差范围内边界是否对齐
ASSD	边界距离	平均边界偏差（整体准确度）
HD95	边界距离	最大偏差的稳健衡量（错误严重程度）
Chamfer Distance	边界距离	用于细长结构（河流、道路）

标题

水系特征的“特征”二字与“特征提取”有混淆

参考标题

清代舆图水系区域提取方法研究

水文要素/水系区域指的是什么？

不够确凿

古代地图中的水文要素是地图描绘自然地理与人文水系的核心内容，其呈现形式随制图技术、时代需求和地域文化差异有所变化，但核心类别可归纳为自然水文要素和人文水文要素两大类，其中清代舆图因测绘技术发展和实用需求，水文要素的描绘更具系统性和细节性，与你研究的 “清代舆图数字化与水文要素分割” 高度相关。

一、自然水文要素

这类要素是对天然水系的直接描绘，是古代地图水文内容的基础，不同朝代的地图会根据认知和精度呈现不同细节：

河流
- 主流与支流：是最核心的水文要素，古代地图中常以线条粗细、虚实区分主流（如长江、黄河干流）和支流（如汉江、渭河），清代实测舆图（如《康熙皇舆全览图》）还会标注河流走向、曲直变化及河道宽度。
- 特殊河段：包括急流、浅滩、瀑布、河曲等，部分古地图会用符号或文字注记（如 “滩”“濑”“瀑”）标识，清代边疆舆图中还会标注季节性河流（时令河）的枯水、丰水状态。
湖泊与沼泽
- 湖泊：以闭合曲线表示轮廓，大型湖泊（如太湖、鄱阳湖）会标注名称，清代舆图中还会区分淡水湖和咸水湖（如青海湖注 “咸水”），部分地图会描绘湖泊与河流的连通关系。
- 沼泽 / 湿地：多以晕染、点状符号或文字（如 “泽”“淀”“淖”）表示，如《平江图》中对江南水乡沼泽的描绘，清代《乾隆内府舆图》则对东北三江平原沼泽有更精准的标识。
海洋与海岸
- 海洋：早期古地图多以抽象图形（如波浪纹）或文字（如 “海”“洋”）表示，清代实测海图（如《福建沿海舆图》）会绘制海岸线轮廓、海湾、半岛、海岛，还标注潮汐规律（如 “潮涨时”“潮落处”）。
- 河口：重点描绘河流入海口的形态（如三角洲、喇叭口），清代舆图中会标注河口泥沙淤积、沙洲分布等细节。
泉与井
- 泉：多见于区域地图或城镇图，以符号（如圆形、水滴形）加文字注记（如 “温泉”“冷泉”）表示，是内陆干旱地区地图的重要水文要素。
- 井：在北方缺水地区或城镇地图中常见，以小圆圈或 “井” 字符号标识，部分古地图会标注井的深度、水质（如 “甜水井”“苦水井”）。

二、人文水文要素

这类要素是人类利用、改造水系的产物，体现了水文与社会经济、军事防御的结合，清代舆图中此类要素的描绘尤为丰富：

水利工程
- 运河与渠：人工开凿的水运通道，如京杭大运河在明清地图中以粗线标注，还会标注运河上的闸、坝、堰（如 “通惠河闸”“高家堰”），清代《运河图》详细绘制了运河的水闸分布、通航能力。
- 堤坝与圩垸：防洪、灌溉设施，以线条或阴影表示堤坝轮廓，标注 “堤”“圩”“垸” 等文字，如清代江南舆图中对太湖圩田堤坝的描绘。
- 水库与陂塘：人工蓄水设施，小型陂塘以闭合曲线加注记（如 “塘”“陂”）表示，大型水库（如浙江的东钱湖）在清代舆图中会标注蓄水量、灌溉范围。
水运设施
- 渡口与码头：以符号（如船形、方形）加文字（如 “渡”“津”）表示，清代漕运图中会标注渡口的规模（如 “大渡”“小渡”）、通航船舶类型。
- 桥梁：跨越河流的交通设施，以象形符号（如拱形、梁形）表示，清代舆图中会区分石桥、木桥、浮桥，还标注桥梁的长度、宽度及通行能力。
- 船闸与漕运码头：运河专用设施，清代《京杭运河全图》中会详细绘制船闸的结构、启闭方式，以及漕运码头的仓储、装卸区域。
水文管理与标识
- 水文站 / 水尺：清代后期近代测绘技术传入后，部分舆图会标注水位观测点（水尺）的位置，记录汛期、枯水期水位，是水文监测的早期形式。
- 防汛与水利管理机构：如 “河督署”“堤工局” 等，在清代黄河、长江流域舆图中会标注此类机构的位置，体现对水文治理的行政管控。

三、古代水文要素的表示特点

符号化与文字注记结合：早期古地图以文字注记为主，符号为辅；宋代以后（如《华夷图》《禹迹图》）逐渐形成固定的水文符号体系，清代则结合实测数据，符号更具规范性。
实用性优先：军事、漕运、水利类地图的水文要素更详细，如军事舆图会重点标注河流的通航、渡河条件，漕运图则聚焦运河的水利设施。
精度随技术发展提升：清代西洋测绘技术传入后，水文要素的位置、轮廓更接近实际，河流走向、湖泊面积的绘制误差大幅减小。

