扫描工程图样识别是图象处理、模式识别和人工智能等多种学科的综合应用，直接面向企业需求，具有很高的理论意义和应用价值，是CAD领域的重要课题。经过多年研究，扫描工程图样识别已经取得较大进展，部分实现象素到矢量的转换。但是，现有识别方法多拘泥局部，串行处理，已实现的识别能力与质量离实际需求还有很大差距，识别理论和方法有待突破。 工程图样是工程图元的有机集合，可看作线条图形，而扫描工程图样是象素的自然集合。为将象素聚合为工程图元，本文力求加强表达单元的整体性，提高表达层次，重视各种关联，根据启发信息选择和组织识别数据和知识，进行分层次处理和自组织推理。本文提出一种称为单义域的新的图象表达单元，先将象素矩阵转化为单义域及其拓扑关系的集合。同一层次数据之间相互关联。不同层次数据之间也相互关联。识别是一个反复自组织的推理过程。本文提出基于单义域邻接图的扫描工程图样自组织智能识别。在算法实现上，采用模糊分类、遗传算法和面向对象知识表示等。处理过程分为三个阶段： （1）提取扫描工程图样的线条特征，构建单义域邻接图来表达形状 与拓扑信息，统一表达字符和图形的结构特征，使后续的识别 处理能在较高层次的基本单元上进行。 （2）遍历单义域邻接图，提取字符及其笔划特征，提取完整的几何 图元，采用矢量邻接图来组织获取的信息。 （3）基于矢量邻接图，采用面向对象知识表示来组织矢量之间的约 束知识，组合工程图元，同时提取关联信息，从而构建工程图 元邻接图。 在识别单义域、矢量和工程图元时，既注重横向的关联又重视纵向的关联。横向关联指图面不同部分之间的直接关联，纵向关联指单义域和它所构成的高层工程图元之间的关联。在识别中，先获得部分特征再生成整体结构，然后又用整体结构去指导部分特征的进一步把握；高层信息从低层数据获得，反过来又去指导低层数据，不同层次之间相互作用。在智能推理中，根据启发信息自动选择相应的识别知识，同时不断调整识别参数，以适应不断的数据变化。自组织识别在关联数据相互依赖、相互影响和相互作用的协作中进行，错综复杂的关系相互协调完成整个识别。 工程图样包含的图形和字符均可看作线条，线条之间存在多种连接关系。扫描工程图样识别先要获取图象的线条及其关系表达。本文所提出的单义域表达单元扩大了连通域表达范围，包括线段、圆弧、箭头和交点。采用游程邻接图表达二值图象，然后作深度优先遍历，基于游程宽度和拓扑一致形成条形域。引人模糊逻辑对条形域进行分类，获取初步矢量信息，对其中多义域做单义分裂，以线段和圆弧为基元，采用遗传算法来实现。单义域是具有矢量特征的局部象素合理聚集，反映关联象素的整体特性。继承游程的拓扑关系，构建单义域邻接图。基于单义域邻接图自组织识别扫描工程图样，在处理效率和抑制噪音误差影响等方面更为优越。 在单义域邻接图基础上，可对字符和图形进行自组织识别，在字符笔划域基础上进行字符提取，同时提取其笔划特征，为将来字符识别提供结构信息。根据字符域大小对字符域外接矩形进行自适应膨胀。根据字符域膨胀矩形相交来判定字符邻近程度，再加上字符共线为判据来生成字符串域。利用同串字符的外接矩形中心和所附图形对字符进行定向。在提取线“段、圆弧和圆时，先从种子域线段或圆弧出发，按照同线或同圆的要求识别处理，进行邻接图深度捏索，种子矢量不断生长，几何参数不断调整，从而获得完整信息。提取的信息采用矢量邻接图来组织。 上述工作可以实现多种扫描工程图样中的字符、线段、圆弧、圆和箭头的提取。但是，工程图样是工程图元的集合。本文采用面向对象方法，对工程图元进行对象设计。给出基于矢量邻接图的工程图元识别方法，根据已经提取的几何图元和字符信息，从某一特征图元出发，选择相应的识别知识（工程图元组成语法），搜索所有其它组元，提取完整信息。文中分别提取点划线和虚线的线段、圆弧和圆，还提取剖面线和尺寸，同时与约束图元关联。 上述识别方法已在开发的扫描工程图样识别原型系统中实现，软件采 一用面向对象和过程技术分析和设计。基于单义域邻接图的自组织识别方法丰富了扫描工程图样识别方法，加强宏观和整体处理能力，利用了更多的关联，力求对识别数据和知识进行自组织。对多种扫描工程图样进行识别，效果较好。