全面準(zhǔn)確地描述街景影像的多層次特征在基于街景影像對(duì)街道空間品質(zhì)進(jìn)行評(píng)估的研究中具有重要意義。以廣州市越秀區(qū)為例,獲取前后左右各視角街景影像中手工設(shè)計(jì)的特征（SURF特征、HOG特征）和基于深度學(xué)習(xí)的特征（語(yǔ)義特征）,基于單一特征和多特征融合采用支持向量機(jī)（Support Vector Machine, SVM）、隨機(jī)森林（Random Forest, RF）訓(xùn)練各視角的評(píng)估模型。結(jié)果表明,以基于SVM建立的單特征模型為例,基于HOG特征（73.03%）、語(yǔ)義特征（72.28%）的模型平均精度優(yōu)于SURF特征（56.00%）,基于SVM前后左右各視角模型的最優(yōu)分類(lèi)精度為82.8%（前）、81.7%（后）、76.6%（左）、76.6%（右）,而基于RF各視角模型的最優(yōu)分類(lèi)精度為82.8%（前）、85.0%（后）、78.1%（左）、70.3%（右）。前后視角的模型精度略?xún)?yōu)于左右視角。各視角最優(yōu)模型均為多特征融合模型,最優(yōu)模型平均分類(lèi)精度和Kappa系數(shù)可達(dá)80.6%和0.62。利用街景影像評(píng)估街道空間品質(zhì)時(shí),各算法之間性能差異微弱,而特征選擇及組合方式是提升精度的關(guān)鍵。越秀區(qū)街道空間品質(zhì)存在... 

【文章來(lái)源】：地球信息科學(xué)學(xué)報(bào). 2020,22(06)北大核心CSCD

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

不同視角高/低空間品質(zhì)的街景影像示例

基于街景影像中獲取的SURF特征、HOG特征和語(yǔ)義特征，本研究采用串行方式對(duì)多個(gè)特征向量進(jìn)行組合，利用SVM和RF構(gòu)建街道空間品質(zhì)評(píng)估模型，街道空間品質(zhì)評(píng)估模型可以判定某一幅街景影像所反映的街道景觀(guān)是否為高空間品質(zhì)。考慮到不同視角街景影像反映的城市景觀(guān)存在差異（圖1），因此針對(duì)不同視角的街景影像，基于單一特征和多特征融合的方式分別構(gòu)建SVM和RF分類(lèi)器。在模型訓(xùn)練前對(duì)街景影像的SURF特征、HOG特征和語(yǔ)義特征進(jìn)行標(biāo)準(zhǔn)化處理，隨機(jī)選取70%人工標(biāo)注的街景影像訓(xùn)練模型，其余30%用來(lái)評(píng)估模型精度。利用模型在測(cè)試集上分類(lèi)精度和Kappa系數(shù)衡量其性能，其中分類(lèi)精度是正確分類(lèi)的影像占測(cè)試集整體影像的比例，Kappa系數(shù)的計(jì)算基于混淆矩陣，Kappa系數(shù)超過(guò)0.6表示預(yù)測(cè)結(jié)果與實(shí)際結(jié)果具有高度一致性。以上述度量指標(biāo)作為依據(jù)選擇各視角最優(yōu)模型及對(duì)應(yīng)的特征組合方式，進(jìn)而對(duì)越秀區(qū)的街道空間品質(zhì)進(jìn)行評(píng)估，整體技術(shù)路線(xiàn)如圖2所示。3 實(shí)驗(yàn)結(jié)果與分析

以上結(jié)果可以作為越秀區(qū)街道空間品質(zhì)的現(xiàn)狀基礎(chǔ)評(píng)價(jià)資料。結(jié)果表明越秀區(qū)街道空間品質(zhì)存在明顯的空間分異，越秀區(qū)西南部存在大量老舊小區(qū)等居住空間，該區(qū)域的街道空間品質(zhì)亟待提升。4 討論

【參考文獻(xiàn)】：
期刊論文
[1]基于三種機(jī)器學(xué)習(xí)算法的山洪災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)[J]. 周超,方秀琴,吳小君,王雨晨.  地球信息科學(xué)學(xué)報(bào). 2019(11)
[2]人本尺度的街道空間品質(zhì)測(cè)度——結(jié)合街景數(shù)據(jù)和新分析技術(shù)的大規(guī)模、高精度評(píng)價(jià)框架[J]. 葉宇,張昭希,張嘯虎,曾偉.  國(guó)際城市規(guī)劃. 2019(01)
[3]基于街景圖像的城市環(huán)境評(píng)價(jià)研究綜述[J]. 張麗英,裴韜,陳宜金,宋辭,劉小茜.  地球信息科學(xué)學(xué)報(bào). 2019(01)
[4]多特征融合的復(fù)雜環(huán)境海洋渦旋識(shí)別[J]. 黃冬梅,劉佳佳,蘇誠(chéng),杜艷玲.  中國(guó)圖象圖形學(xué)報(bào). 2019(01)
[5]街道建成環(huán)境中的城市非正規(guī)性 基于北京老城街景圖片的人工打分與機(jī)器學(xué)習(xí)相結(jié)合的識(shí)別探索[J]. 甘欣悅,佘天唯,龍瀛.  時(shí)代建筑. 2018(01)
[6]卷積神經(jīng)網(wǎng)絡(luò)在車(chē)輛識(shí)別中的應(yīng)用[J]. 彭清,季桂樹(shù),謝林江,張少波.  計(jì)算機(jī)科學(xué)與探索. 2018(02)
[7]街道步行指數(shù)的大規(guī)模評(píng)價(jià)——方法改進(jìn)及其成都應(yīng)用[J]. 周垠,龍瀛.  上海城市規(guī)劃. 2017(01)
[8]特大城市中心區(qū)街道空間品質(zhì)的測(cè)度——以北京二三環(huán)和上海內(nèi)環(huán)為例[J]. 唐婧嫻,龍瀛.  規(guī)劃師. 2017(02)
[9]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[10]隨機(jī)森林與支持向量機(jī)分類(lèi)性能比較[J]. 黃衍,查偉雄.  軟件. 2012(06)

博士論文
[1]基于CNN遷移特征融合與池化的高分辨率遙感圖像檢索研究[D]. 葛蕓.南昌大學(xué) 2019

碩士論文
[1]基于街景地圖的歷史文化街區(qū)街道空間品質(zhì)評(píng)價(jià)[D]. 趙雅芝.廣州大學(xué) 2019
[2]基于城市街景影像的視覺(jué)定位研究[D]. 謝潤(rùn)樺.北京建筑大學(xué) 2018



本文編號(hào)：3298760