[发明专利]一种基于实体空间布局关系的街景图像评估方法

说明书

本发明公开了一种基于实体空间布局关系的街景图像评估方法，涉及城市规划、旅游规划、自然语言处理与城市交通技术领域，首先，采集研究区内的街景图像，并对街景图像进行语义分割处理。其次，对语义分割后的街景图像，计算图像内各种实体的像素数量占比，以及重要实体的色彩分布特征。进一步，对图像内各种实体之间的空间布局特征建立复杂网络模型，并计算所建立复杂网络模型的主要节点指标。再，对街景图像中各类实体的空间位置进行量化计算。最后，形成机器学习预训练模型，并完成所有图像的自动评估。本发明能够通过街景图像中实体空间布局关系实现街景图像的智能化评估。

技术领域

本发明涉及城市规划、旅游规划、城市交通、复杂网络建模技术领域，特别是一种基于实体空间布局关系的街景图像评估方法。

背景技术

街景图像信息包含了丰富的空间物体构成信息，反映了街道真实的物理和社会环境，也是区分不同社会环境特征的重要参考要素。因此，街景图像已经被广泛地应用在城市规划、旅游规划、城市交通等众多领域。实体空间布局关系在诸多场景下利用复杂网络理论技术来建模。

利用街景数据可以评估一个城市地点发展的状况。从机器学习的角度而言，为更大尺度去研究和实现城市建成环境的评估，需要提供一定数量的街景图像先完成人工的评估。再让计算机能够根据已有人工评估的特征依据，完成其他街景图像的评估。本质上，这是一个让机器进行学习的过程。然而，如何让机器学习图像的特征是行业领域内的研究重点和难点。

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实体空间布局关系的街景图像评估方法，本发明能够通过实体空间布局关系的特征建立，来提升街景图像机器学习和评估的效果。

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实体空间布局关系的街景图像评估方法，包括以下步骤：

步骤1、采集研究区内的街景图像，并对街景图像进行语义分割处理；

步骤2、对语义分割后的街景图像，计算街景图像内各种实体的像素数量占比，以及实体的色彩分布特征；

步骤3、对语义分割后的街景图像内各种实体之间的空间布局特征建立复杂网络模型，并计算所建立复杂网络模型的主要节点指标；具体如下：

步骤3.1、以语义分割后的街景图像中的实体类型为复杂网络模型的节点；

步骤3.2、遍历街景图像的所有像素，判断相邻像素之间的实体类型；

若相邻像素之间的实体类型相同，则不建立这2个相邻像素之间的一条复杂网络边连接关系；

若相邻像素之间的实体类型不相同，则建立这2个相邻像素之间的一条复杂网络边连接关系，且这条复杂网络边连接关系表示为这两个相邻像素所代表的实体类型之间的关系；

步骤3.3、遍历完成后，根据复杂网络模型理论，以复杂网络模型的节点、以及节点之间复杂网络边连接关系，建立实体类型之间的复杂网络模型；

步骤3.4、进一步计算所建立的复杂网络模型的主要节点指标；

步骤4、对语义分割后的街景图像中各类实体的空间位置进行量化计算；具体如下：

步骤4.1、对语义分割后的街景图像分为若干个块，每个块建立索引号；

步骤4.2、遍历语义分割后的街景图像中每个像素，判断每个像素的实体类型、以及所在的块索引号；

步骤4.3、遍历完成后，对每种实体的所涉及的块的索引号进行编码；

步骤4.4、进一步检查每个块所包含各类实体的像素数量；若在一个块中，某一类实体所统计的像素数量小于指定的阈值，则取消该实体对于该块的索引编码；