基于远程图像识别的景观设计合理性判断方法

周全+李涛

摘 要： 针对传统判断方法一直存在判断误差大、效率低的问题，提出基于远程图像识别的景观设计合理性判断方法。对于远程图像识别的景观设计合理性用权值进行表示，把远程图像识别的景观设计中存在的二维属性进行提取，并进行合理性的辨别，引入快速鲁棒识别算法，分析远程图像识别的景观设计合理性权值，并且通过权值对比有效地对远程图像识别的景观设计合理性进行判断。实验结果表明，改进判断方法能够有效地辨别设计的合理性，保证了数据的有效性以及计算的准确度。

关键词： 远程图像识别； 景观设计合理性； 权值对比； 判断误差； 鲁棒识别； 二维属性

中图分类号： TN911.73?34； TP311 文献标识码： A 文章编号： 1004?373X（2018）04?0154?03

Abstract： In allusion to the big judgment error and low efficiency of the traditional judging method， a landscape design rationality judgment method based on remote image recognition is proposed. The weight values are used to represent the rationality of remote image recognition based landscape design. The two?dimensional attribute existing in remote image recognition based landscape design is extracted for rationality judgment. The fast robust recognition algorithm is introduced to analyze the weight values of remote image recognition based landscape design. The weight values are contrasted to effectively judge the rationality of remote image recognition based landscape design. The experimental results show that the improved judgment method can effectively distinguish the rationality of the design so as to ensure the validity of the data and the accuracy of the calculation.

Keywords： remote image recognition； landscape design rationality； weight value contrast； judgment error； robust recognition； two?dimensional attribute

利用远程图像识别的景观设计过程中，由于使用的是远程图像，因此会产生一定的视觉误差，为此，对远程图像识别的景观设计合理性进行判别是十分重要的[1]。远程图像识别的景观设计合理性包括：景观建筑结构的安全性和施工过程的误差性以及设计的景观样式是否有足够的技术支撑。远程图像识别的景观设计合理性能够影响结构整体施工过程，同时也是人员调配以及施工准备的重要数据指标。目前对远程图像识别的景观设计合理性的判断方法大致包括以下几种：比例尺权衡法、超声波对照法、摄影图像法等[2]，但是对多几何形体以及多遮挡物的景观其判断的准确性非常的低。针对上述过程中远程图像识别的景观设计合理性，本文提出一种有效的判断方法，并通过实验数据有效证明验证了本文设计的基于远程图像识别景观设计合理性判断方法的有效性。

1 远程图像识别的景观设计合理性加权表示

1.1 远程图像识别的景观设计合理性提取

本文设计的基于远程图像识别的景观设计合理性判断方法，使用权值进行表示，但是需要进行相关数据提取才能够使用权值进行有效表示，首先进行图像有效数据确认，过程如下：

式中：[R2YIU]为二维参考图像的数据确认过程；[Ai]为参考图像的辨别值；[Bi]为参考图像的提取值；[Ai2]，[Bi2]分别为关联图像的处理参考值以及可用辨别值。经过上述的图像确认能够为有效地对图像的数据提取做好准备工作[3?4]。提取一项数据是轮廓数据，提取过程如下：

式中：[f1]为景观局部边缘误差的掩盖值；[N2]为设计的景观边缘轮廓特征量；[pi，j]为景观图像边缘平滑灰度特征。经过边缘数据的提取过程，会使SVM函数对设计景观的色差、阴影、节点、光感进行数据提取[4?5]。使用SVM函数进行数据的提取过程如下：

式中：[Ka，b]为提取后的数据统一表达方法；[x×y]为图像的画面帧，每一帧的画面都是通过一定的数据变化进行提取出来，因此只需要对不同帧进行限定便可以进行有效的提取。经过上述过程完成了数据的提取。

1.2 远程图像识别的景观设计合理性表示

本文设计的基于远程图像识别的景观设计合理性判断方法，经过对图像数据的有效提取[6?7]，能够进行数据的加权表示，首先是款量数据的加权，过程如下：

式中：[Msq]为图像的加权辨别数据的辨别集合；[pqi]为提取的辨别参考可用数据；[εsq]为加权系数。

2 远程图像识别的景观设计合理性判别

2.1 引入快速鲁棒识别算法endprint

本文设计的基于远程图像识别的景观设计合理性判断方法，已经使用权值对远程图像的数据进行了表示，通过本文的参考引入快速鲁棒识别算法对远程图像识别的景观设计合理性判别。但是使用快速鲁棒识别算法需要把加权数据进行一次数据的预处理[6，8]，这样才能保证数据的有效性以及计算的准确度。预处理过程如下：

式中：[M2ij]为快速鲁棒识别算法中的使用参比数据；[Mi]，[Mj]分别为款量数据的加权系数、识别数据的加权系数；[Qij]为数据的最终变量差；[sinεij]为多维数的影响对照参数；[P2ij]为高阶变量参数。使用统一的鲁棒配比才能进行效果表达，过程如下：

式中：[πik]为数据有效鲁棒性；[MK]为参比量使用数据的高阶阈值；[QiK]为常规的数据跳跃度；[linMsε]为数据变量预备值。经过上述过程完成了对数据的有效预处理。

