宋貴彩　王晶華

摘 要： 為了提高建筑空間的分布合理性，提出一種基于采用計(jì)算機(jī)智能視覺成像特征融合的建筑空間合理性規(guī)劃設(shè)計(jì)方法。首先利用光學(xué)視覺圖像采集方法進(jìn)行建筑空間的視覺信息采集，對采集的建筑空間視覺成像進(jìn)行自適應(yīng)局部降噪處理，提高建筑空間的視覺呈現(xiàn)能力。然后進(jìn)行建筑空間光學(xué)視覺圖像的格型模板匹配，提取仿射不變矩特征，采用成像特征融合方法實(shí)現(xiàn)建筑空間的感官性信息融合，提高空間設(shè)計(jì)的合理性。仿真測試結(jié)果表明，采用該方法進(jìn)行建筑空間設(shè)計(jì)，能更好地融合人類視覺的感官性特征信息，提高建筑空間設(shè)計(jì)的分布合理性。

關(guān)鍵詞： 智能視覺； 建筑空間； 合理性分析； 圖像融合

中圖分類號： TN915.5?34； TP391； TU972 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2017）16?0102?03

Abstract： In order to improve the distribution rationality of architectural space， a planning and design method of architectural space rationality is proposed， which is based on the integration of computer intelligent visual imaging features. The optics visual image acquisition method is used to acquire the visual information of architectural space. The acquired visual image of architectural space is processed with local adaptive denoising technology to improve the visual representation ability of building space. The lattice templates of the building space optical visual image are matched to extract the affine invariant moment feature. The imaging feature fusion method is adopted to fuse the sensory information of the architectural space to improve the rationality of space design. The simulation test results show that the method used to design the architectural space can fuse the sensory characteristic information of human vision perfectly， and improve the distribution rationality of the architectural space design.

Keywords： intelligent vision； architectural space； rationality analysis； image fusion

0 引 言

在建筑設(shè)計(jì)中，建筑空間的分布合理性設(shè)計(jì)是關(guān)鍵。建筑空間的分布合理性設(shè)計(jì)需要融合光學(xué)、人類視覺等特征參量信息，提高人居的舒適性[1]。隨著計(jì)算機(jī)圖像視覺處理技術(shù)的發(fā)展，采用智能視覺特征分析方法進(jìn)行建筑空間的合理性設(shè)計(jì)成為未來建筑設(shè)計(jì)發(fā)展的一個新興方向。為了提高建筑空間的分布合理性，通過構(gòu)建建筑空間場景物理紋理特征[2]，采用光學(xué)成像方法進(jìn)行建筑空間圖像擬合和虛擬重建。本文提出一種基于采用計(jì)算機(jī)智能視覺成像特征融合的建筑空間合理性規(guī)劃設(shè)計(jì)方法，結(jié)合圖像處理和視覺特征分析方法進(jìn)行建筑空間的合理性設(shè)計(jì)。

1 基于智能視覺圖像處理的建筑空間設(shè)計(jì)

在上述進(jìn)行建筑空間的視覺信息采集的基礎(chǔ)上，進(jìn)行建筑空間合理性分析，提出一種基于采用計(jì)算機(jī)智能視覺成像特征融合的建筑空間合理性規(guī)劃設(shè)計(jì)方法，采用圖像處理方法進(jìn)行建筑空間合理性設(shè)計(jì)。

1.1 視覺成像的自適應(yīng)局部降噪

為了提高建筑空間的視覺呈現(xiàn)能力，對采集的光學(xué)視覺成像進(jìn)行自適應(yīng)局部降噪處理[3]，結(jié)合式（1）～式（3）給出的建筑空間的視覺信息采集的統(tǒng)計(jì)特征，建筑空間的計(jì)算機(jī)智能視覺成像的4個灰類等級的約束參量模型滿足如下條件[4]：

1.2 建筑空間光學(xué)視覺圖像的格型模板匹配

采用計(jì)算機(jī)智能視覺成像特征融合方法進(jìn)行建筑空間合理性規(guī)劃設(shè)計(jì)，進(jìn)行建筑空間光學(xué)視覺圖像的格型模板匹配設(shè)計(jì)[6]，取建筑空間光學(xué)視覺圖像二階矩對角線元素的熵：[N1=-i=jp（i，j）logp（i，j）] 作為仿射不變矩。其中不變矩特征分布的二階中心矩為[N2=][ij（i-j-μ）2p（i，j）]。建筑空間灰度圖像中的x和y方向的質(zhì)心為[μ=E（i-j）=i，j（i，j）p（i，j）]。提取的仿射不變矩特征為輸入?yún)⒘?，得到建筑空間光學(xué)視覺圖像的格型模板為[N3=ij（i-j-μ）4p（i，j）] 。以特征點(diǎn)為中心，采用自適應(yīng)小波變換進(jìn)行仿射不變映射[7?8]，得到智能視覺下的建筑空間光學(xué)成像分布的角點(diǎn)信息變量為[f=N-NN]，[N]為特征值個數(shù)，[N]為向量的歸一化特征值，[f]用來描述建筑空間合理性布局的尺度不變性。建筑空間合理性布局的亮度不變性為[N11]，[N12]，[N13]，則通過對建筑空間視覺的斜向掃描以及塊掃描，得到格型模板分布函數(shù)為：endprint

