建筑簇群全景圖像空間布局人工智能規(guī)劃方法研究
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的建筑簇群全景圖像空間布局人工智能規(guī)劃方法。構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構重構方法進行建筑簇群全景圖像空間區(qū)域信息增強處理,建立建筑簇群全景圖像的邊緣輪廓特征檢測模型,構造建筑簇群全景圖像多尺度特征分解模型,采用機器視覺方法進行建筑簇群全景圖像的先驗形狀模型參數估計,根據參數估計結果實現(xiàn)建筑簇群全景布局和人工智能規(guī)劃。仿真結果表明,采用該方法進行建筑簇群全景圖像空間規(guī)劃的智能性較強,規(guī)劃合理性較好。
【文章來源】:現(xiàn)代電子技術. 2019,42(24)北大核心
【文章頁數】: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構重構方法進行建筑簇群全景圖像空間區(qū)域信息增強處理,得到圖像增強結果如圖2所示。分析圖2得知,采用本文方法能有效實現(xiàn)建筑簇群全景圖像的空間信息增強,提高建筑簇群全景規(guī)劃和成像能力。在此基礎上,實現(xiàn)建筑簇群全景布局和人工智能規(guī)劃,得到的結果如圖3所示。
分析圖2得知,采用本文方法能有效實現(xiàn)建筑簇群全景圖像的空間信息增強,提高建筑簇群全景規(guī)劃和成像能力。在此基礎上,實現(xiàn)建筑簇群全景布局和人工智能規(guī)劃,得到的結果如圖3所示。分析圖3得知,采用本文方法能有效實現(xiàn)建筑簇群全景布局和人工智能規(guī)劃設計,測試不同方法進行建筑簇群全景布局和人工智能規(guī)劃的誤差,得到的對比結果如圖4所示。分析圖4得知,采用該方法進行建筑簇群全景圖像空間規(guī)劃的智能性較強,誤差較低,規(guī)劃合理性較好。
【參考文獻】:
期刊論文
[1]魯棒的自適應尺度和方向的目標跟蹤方法[J]. 單玉剛,汪家寶. 計算機工程與應用. 2018(21)
[2]自適應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). 計算機應用. 2018(03)
[3]基于MPI的大規(guī)模遙感影像金字塔并行構建方法[J]. 赫高進,熊偉,陳犖,吳秋云,景寧. 地球信息科學學報. 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
【文章來源】:現(xiàn)代電子技術. 2019,42(24)北大核心
【文章頁數】: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構重構方法進行建筑簇群全景圖像空間區(qū)域信息增強處理,得到圖像增強結果如圖2所示。分析圖2得知,采用本文方法能有效實現(xiàn)建筑簇群全景圖像的空間信息增強,提高建筑簇群全景規(guī)劃和成像能力。在此基礎上,實現(xiàn)建筑簇群全景布局和人工智能規(guī)劃,得到的結果如圖3所示。
分析圖2得知,采用本文方法能有效實現(xiàn)建筑簇群全景圖像的空間信息增強,提高建筑簇群全景規(guī)劃和成像能力。在此基礎上,實現(xiàn)建筑簇群全景布局和人工智能規(guī)劃,得到的結果如圖3所示。分析圖3得知,采用本文方法能有效實現(xiàn)建筑簇群全景布局和人工智能規(guī)劃設計,測試不同方法進行建筑簇群全景布局和人工智能規(guī)劃的誤差,得到的對比結果如圖4所示。分析圖4得知,采用該方法進行建筑簇群全景圖像空間規(guī)劃的智能性較強,誤差較低,規(guī)劃合理性較好。
【參考文獻】:
期刊論文
[1]魯棒的自適應尺度和方向的目標跟蹤方法[J]. 單玉剛,汪家寶. 計算機工程與應用. 2018(21)
[2]自適應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). 計算機應用. 2018(03)
[3]基于MPI的大規(guī)模遙感影像金字塔并行構建方法[J]. 赫高進,熊偉,陳犖,吳秋云,景寧. 地球信息科學學報. 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
本文鏈接:http://sikaile.net/kejilunwen/rengongzhinen/3216665.html