基于参数化模型的多维度非线性景观设计方法

黄荣川 朱婧

摘  要： 多维度非线性景觀设计存在差异度大的问题，故提出基于参数化模型的多维度非线性景观设计方法。首先，进行多维度非线性景观图像采样，采用虚拟场景空间视觉规划方法进行多维度非线性景观设计的参数模拟，采用分块检测方法进行多维度非线性景观图像区域重构。结合RGB特征分解方法，进行多维度非线性景观设计的参数矢量化特征提取，提取多维度非线性景观视景的参数化模型。基于参数化模型方法实现了多维度非线性景观设计，提高了多维度非线性景观设计的量化分析能力。仿真结果表明，采用所提方法进行多维度非线性景观设计的视觉特征表达能力较好，提高了景观设计的效果。

关键词： 景观设计; 参数化模型; 参数模拟; 区域重构; 特征提取; 仿真分析

中图分类号： TN911?34; TP391                  文献标识码： A                       文章编号： 1004?373X（2020）18?0033?03

Abstract： In allusion to the large difference existing in the multi?dimensional nonlinear landscape design， a method of the multi?dimensional nonlinear landscape design based on parameterized model is proposed to improve the quantitative analysis ability of multi?dimensional nonlinear landscape design and sample the multi?dimensional nonlinear landscape images. The virtual scene spatial vision planning method is used to conduct parameter simulation of the multi?dimensional nonlinear landscape design， and the block detection method is applied to the regional reconstruction for the multi?dimensional nonlinear landscape image. In combination with RGB feature decomposition method， the parameter vectorization feature of multi?dimensional nonlinear landscape design and the parameterized model of multi?dimensional nonlinear landscape scene are extracted. The multi?dimensional nonlinear landscape design is realized based on the parameterized model method， and the quantitative analysis skill of multi?dimensional nonlinear landscape design is improved.  The simulation results show that the multi?dimensional nonlinear landscape design using the parameterized model method has excellent visual feature expression ability， and has improved the effect of landscape design.

Keywords： landscape design; parameterized model; parameter simulation; regional reconstruction; feature extraction; simulation analysis

0  引  言

随着生态景观建设的不断推进以及生活环境的改善，人们对景观建设的质量标准不断提升，故需要进行多维度非线性景观设计。结合景观的功能定位进行多维度非线性景观设计的优化构造，提高城市景观设计的效果，研究多维度非线性景观设计方法，在提高建筑景观设计的合理性以及改善人居生活环境方面具有重要意义[1]。根据景观建设发展定位，结合政府政策导向性因素，进行景观建设规划设计，提高景观设计的空间表达能力。采用计算机视觉图像分析方法，进行多维度非线性景观设计[2]，构建多维度非线性景观设计的参数化分析模型，采用结构化的图像分析和参数模拟方法，进行多维度非线性景观设计优化设计。本文提出基于参数化模型的多维度非线性景观设计方法，提高了多维度非线性景观设计的量化分析能力。

1  多维度非线性景观图像分析

1.1  多维度非线性景观图像采样

为了实现多维度非线性景观设计，需要进行模型参数化分析和特征提取。通过对多维度非线性景观图像分块匹配检测和融合识别，构建多维度非线性景观图像的动态特征分布模型[3]，结合模糊关联特征点检测的方法，进行多维度非线性景观数据的优化提取，结合模糊特征提取方法，进行多维度非线性景观图像的优化采集和特征识别[4]，采用像素特征点区域重构方法，进行多维度非线性景观图像处理和信息融合[5]。构建多维度非线性景观图像的几何不变矩生成模型为：

式中，[FE=lnIlnD]，表示多维度非线性景观图像特征采样点，采用虚拟场景空间视觉规划方法进行多维度非线性景观设计的参数模拟，构建多维度非线性景观图像的空间区域分布模型。在梯度方向进行多维度非线性景观区域性融合[6]，并结合模板匹配方法，得到多维度非线性景观图像边缘信息为：

式中，把景观图像边缘信息分解为沿梯度方向的两个分量，用[Xi，j]表示在中心像素点（i，j）位置处的景观合理性分布的边缘像素分布集，采用视觉特征分布式重构方法进行多维度非线性景观参数化设计决策，景观区域分布的长度[L]=[xmax-xmin]，宽[W]=[ymax-ymin]，高[H=zmax-zmin]。采用模板分块区域匹配方法，遍历完所有子块，结合高分辨的信息融合技术，进行多维度非线性景观参数模拟[7]，得到尺度空间为：

结合帧匹配方法，进行多维度非线性景观的分块检测和特征匹配，得到帧间像素集为Ic，相邻帧表示为[NFc={n：c-k≤n≤c+k}]，建立多维度非线性景观参数模板匹配模型，得到非线性景观设计的平面信息素定义为[Gx，y，t]，其中：

在多尺度空间中，进行多维度非线性景观图像采样，根据图像采样结果进行非线性景观设计[8]。

1.2  多维度非线性景观设计的参数模拟

采用虚拟场景空间视觉规划方法进行多维度非线性景观设计的参数模拟，结合每个像素点的分布特征进行多维度非线性景观图像相似度分析[9]，得到景观设计的空间区域特征匹配模型表达式为：

