張明明
(安徽建筑大學(xué)藝術(shù)學(xué)院,合肥230022)
隨著鄉(xiāng)村旅游經(jīng)濟(jì)的繁榮發(fā)展,鄉(xiāng)村生產(chǎn)性景觀建設(shè)受到人們的極大關(guān)注。但是在對(duì)鄉(xiāng)村生產(chǎn)性景觀設(shè)計(jì)中,由于受到景觀的分布性散亂特征和光學(xué)衍射顏色空間透射率變化等因素的影響,導(dǎo)致鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置測(cè)量效果不好。結(jié)合圖像處理技術(shù),進(jìn)行鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置測(cè)定,提高鄉(xiāng)村生產(chǎn)性景觀的觀賞性,研究鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置測(cè)定方法在旅游景觀的開(kāi)發(fā)設(shè)計(jì)中具有重要的應(yīng)用價(jià)值[1]。
傳統(tǒng)方法中,對(duì)鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置的測(cè)定方法主要采用顏色特征分解方法和主成分分解方法[2],即在鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置的特征動(dòng)態(tài)跟蹤和分類(lèi)基礎(chǔ)上,結(jié)合圖像的紅黃藍(lán)特征分解方法以及幾何特征提取方法,實(shí)現(xiàn)鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置的檢測(cè)測(cè)定[3]。但此種方法在進(jìn)行鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置測(cè)定中存在模糊性較大和穩(wěn)定性較差等問(wèn)題。對(duì)此,本文提出一種基于多視點(diǎn)模糊跟蹤檢測(cè)的鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置準(zhǔn)確測(cè)定方法。它通過(guò)景觀圖像的顏色分塊區(qū)域標(biāo)記方法進(jìn)行鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置自動(dòng)成像處理,有效增強(qiáng)圖像細(xì)節(jié)部分,實(shí)現(xiàn)了鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置的自動(dòng)測(cè)定,提高了鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置準(zhǔn)確測(cè)定能力。本文通過(guò)仿真實(shí)驗(yàn)進(jìn)行性能測(cè)試,展示了此方法在提高多視點(diǎn)鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置測(cè)定能力方面的優(yōu)越性能。
為了實(shí)現(xiàn)鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置的準(zhǔn)確測(cè)定,采用分塊像素特征匹配方法進(jìn)行鄉(xiāng)村生產(chǎn)性景觀的向量量化分解,提高對(duì)鄉(xiāng)村生產(chǎn)性景觀的主成分特征量和顏色空間分布特征量,采用自適應(yīng)特征檢測(cè)和多視點(diǎn)融合跟蹤識(shí)別方法,建立鄉(xiāng)村生產(chǎn)性景觀測(cè)量的透射模型,進(jìn)行對(duì)鄉(xiāng)村生產(chǎn)性景觀的多區(qū)域輪廓檢測(cè)[4],得到鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置測(cè)量的多視點(diǎn)檢測(cè)模型如圖1所示。
圖1 鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置測(cè)量的多視點(diǎn)檢測(cè)模型
采用景觀圖像的顏色分塊區(qū)域標(biāo)記方法進(jìn)行鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置自動(dòng)成像處理,結(jié)合多視點(diǎn)聯(lián)合標(biāo)記模型進(jìn)行鄉(xiāng)村生產(chǎn)性景觀的景觀觀測(cè)點(diǎn)邊界區(qū)域檢測(cè),根據(jù)已獲取的透射率值進(jìn)行鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置的自適應(yīng)特征提取和融合跟蹤識(shí)別[5],定義鄉(xiāng)村生產(chǎn)性景觀的區(qū)域分塊內(nèi)的每一點(diǎn)像素自相關(guān)函數(shù):
