چکیده: لایه‌های متنی در نقشه‌های جغرافیایی، به واسطه مرتبط ساختن اسامی خیابان‌ها و ساختمان‌های مهم به موقعیت آن‌ها روی نقشه‌ها، اطلاعات جغرافیایی ارزشمندی را فراهم می‌آورند. بیشتر تحقیقات انجام شده در این زمینه، بر روی متون لاتین متمرکز می‌باشند. روش‌های ارائه شده بر روی نقشه‌های با زبان‌ فارسی نیز، نتیجه قابل قبولی را ارائه نمی‌کنند. در این پایان‌نامه یک روش جدید برای استخراج خودکار متن از نقشه‌های شهری با استفاده از نگاشت خود سامان‌ده ارائه شده است. در رهیافت پیشنهادی، از یک الگوریتم جابه‌جایی میانگین برای کاهش تغییرات فضای رنگ استفاده می‌شود. سپس با استفاده از روش نگاشت خود سامان‌ده، ابعاد فضای رنگ کاهش پیدا می‌کند و فضای رنگ کوانتیزه می‌‌شود. نتایج اعمال الگوریتم پیشنهادی روی نقشه‌های مختلف نشان می‌دهد که متون در نقشه‌ها در یکی از سه لایه یک، پنج یا هفت حاصل از نگاشت خود سامان‌ده قرار دارند. بنابراین سیستم تعداد عناصر متصلی را که مساحت آن‌ها در یک آستانه مشخص قرار دارد، در هر یک از این سه لایه می‌شمارد؛ لایه‌ای که بیشترین تعداد عناصر متصل را داشته باشد، لایه منتخب متنی است. در این لایه هر یک از متون بسته به رنگی که در تصویر اصلی داشته‌اند، دارای درجه روشنایی متفاوتی در تصویر سطح خاکستری هستند و پس‌زمینه سیاه فاقد هر گونه اطلاعات متنی است. با در نظر گرفتن رنگ سیاه موجود در لایه منتخب به عنوان پس‌زمینه و سایر رنگ‌ها به عنوان پیش‌زمینه، لایه متنی بدست می‌آید. برای آماده‌سازی کلمات جهت ورود به نرم‌افزار OCR، با استفاده از یک المان ساختاری و عملگر ریخت‌شناسی گسترش، تصویر دودویی را گسترش داده، اجزای متصل موجود در تصویر گسترش‌یافته را می‌یابیم. هر یک از این اجزای گسترش‌یافته را در تصویر دودویی اصلی مرتبط با آن جزء AND"" می‌کنیم تا تصویر هر کلمه به صورت جداگانه ظاهر شود. سپس از خاصیت جعبه محیطی استفاده می‌کنیم و پروفایل هر تصویر را در راستای سطرها درون جعبه محیطی هر کلمه در زوایای مختلف بین 90- تا 90+ درجه می‌یابیم. هر زاویه‌ای که در آن تعداد مقادیر غیرصفر پروفایل تصویر کلمه، کمترین مقدار خود را داشته باشد، زاویه چرخش مطلوب ما است. بنابراین هر کلمه به اندازه زاویه چرخش مطلوب خودش چرخانده می‌شود تا در راستای افقی قرار گیرد. این روش مستقل از قلم، اندازه، جهت و رنگ متون است و می‌تواند هم در مورد نقشه‌های فارسی و هم نقشه‌های لاتین به کار رود. نتایج تجربی دقت 90.4% و فراخوانی 86.6% را برای رهیافت پیشنهادی در استخراج متون از نقشه‌های جغرافیایی نشان می‌دهد.