基于智能视觉的建筑空间合理性分析
宋贵彩 王晶华
摘 要： 为了提高建筑空间的分布合理性，提出一种基于采用计算机智能视觉成像特征融合的建筑空间合理性规划设计方法。首先利用光学视觉图像采集方法进行建筑空间的视觉信息采集，对采集的建筑空间视觉成像进行自适应局部降噪处理，提高建筑空间的视觉呈现能力。然后进行建筑空间光学视觉图像的格型模板匹配，提取仿射不变矩特征，采用成像特征融合方法实现建筑空间的感官性信息融合，提高空间设计的合理性。仿真测试结果表明，采用该方法进行建筑空间设计，能更好地融合人类视觉的感官性特征信息，提高建筑空间设计的分布合理性。
关键词： 智能视觉； 建筑空间； 合理性分析； 图像融合
中图分类号： TN915.5?34； TP391； TU972 文献标识码： A 文章编号： 1004?373X（2017）16?0102?03
Abstract： In order to improve the distribution rationality of architectural space， a planning and design method of architectural space rationality is proposed， which is based on the integration of computer intelligent visual imaging features. The optics visual image acquisition method is used to acquire the visual information of architectural space. The acquired visual image of architectural space is processed with local adaptive denoising technology to improve the visual representation ability of building space. The lattice templates of the building space optical visual image are matched to extract the affine invariant moment feature. The imaging feature fusion method is adopted to fuse the sensory information of the architectural space to improve the rationality of space design. The simulation test results show that the method used to design the architectural space can fuse the sensory characteristic information of human vision perfectly， and improve the distribution rationality of the architectural space design.
Keywords： intelligent vision； architectural space； rationality analysis； image fusion
0 引 言
在建筑設计中，建筑空间的分布合理性设计是关键。建筑空间的分布合理性设计需要融合光学、人类视觉等特征参量信息，提高人居的舒适性[1]。随着计算机图像视觉处理技术的发展，采用智能视觉特征分析方法进行建筑空间的合理性设计成为未来建筑设计发展的一个新兴方向。为了提高建筑空间的分布合理性，通过构建建筑空间场景物理纹理特征[2]，采用光学成像方法进行建筑空间图像拟合和虚拟重建。本文提出一种基于采用计算机智能视觉成像特征融合的建筑空间合理性规划设计方法，结合图像处理和视觉特征分析方法进行建筑空间的合理性设计。
1 基于智能视觉图像处理的建筑空间设计
在上述进行建筑空间的视觉信息采集的基础上，进行建筑空间合理性分析，提出一种基于采用计算机智能视觉成像特征融合的建筑空间合理性规划设计方法，采用图像处理方法进行建筑空间合理性设计。
1.1 视觉成像的自适应局部降噪
为了提高建筑空间的视觉呈现能力，对采集的光学视觉成像进行自适应局部降噪处理[3]，结合式（1）～式（3）给出的建筑空间的视觉信息采集的统计特征，建筑空间的计算机智能视觉成像的4个灰类等级的约束参量模型满足如下条件[4]：