其中,(Δx,Δy)T是特征分塊的融合像素集,(xi,yi)是鄉(xiāng)村生產(chǎn)性景觀窗口W內(nèi)的圖像像素特征點(diǎn)。按照像素邊緣融合和特征分解方法,得到鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置的視覺(jué)透射輸出為
其中,?I=[IxIy]T是觀賞角度較高區(qū)域邊界像素點(diǎn)。利用Kronecker delta函數(shù)把鄉(xiāng)村生產(chǎn)性景觀觀賞的視覺(jué)分布場(chǎng)轉(zhuǎn)換為先驗(yàn)分布場(chǎng)[6],計(jì)算兩個(gè)最佳觀賞位置的分布場(chǎng)的相關(guān)系數(shù),公式如:
式中,df(k)和dfi,j(k)分別為暗通道的像素值和最佳觀賞位置的分布場(chǎng)。根據(jù)分布場(chǎng)模型構(gòu)建,實(shí)現(xiàn)鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置的分塊處理。
采用包絡(luò)輪廓特征檢測(cè)方法進(jìn)行鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置的邊緣輪廓檢測(cè)[7],邊緣輪廓檢測(cè)的模型更新公式如下:
式中,ρ控制兩個(gè)分布場(chǎng)的全局平滑系數(shù)。提取鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置的幾何特征,結(jié)合Euler-Lagrange方程,得到鄉(xiāng)村生產(chǎn)性景觀觀測(cè)點(diǎn)邊界區(qū)域方程為
根據(jù)邊緣輪廓特征檢測(cè)結(jié)果,有效增強(qiáng)圖像細(xì)節(jié)部分,提高鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置準(zhǔn)確測(cè)定能力,結(jié)合區(qū)域塊分割方法,得到最佳觀賞位置的幾何不變矩相關(guān)系數(shù)可表示為
式中,df為圖像的定義域,dfi,j為鄉(xiāng)村生產(chǎn)性景觀像素序列V每一幀f中分塊區(qū)域的位置,(i,j)為景觀最佳觀賞位置初始值分布坐標(biāo),Ci,j為dfi,j和df的相關(guān)系數(shù)。根據(jù)上述分析,提取鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置的暗原色先驗(yàn)特征信息,采用包絡(luò)輪廓特征檢測(cè)方法進(jìn)行鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置的邊緣輪廓檢測(cè)。
在采用景觀圖像的顏色分塊區(qū)域標(biāo)記方法進(jìn)行鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置自動(dòng)成像處理的基礎(chǔ)上,提出一種基于多視點(diǎn)模糊跟蹤檢測(cè)的鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置準(zhǔn)確測(cè)定方法,根據(jù)鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置的角點(diǎn)分布特性[8],得到輸出的鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置退化模型為
其中hσs
是一個(gè)標(biāo)準(zhǔn)差為σs的2D高斯核,“*”為卷積符號(hào)。鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置的邊緣輪廓檢測(cè)輸出為
其中hσf
是一個(gè)標(biāo)準(zhǔn)σf差為的1D高斯核。根據(jù)對(duì)鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置的邊緣輪廓檢測(cè)結(jié)果進(jìn)行自適應(yīng)區(qū)域測(cè)定,
輸入:V=鄉(xiāng)村生產(chǎn)性景觀;I=初始最佳觀賞位置;σs=景觀灰度偏移參數(shù);
σf=最佳觀賞位置平坦區(qū)平滑參數(shù);b=最佳觀賞位置測(cè)量的先驗(yàn)估計(jì)值;ρ=學(xué)習(xí)率;
輸出:鄉(xiāng)村生產(chǎn)性景觀觀賞區(qū)域測(cè)量位置
1:初始化dfmodel=explode(I) ?hσs?hσf
2:初始化鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置I的中心為目標(biāo)位置(x,y)。
3:forf=2→|V|do
4:df=explode(f)?hσs?hσf
5:(x,,y,) =argmax(x,y)C(df,dfmodel)
6:(x,y)=(x,,y,)
7:dfmodel=ρdfmodel+(1 -ρ)df(x,y)
8:end for