使用“长距离注意力”
使用形态学方法进行骨架增强

损失函数改进

在 Loss 中融入“轮廓连续性”

可以使用：

Boundary Loss
Hausdorff Loss
Connectivity Loss（论文 CVPR2022）

这些 loss 会强制预测 mask 更连续，减少断裂。

MorSP 改进（网络设计和训练策略）：

用于提升图像中图形的主干信息，减少断裂干扰

1. 引入拓扑或骨架先验到损失函数

MorSP 当前在 energy 函数里直接比较 get_skelton(w) 和 get_skelton(v)。可以增强骨架连续性和主干优先级：

def energy(self, w, v):
    skel_pred = self.get_skelton(w)
    skel_gt   = self.get_skelton(v)
    
    # 1. 骨架匹配损失
    loss_skel = torch.norm(skel_pred - skel_gt)

    # 2. 连通性约束（简化）
    # 计算骨架图的连通分支数差异
    conn_diff = torch.abs(num_connected_components(skel_pred) - num_connected_components(skel_gt))

    # 3. 主干优先约束（距离场加权）
    dist_gt = distance_transform(skel_gt) # 可用 Euclidean Distance Transform
    loss_main = torch.sum((dist_gt * skel_pred) ** 2)

    return loss_skel + 0.1*conn_diff + 0.5*loss_main

作用：
- conn_diff 保持骨架拓扑结构（减少断裂分支）。
- loss_main 强调骨架主干（距离场中心线优先）。

注意：num_connected_components 和 distance_transform 可以用 PyTorch 或 CPU/Numpy 先处理成张量形式。

2. 骨架多尺度融合

在 SmoothSkeleton 中增加 多尺度卷积核：
- 小核捕捉细枝，大核捕捉主干。
- 融合多尺度骨架输出，过滤噪声断裂。

skel_small = SmoothSkeleton(half_size=1)(x)
skel_mid   = SmoothSkeleton(half_size=2)(x)
skel_large = SmoothSkeleton(half_size=3)(x)

skel_final = (skel_small + skel_mid + skel_large) / 3

优势：对不同宽度的骨干和小分支都有响应，同时减少断裂敏感性。

3. 距离场增强骨架

在模型前向前增加 距离场通道：
- 输入不仅是原始预测 o，还加入目标距离场 dist_map。
- 例如：

o_input = torch.cat([o, dist_map], dim=1)

训练时，骨架损失优先靠近距离场中心线：
- 能自动偏向主干，弱化小断裂和噪声。

4. 图论/最短路径后处理可微化

将骨架像素视为图节点，断裂处用最短路径连接：
- 可以实现 可微化近似：
  - 用 soft adjacency 或 differentiable shortest-path (softmax-weighted adjacency)。
- 在训练中可直接优化骨架连通性。

这样即使输入预测有小断裂，模型也会学习将骨架连成完整主干。

5. 训练策略改进

骨架增强数据：
- 对训练图像人为制造小断裂。
- 保留骨架 ground truth，模型学习跨越断裂。
迭代优化：
- MorSP 本身是迭代 ADMM 优化，可在每次迭代中引入骨架主干优先约束。
边界-骨架联合训练：
- 预测骨架和边界双通道输出。
- 边界连续性辅助骨架填补断裂。

💡 总结改进思路

损失函数层面：骨架匹配 + 连通性 + 距离场主干权重
模型输入层面：加入距离场或边界信息
骨架提取模块：多尺度 SmoothSkeleton 或 Soft-Graph 融合
后处理可微化：最短路径 / 图论增强骨架连通性

现状：

断线：

污损：

受排线干扰：

创新点2

对于地图中管状结构分割，常常是一个难题：

模型难以分辨这些结构，导致分割出现断裂：
1. 细结构在整个图像中占比极小，像素组成有限
2. 这些结构易受复杂背景的干扰，使得模型难以精确区分细微的目标变化
全局形态复杂多变
1. 即使在同一幅图像中，纤细管状结构的形态也复杂多变
2. 不同区域的目标会因分支数量、分叉位置和路径长度的不同而呈现出形态差异

支撑：Dynamic Snake Convolution based on Topological Geometric Constraints for Tubular Structure Segmentation

现状：

细分问题

河流：分割

模型对细长条目标的鲁棒性不佳，难以完整分割
如何判断是否是湖海？人肉眼可以根据旁边的边界物，比如山脉，模型呢？
河道偏移【十排页面14】

河流与湖泊分类在模型上效果不准确，可找方法改善（湖泊依赖大尺度、河流依赖小尺度。湖泊在较窄部分被错认为河流）。
- 来源：Leveraging uncertainty estimation and spatial pyramid pooling for extracting hydrological features from scanned historical topographic maps