用矩阵X表达近邻相位点，建立熵权特征分布集，实现多维度非线性景观参数化设计，得到多尺度特征分解模式下多维度非线性景观的像素协方差函数为：

以像素点[i]为中心进行多维度非线性景观图像的仿射不变区域分割，根据训练集中的观测数，得到训练函数满足[0≤w（i，j）≤1]及[j∈Ωw（i，j）=1]，初始化先验形状，得到多维度非线性景观设计的参数分布矩阵为：

根据多维度非线性景观设计的参数模拟结果，进行区域重构，结合RGB特征分解方法，进行多维度非线性景观设计的参数矢量化特征提取[10]。

2  多维度非线性景观设计优化

结合RGB特征分解方法，进行多维度非线性景观模型参数化分割。提取多维度非线性景观图像的模糊度匹配特征量[11]，在景观图像目标边缘内外区域内，显著特征点参数估计值为：

基于度量学习的思想，得到多维度非线性景观图像的三维特征重建参数服从均匀分布，即像素序列满足[n∈N（0，σ2n）]，使用参数化模型进行结构化分析[12]，求得多维度非线性景观设计的二阶矩为：

用一阶矩[m01]和[m02]分别表示多维度非線性景观图的边缘模糊特征量，采用分块融合技术，得到景观设计的边缘模板区域在[nc×nr]个子块中满足正态分布，得到景观图像的细粒度特征点提取结果为：

3  实验测试分析

实验采用Matlab仿真设计，景观图像的样本像素规模为100～600，景观图像的像素分布为300×300，度量学习的模为100，迭代次数为1 200，相关性参数的描述性统计分析结果见表1。

根据表1的描述性统计分析结果，进行多维度非线性景观图像采样，采用虚拟场景空间视觉规划方法进行多维度非线性景观设计的参数模拟，实现景观优化设计，得到设计效果结果如图2所示。分析图2得知，采用本文方法进行多维度非线性景观设计的效果较好。

测试回归分析值和检验值等参数，结果见表2。分析表2得知，采用本文方法进行多维度非线性景观设计的视觉特征表达能力较好，参数分布结构化拟合精度较高。

4  结  语

本文提出基于参数化模型的多维度非线性景观设计方法，提取多维度非线性景观视景的参数化模型，采用参数化模型方法实现多维度非线性景观设计。采用计算机视觉图像分析方法，进行多维度非线性景观设计，构建多维度非线性景观设计的参数化分析模型，结合模糊特征提取方法，进行多维度非线性景观图像的优化采集和特征识别。分析得知，采用该方法进行多维度非线性景观设计的视觉特征表达能力较强，景观设计的效果较好。

参考文献

[1] 梁宇鸣，杨飞.基于VRML/X3D技术的室内景观虚拟设计[J].现代电子技术，2019，42（17）：159?162.

[2] 张翠娜，李玲玲.不同性别群体中户外健身空间要素的影响分析：以SEM对寒地城市哈尔滨为例[J].哈尔滨工业大学学报，2019，51（8）：177?182.

[3] 张郢，陈华，王建柱，等.宜昌市西陵区景观格局适宜粒度判别与效应分析[J].三峡大学学报（自然科学版），2019，41（4）：60?66.

[4] 魏光杏，周献中，卜锡滨.基于模糊C均值与人工蜂群优化的灰度图像分割[J].兰州大学学报（自然科学版），2019，55（2）：250?254.

[5] 姜斯浩，宋慧慧，张开华，等.基于双重金字塔网络的视频目标分割方法[J].计算机应用，2019，39（8）：2242?2246.

[6] YAN S C， XU D， ZHANG B Y， et al. Graph embedding and extensions： a general framework for dimensionality reduction [J]. IEEE transactions on pattern analysis and machine intelligence， 2007， 29（1）： 40?51.

[7] LI Y， QI H Z， DAI J F， et al. Fully convolutional instance?aware semantic segmentation [C]// Proceedings of 2017 IEEE Conference on Computer Vision and Pattern Recognition. Washington： IEEE， 2017： 4438?4446.

[8] STOLLENGA M， MASCI J， GOMEZ F， et al. Deep networks with internal selective attention through feedback connections [C]// Proceedings of the 27th International Conference on Neural Information Processing Systems. Cambridge： MIT Press， 2014： 3545?3553.

[9] 王卫红，严鲁琴，金丹丹，等.基于GEPSO模型的面向对象遥感图像分类[J].计算机科学，2015，42（5）：51?53.

[10] 赫高进，熊伟，陈荦，等.基于MPI的大规模遥感影像金字塔并行构建方法[J].地球信息科学学报，2015，17（5）：515?522.

[11] 许妙忠，丛铭，万丽娟，等.视觉感受与Markov随机场相结合的高分辨率遥感影像分割法[J].测绘学报，2015，44（2）：198?205.

[12] 尚方信，郭浩，李钢，等.基于One?class SVM的噪声图像分割方法[J].计算机应用，2019，39（3）：874?881.