根據(jù)上述輸入輸出關(guān)系,構(gòu)建多視點(diǎn)聯(lián)合標(biāo)記模型,得到最佳視點(diǎn)位置分布為
結(jié)合多視點(diǎn)聯(lián)合標(biāo)記模型進(jìn)行鄉(xiāng)村生產(chǎn)性景觀的景觀觀測(cè)點(diǎn)邊界區(qū)域檢測(cè),提高鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置測(cè)定的準(zhǔn)確性。
結(jié)合多視點(diǎn)聯(lián)合標(biāo)記模型進(jìn)行鄉(xiāng)村生產(chǎn)性景觀的最佳觀測(cè)點(diǎn)邊界定位[9],進(jìn)行鄉(xiāng)村生產(chǎn)性景觀的景觀灰度輪廓點(diǎn)標(biāo)記,單個(gè)像素值I(i,j)為
其中:
為了測(cè)試本文方法在實(shí)現(xiàn)鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置準(zhǔn)確測(cè)定中的應(yīng)用性能,進(jìn)行仿真實(shí)驗(yàn),實(shí)驗(yàn)的算法設(shè)計(jì)采用Matlab 7設(shè)計(jì),選擇3組鄉(xiāng)村生產(chǎn)性景觀作為測(cè)試樣本,設(shè)置先驗(yàn)像素值為1200*2400,鄉(xiāng)村生產(chǎn)性景觀的觀賞點(diǎn)分布區(qū)域?yàn)?00*200的網(wǎng)格區(qū)域,鄉(xiāng)村生產(chǎn)性景觀觀賞的特征透射率為0.26,圖像的梯度特征系數(shù)為1.23,圖像平滑濾波的檢測(cè)系數(shù)為2.50,根據(jù)上述仿真環(huán)境和參數(shù)設(shè)定,進(jìn)行鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置測(cè)定,得到原始的鄉(xiāng)村生產(chǎn)性景觀圖像如圖2所示。
圖2 原始的鄉(xiāng)村生產(chǎn)性景觀
以圖2的景觀圖像為測(cè)試對(duì)象,進(jìn)行鄉(xiāng)村生產(chǎn)性景觀的最佳觀賞位置測(cè)定,提取鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置的暗原色先驗(yàn)特征信息,采用包絡(luò)輪廓特征檢測(cè)方法進(jìn)行鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置的邊緣輪廓檢測(cè),如圖3所示。
圖3 鄉(xiāng)村生產(chǎn)性景觀的包絡(luò)輪廓特征檢測(cè)結(jié)果
結(jié)合多視點(diǎn)聯(lián)合標(biāo)記模型進(jìn)行鄉(xiāng)村生產(chǎn)性景觀的景觀觀測(cè)點(diǎn)邊界區(qū)域檢測(cè),實(shí)現(xiàn)鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置的自動(dòng)測(cè)定,得到測(cè)定結(jié)果如圖4所示。
圖4 測(cè)定結(jié)果
分析圖4得知,本文方法能有效實(shí)現(xiàn)鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置的自動(dòng)測(cè)定,提高鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置準(zhǔn)確測(cè)定能力,測(cè)定精度比傳統(tǒng)方法提升了12.6%。
本文提出一種基于多視點(diǎn)模糊跟蹤檢測(cè)的鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置準(zhǔn)確測(cè)定方法,采用景觀圖像的顏色分塊區(qū)域標(biāo)記方法進(jìn)行鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置自動(dòng)成像處理,采用包絡(luò)輪廓特征檢測(cè)方法進(jìn)行鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置的邊緣輪廓檢測(cè),結(jié)合多視點(diǎn)聯(lián)合標(biāo)記模型進(jìn)行鄉(xiāng)村生產(chǎn)性景觀的景觀觀測(cè)點(diǎn)邊界區(qū)域檢測(cè),提高了鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置準(zhǔn)確測(cè)定能力。本文方法能有效實(shí)現(xiàn)鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置的自動(dòng)測(cè)定,提高鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置準(zhǔn)確測(cè)定能力,從而優(yōu)化鄉(xiāng)村生產(chǎn)性景觀建設(shè)。
安陽(yáng)工學(xué)院學(xué)報(bào)2019年2期