1.3 基于空間感官性信息融合的合理性設(shè)計(jì)

在提取建筑空間光學(xué)視覺圖像的格型模板匹配的基礎(chǔ)上，提取仿射不變矩特征，采用成像特征融合方法實(shí)現(xiàn)建筑空間的感官性信息融合，定義建筑空間光學(xué)視覺圖像的自相關(guān)函數(shù)為：

2 實(shí)驗(yàn)測試結(jié)果分析

在基于智能視覺的建筑空間合理性分析實(shí)驗(yàn)中，實(shí)驗(yàn)的硬件環(huán)境為：Intel CoreZ 2.4 GHz CPU和1 GB內(nèi)存的計(jì)算機(jī)，采用Matlab仿真工具進(jìn)行計(jì)算機(jī)視覺圖像處理分析，構(gòu)建采用建筑的光學(xué)視覺圖像采集模型，視覺采集的像素灰度值為250×250，建筑空間光學(xué)視覺圖像的格型模板級數(shù)為24，仿射不變矩特征提取的迭代次數(shù)為600 次，得到建筑空間視覺成像采集結(jié)果如圖1所示。

采用成像特征融合方法實(shí)現(xiàn)建筑空間的感官性信息融合，得到建筑空間光學(xué)視覺圖像的感官性信息融合結(jié)果如圖2所示。

從圖2可見，采用本文方法進(jìn)行建筑空間光學(xué)視覺圖像感官性信息融合，能提高對建筑空間的感官性表達(dá)能力，從而優(yōu)化建筑空間的優(yōu)化合理設(shè)計(jì)和布局，為了定量測試本文方法在提高建筑空間視覺分析合理性的性能，采用不同方法得到建筑空間合理性視覺測試的輸出峰值信噪比結(jié)果如圖3所示。

圖3中分別給出了噪聲干擾強(qiáng)度分別0 dB，5 dB，10 dB和15 dB下的建筑空間視覺成像分析的輸出峰值信噪比對比結(jié)果。從圖3可見，采用本文方法進(jìn)行成像特征融合，實(shí)現(xiàn)建筑空間的感官性分析，提高了輸出峰值信噪比，說明對建筑空間的設(shè)計(jì)合理性得到了有效改善。

3 結(jié) 語

本文提出一種基于采用計(jì)算機(jī)智能視覺成像特征融合的建筑空間合理性規(guī)劃設(shè)計(jì)方法，利用光學(xué)視覺圖像采集方法進(jìn)行建筑空間的視覺信息采集，對采集的建筑空間視覺成像進(jìn)行自適應(yīng)局部降噪處理，提高建筑空間的視覺呈現(xiàn)能力。研究得出，采用本文方法進(jìn)行建筑空間設(shè)計(jì)，能更好地融合人類視覺的感官性特征信息，提高建筑空間設(shè)計(jì)的分布合理性，具有較好的應(yīng)用價(jià)值。

參考文獻(xiàn)

[1] 杜輝.基于小波變換的彩色圖像中快速人臉檢測算法[J].科技通報(bào)，2012，28（12）：89?90.

[2] 孫紅輝，王紅霞，田濤.一種基于不變矩和BP網(wǎng)絡(luò)的目標(biāo)識別方法[J].微電子學(xué)與計(jì)算機(jī)，2011，28（3）：63?65.

[3] 于濤，胡炳樑，高曉惠，等.高光譜干涉圖像動態(tài)追蹤補(bǔ)償方法研究[J].光子學(xué)報(bào)，2016，45（7）：35?40.

[4] 徐勝軍，韓九強(qiáng)，趙亮，等.用于圖像分割的局部區(qū)域能量最小化算法[J].西安交通大學(xué)學(xué)報(bào)，2011，45（8）：7?12.

[5] 粘永健，辛勤，湯毅，等.基于多波段預(yù)測的高光譜圖像分布式無損壓縮[J].光學(xué)精密工程，2012，20（4）：906?912.

[6] 顧淑紅，花均南，呂濤.激光主動探測成像中拼接算法設(shè)計(jì)與仿真研究[J].激光雜志，2016，37（2）：30?33.

[7] 溫佳，馬彩文，水鵬朗.改進(jìn)自適應(yīng)LBG矢量量化算法在干涉高光譜圖像壓縮中的應(yīng)用[J].光譜學(xué)與光譜分析，2011，31（4）：1033?1037.

[8] 陸興華，張曉軍.人員圖像跟蹤過程中多人交叉區(qū)域防丟失方法[J].計(jì)算機(jī)仿真，2014，31（9）：243?246.endprint