發(fā)布時間：2021-06-07 13:30

　　為了提高建筑簇群空間布局規(guī)劃能力,提出基于空間邊緣輪廓特征檢測技術(shù)的建筑簇群全景圖像空間布局人工智能規(guī)劃方法。構(gòu)建建筑簇群全景圖像空間規(guī)劃成像模型,采用多樣性的圖片結(jié)構(gòu)重構(gòu)方法進(jìn)行建筑簇群全景圖像空間區(qū)域信息增強(qiáng)處理,建立建筑簇群全景圖像的邊緣輪廓特征檢測模型,構(gòu)造建筑簇群全景圖像多尺度特征分解模型,采用機(jī)器視覺方法進(jìn)行建筑簇群全景圖像的先驗(yàn)形狀模型參數(shù)估計,根據(jù)參數(shù)估計結(jié)果實(shí)現(xiàn)建筑簇群全景布局和人工智能規(guī)劃。仿真結(jié)果表明,采用該方法進(jìn)行建筑簇群全景圖像空間規(guī)劃的智能性較強(qiáng),規(guī)劃合理性較好。 

【文章來源】：現(xiàn)代電子技術(shù). 2019,42(24)北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

原始的建筑簇群全景圖像

以圖1的圖像為測試對象，采用多樣性的圖片結(jié)構(gòu)重構(gòu)方法進(jìn)行建筑簇群全景圖像空間區(qū)域信息增強(qiáng)處理，得到圖像增強(qiáng)結(jié)果如圖2所示。分析圖2得知，采用本文方法能有效實(shí)現(xiàn)建筑簇群全景圖像的空間信息增強(qiáng)，提高建筑簇群全景規(guī)劃和成像能力。在此基礎(chǔ)上，實(shí)現(xiàn)建筑簇群全景布局和人工智能規(guī)劃，得到的結(jié)果如圖3所示。

分析圖2得知，采用本文方法能有效實(shí)現(xiàn)建筑簇群全景圖像的空間信息增強(qiáng)，提高建筑簇群全景規(guī)劃和成像能力。在此基礎(chǔ)上，實(shí)現(xiàn)建筑簇群全景布局和人工智能規(guī)劃，得到的結(jié)果如圖3所示。分析圖3得知，采用本文方法能有效實(shí)現(xiàn)建筑簇群全景布局和人工智能規(guī)劃設(shè)計，測試不同方法進(jìn)行建筑簇群全景布局和人工智能規(guī)劃的誤差，得到的對比結(jié)果如圖4所示。分析圖4得知，采用該方法進(jìn)行建筑簇群全景圖像空間規(guī)劃的智能性較強(qiáng)，誤差較低，規(guī)劃合理性較好。

【參考文獻(xiàn)】：
期刊論文
[1]魯棒的自適應(yīng)尺度和方向的目標(biāo)跟蹤方法[J]. 單玉剛,汪家寶.  計算機(jī)工程與應(yīng)用. 2018(21)
[2]自適應(yīng)融合局部和全局稀疏表示的圖像顯著性檢測[J]. 王鑫,周韻,寧晨,石愛業(yè).  計算機(jī)應(yīng)用. 2018(03)
[3]基于MPI的大規(guī)模遙感影像金字塔并行構(gòu)建方法[J]. 赫高進(jìn),熊偉,陳犖,吳秋云,景寧.  地球信息科學(xué)學(xué)報. 2015(05)
[4]基于Kinect和金字塔特征的行為識別算法[J]. 申曉霞,張樺,高贊,徐光平,薛彥兵.  光電子.激光. 2014(02)



本文編號：3216665