随着计算机技术的飞速发展，军事电子地图以其方便快捷、信息量大等优点已经逐步取代了传统的纸质地图。在军事上实现了计算机虚拟军事演习、军事仿真、虚拟战场环境等等。电子地图的出现使军事指挥、训练、战场情报侦察等更具有科学性和准确性。 本课题的主要思想是将传统的纸质地图扫描为256色灰度图或全色的bmp图，进而对其进行识别、细化、矢量化，获得具有真实感的三维地形图，也就是我们熟知的电子沙盘。因此本课题的研究将会应用到军事作战指挥及模拟作战中，在军事上具有重大的意义，对提高军事现代化的水平有着重要作用。 本文研究是以辽宁省军事地形图(比例尺为1：50000)为背景，基于彩色地图对其进行地理对象的识别及细化研究，这将为进一步的矢量化及建立三维地形图奠定良好的基础。彩色地图中地理对象是由4种不同颜色来表示各个不同的要素层，即棕色表示等高线，蓝色表示水系，绿色表示植被，黑色表示地图符号。本文在识别算法中主要是针对彩色地图中四种地理对象进行识别，而细化则主要针对等高线进行研究。 首先，在彩色地图的自动识别算法中，由于彩色图像目标的边界与背景之间象素灰度具有中间过渡的性质，使目标物的边界具有模糊性。鉴于这种模糊性，本文选用模糊C均值聚类算法对其进行识别，但是由于算法本身存在对初始聚类中心敏感和收敛速度慢的缺点，因此本文提出粒子群优化算法对其进行改进。将粒子群搜索到的最优解作为模糊C均值聚类算法的初始聚类中心，减少了模糊C均值聚类算法的迭代次数，加快了收敛的速度。仿真实验结果验证了本文提出的基于粒子群优化的模糊C均值聚类算法识别的精度高，而且具有很好的全局收敛性。 其次，在细化算法中由于等高线是地形图的重要组成部分，用来表示地表的起伏形态，是生成数字地形模型的主要信息，也是地形图区别于其它类地图的主要特征之一。因此本文主要研究地理对象中等高线的细化。数学形态学由于其并行、局部、实时、快速及易于硬件实现的特点，使之在形态变换分析中占有重要的地位，更加引起人们普遍的关注。因此本文提出了基于数学形态学的细化算法。不同的算法在处理速度和效果上各有其特点，但也存在着一些缺陷，有的畸变较大，有的需要较大的存储空间来保存。针对这些问题，本文算法在四邻域算法和八邻域算法的基础上，利用数学形态学原理设计模板对图像象素进行删除性判断，直到达到最终的细化目的。仿真实验结果验证了本文算法的有效性。 最后，结束语部分总结了前面所做的工作，并对本课题的研究做了简单的分析，以及对下一步的工作进行了展望。