2.2 完成远程图像识别的景观设计合理性判断

本文设计的基于远程图像识别的景观设计合理性判断方法，经过上述过程的预处理后便可以进行有效的辨别，快速鲁棒识别算法首选对鲁棒系数进行表达确认，过程如下：

3 仿真实验分析

3.1 参数设定

为了保证本文设计的基于远程图像识别的景观设计合理性判断方法的有效性，对参数进行设置，设置加权过后的款量数据在值域[15.5，18.5]以内，设置[Mi]，[M2ij]，[Sj]，[Qij]分别为15，12.5，600，523。

本文设计的实验远程图像数据的选定过程中特意地对不同数据进行了有效的分离，这样能够更加直观地对设计的有效性进行观察。数据分布如图1所示。

3.2 节能数据误差调节

为了保证本文设计的基于远程图像识别的景观设计合理性判断方法的有效性，需要对实验数据进行参设，其参设的数据如表1所示。

3.3 结果对比分析

分析图2结果得知，本文设计的基于远程图像识别的景观设计合理性判断方法，在判别效率上明显的要高于传统的判别方法，同时判别时间是传统方法的[12]左右。

分析图3结果得知，通过与设定的标准精度进行对比，能够看出本文设计的基于远程图像识别的景观设计合理性判断方法几乎能够与理论值相吻合，没有较大的判断误差。

4 结 语

本文提出一种基于远程图像识别的景观设计合理性判断方法，并通过权值对比有效地对远程图像识别景观设计合理性进行判断。实验结果表明，采用改进的判断方法，准确性较高。

参考文献

[1] 吴建胜，祖旭良，薛涵今.基于特征字符识别的文本图像方向判定[J].计算机工程与设计，2015（8）：2260?2263.

WU Jiansheng， ZU Xuliang， XUE Hanjin. Determining direction of text image based on feature character recognition [J]. Computer engineering and design， 2015（8）： 2260?2263.

[2] 董薇.紫金山地区盗伐立木三维图像特征的远程可视化研究[J].科技通报，2016，32（10）：148?151.

DONG Wei. Remote visualization of three?dimensional image of standing purple with illegal logging feature in Zijinshan Mountain area [J]. Bulletin of science and technology， 2016， 32（10）： 148?151.

[3] 彭赞，蒋外文，罗安，等.基于图像智能识别技术的远程视频监控系统[J].桂林电子科技大学学报，2004，24（5）：23?26.

PENG Zan， JIANG Waiwen， LUO An， et al. A long?range video surveillance system based on digital image recognition technique [J]. Journal of Guilin University of Electronic Technology， 2004， 24 （5）： 23?26.

[4] 罗会铭，彭赞，李正国.一种基于智能图像识别的远程视频监控系统[J].计算技术与自动化，2005，24（2）：51?53.

LUO Huiming， PENG Zan， LI Zhengguo. A remote video monitoring system based on intelligent image recognition [J]. Computing technology and automation， 2005， 24（2）： 51?53.

[5] 李雄军，郭应龙，肖焕雄.铁路景观绿化设计探析[J].微型机与应用，1997，6（8）：49?50.

LI Xiongjun， GUO Yinglong， XIAO Huanxiong. A study on the landscape design of railway line [J]. Microcomputers and applications， 1997， 6（8）： 49?50.

[6] 郭秦龙，闻立杰，金涛，等.NBAJ：一种基于网络流的工作流资源分配合理性判定方法[J].计算机集成制造系统，2015，21（2）：326?335.

GUO Qinlong， WEN Lijie， JIN Tao， et al. NBAJ： workflow resource assignment satisfaction judgment method based on network?flow [J]. Computer integrated manufacturing systems， 2015， 21（2）： 326?335.

[7] 刘英宪，马奎前，穆朋飞，等.一种水驱曲线直线段合理性判断新方法[J].特种油气藏，2016，23（5）：86?88.

LIU Yingxian， MA Kuiqian， MU Pengfei， et al. A new method of rational judgment of straight line section of water drive curve [J]. Special oil and gas reservoirs， 2016， 23（5）： 86?88.

[8] 秦国辉.基于三维图像的运动合理性判断方法研究与仿真[J]. 现代电子技术，2017，40（8）：22?24.

QIN Guohui. Study and simulation of motion rationality judgment method based on 3D image [J]. Modern electronics technique， 2017， 40（8）： 22?24.

[9] 朱虹，杨登辉.一种基于图像识别与RFID技术的货车进出管理系统[J].物联网技术，2016，6（7）：68?69.

ZHU Hong， YANG Denghui. A truck entry and exit mangement system based on image recognition and RFID technology [J]. Internet of Things technologies， 2016， 6（7）： 68?69.

[10] 王伟，王斌，孙俊兰.基于两层鲁棒性交叉映射的大数据融合算法[J].计算机仿真，2016，33（10）：236?239.

WANG Wei， WANG Bin， SUN Junlan. Based on two layers of cross mapping large data fusion algorithm robustness [J]. Computer simulation， 2016， 33（10）： 236?239.endprint