張明明

（安徽建筑大學(xué)藝術(shù)學(xué)院，合肥230022）

0 引言

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。

1 鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置圖像檢測(cè)和輪廓分析

1.1 鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置的分塊處理

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。

1.2 鄉(xiāng)村生產(chǎn)性景觀最佳觀賞區(qū)域的邊緣輪廓特征

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)。

2 鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置準(zhǔn)確測(cè)定優(yōu)化

2.1 多視點(diǎn)聯(lián)合標(biāo)記

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。

2.2 鄉(xiāng)村生產(chǎn)性景觀最佳觀賞位置的參數(shù)估計(jì)和測(cè)度輸出

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：

3 仿真實(shí)驗(yàn)與結(jié)果分析

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%。

4 結(jié)束語

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)。