[发明专利]一种基于色彩分布学习的街景图像评分方法

说明书

本发明公开了一种基于色彩分布学习的街景图像评分方法，涉及城市规划、城市交通、机器学习建模等领域，首先，构建街景图像的学习样本库，并对学习样本库进行语义分割处理。其次，对学习样本库中每张街景图像各类实体的占比值以及色彩分布状况进行计算。再，根据用户对学习样本库的预先打分结果，形成预训练模型。最后，利用预训练模型完成所有街景图像的打分工作。本发明能够通过考虑街景色彩分布来让机器学习模型更好地学习人们是如何评估和感知街景图像的。同时，本发明也提供了一种新的街景图像色彩计算方法，可以提升图像色彩计算的准确度和计算速度。

技术领域

本发明涉及城市规划、城市交通、机器学习建模技术领域，特别是一种基于色彩分布学习的街景图像评分方法。

背景技术

城市街景感知和评估对于城市规划、城市交通等具有重要的研究意义和实践价值，是人们综合和全面认识城市发展环境的重要技术手段。现有的研究成果主要是通过街景图像中物体的占比来让机器学习模型评估人们是如何进行街景图像打分的。尽管这一方法是非常重要的，但是人们对于街景感知的好坏，单纯依靠占比这一计算指标的方案仍然存在着一定的不足。例如，街景图像中同样占比大小的房屋，不同色彩可以在很大程度上代表了其质量和美感的好坏。如果不给出这样的要素条件，则机器学习难以模拟和学习出人们的打分机制。与此同时，面对一次需要计算得出大量街景图像色彩的任务时，需要选择合适和高效率的计算方法。为此，本发明进一步对现有技术进行更新和升级改造，特别是将图像的色彩分布特征纳入到街景图像评价的影响要素中。

发明内容

本发明所要解决的技术问题是克服现有技术的不足而提供一种基于色彩分布学习的街景图像评分方法，本发明考虑街景中不同物体占比，以及重要物体颜色分布情况，来实现街景图像的自动打分。因此，该发明的应用价值主要体现在融入了街景色彩分布，来让机器学习模型自动地评估街景图像的分值，弥补现在技术和发明创新的不足。

本发明为解决上述技术问题采用以下技术方案：

根据本发明提出的一种基于色彩分布学习的街景图像评分方法，包括以下步骤：

步骤1、从待研究的一批原始的街景图像中构建出街景图像的学习样本库，学习样本库中每张街景图像具有预先标记的打分值，并对学习样本库中的街景图像进行图像增强和语义分割处理，得到学习样本库中每张街景图像的语义分割结果图像；具体如下：

步骤1.1、从待研究的街景图像中选取出部分街景图像作为学习样本库，对学习样本库的街景图像，利用Retinex理论进行图像增强处理；

步骤1.2、利用计算机深度学习的语义分割技术，对学习样本库中增强处理后的街景图像进行语义分割处理，得到语义分割结果图像；

步骤2、根据语义分割结果图像，计算学习样本库中每张街景图像各类实体的占比值；

步骤3、根据语义分割结果图像，对学习样本库中每张街景图像进行各类实体的图像色彩值计算；具体如下：

步骤3.1、根据学习样本库中每张街景图像的语义分割结果图像，对学习样本库中与语义分割结果图像相对应的原始的街景图像中每类实体的像素颜色进行统计；

步骤3.2、进一步，针对每类实体，利用K均值算法，在RGB色彩模式下，进行原始的街景图像中各类实体的像素颜色聚类；

步骤3.3、针对每类实体，在LAB颜色空间，对步骤3.2中像素颜色聚类结果中的任意两两颜色类别之间进行颜色的色差计算，若这两个颜色类别之间的色差小于预设色差阈值，则合并这两个颜色类别，从而得到合并后的聚类结果，并以合并后的聚类结果中像素最多的颜色作为该类实体的主导色；

步骤3.4、针对每类实体，再判断其是否为混合色：若某一原始的街景图像的某类实体的像素颜色的合并后的聚类结果中，找出像素总数排前M的颜色，对于排前M名的M类颜色，若任意其中两类颜色的像素数量差值的绝对值与这M类颜色的像素数量总和的占比值小于给定的阈值，则认为该原始的街景图像的该类实体为混合色；M≥2；若某类实体的合并后的聚类结果的颜色类别总数小于M，则认为该类实体的颜色不是混合色；