1.2 建筑空间光学视觉图像的格型模板匹配
采用计算机智能视觉成像特征融合方法进行建筑空间合理性规划设计，进行建筑空间光学视觉图像的格型模板匹配设计[6]，取建筑空间光学视觉图像二阶矩对角线元素的熵：[N1=-i=jp（i，j）logp（i，j）] 作为仿射不变矩。其中不变矩特征分布的二阶中心矩为[N2=][ij（i-j-μ）2p（i，j）]。建筑空间灰度图像中的x和y方向的质心为[μ=E（i-j）=i，j（i，j）p（i，j）]。提取的仿射不变矩特征为输入参量，得到建筑空间光学视觉图像的格型模板为[N3=ij（i-j-μ）4p（i，j）] 。以特征点为中心，采用自适应小波变换进行仿射不变映射[7?8]，得到智能视觉下的建筑空间光学成像分布的角点信息变量为[f=N-NN]，[N]为特征值个数，[N]为向量的归一化特征值，[f]用来描述建筑空间合理性布局的尺度不变性。建筑空间合理性布局的亮度不变性为[N11]，[N12]，[N13]，则通过对建筑空间视觉的斜向扫描以及块扫描，得到格型模板分布函数为：
1.3 基于空间感官性信息融合的合理性设计
在提取建筑空间光学视觉图像的格型模板匹配的基础上，提取仿射不变矩特征，采用成像特征融合方法实现建筑空间的感官性信息融合，定义建筑空间光学视觉图像的自相关函数为：
2 实验测试结果分析
在基于智能视觉的建筑空间合理性分析实验中，实验的硬件环境为：Intel CoreZ 2.4 GHz CPU和1 GB内存的计算机，采用Matlab仿真工具进行计算机视觉图像处理分析，构建采用建筑的光学视觉图像采集模型，视觉采集的像素灰度值为250×250，建筑空间光学视觉图像的格型模板级数为24，仿射不变矩特征提取的迭代次数为600 次，得到建筑空间视觉成像采集结果如图1所示。
采用成像特征融合方法实现建筑空间的感官性信息融合，得到建筑空间光学视觉图像的感官性信息融合结果如图2所示。
从图2可见，采用本文方法进行建筑空间光学视觉图像感官性信息融合，能提高对建筑空间的感官性表达能力，从而优化建筑空间的优化合理设计和布局，为了定量测试本文方法在提高建筑空间视觉分析合理性的性能，采用不同方法得到建筑空间合理性视觉测试的输出峰值信噪比结果如图3所示。
圖3中分别给出了噪声干扰强度分别0 dB，5 dB，10 dB和15 dB下的建筑空间视觉成像分析的输出峰值信噪比对比结果。从图3可见，采用本文方法进行成像特征融合，实现建筑空间的感官性分析，提高了输出峰值信噪比，说明对建筑空间的设计合理性得到了有效改善。
3 结 语
本文提出一种基于采用计算机智能视觉成像特征融合的建筑空间合理性规划设计方法，利用光学视觉图像采集方法进行建筑空间的视觉信息采集，对采集的建筑空间视觉成像进行自适应局部降噪处理，提高建筑空间的视觉呈现能力。研究得出，采用本文方法进行建筑空间设计，能更好地融合人类视觉的感官性特征信息，提高建筑空间设计的分布合理性，具有较好的应用价值。
参考文献
[1] 杜辉.基于小波变换的彩色图像中快速人脸检测算法[J].科技通报，2012，28（12）：89?90.
[2] 孙红辉，王红霞，田涛.一种基于不变矩和BP网络的目标识别方法[J].微电子学与计算机，2011，28（3）：63?65.
[3] 于涛，胡炳樑，高晓惠，等.高光谱干涉图像动态追踪补偿方法研究[J].光子学报，2016，45（7）：35?40.
[4] 徐胜军，韩九强，赵亮，等.用于图像分割的局部区域能量最小化算法[J].西安交通大学学报，2011，45（8）：7?12.
[5] 粘永健，辛勤，汤毅，等.基于多波段预测的高光谱图像分布式无损压缩[J].光学精密工程，2012，20（4）：906?912.
[6] 顾淑红，花均南，吕涛.激光主动探测成像中拼接算法设计与仿真研究[J].激光杂志，2016，37（2）：30?33.
[7] 温佳，马彩文，水鹏朗.改进自适应LBG矢量量化算法在干涉高光谱图像压缩中的应用[J].光谱学与光谱分析，2011，31（4）：1033?1037.
[8] 陆兴华，张晓军.人员图像跟踪过程中多人交叉区域防丢失方法[J].计算机仿真，2014，31（9）：243?246.
摘 要： 为了提高建筑空间的分布合理性，提出一种基于采用计算机智能视觉成像特征融合的建筑空间合理性规划设计方法。首先利用光学视觉图像采集方法进行建筑空间的视觉信息采集，对采集的建筑空间视觉成像进行自适应局部降噪处理，提高建筑空间的视觉呈现能力。然后进行建筑空间光学视觉图像的格型模板匹配，提取仿射不变矩特征，采用成像特征融合方法实现建筑空间的感官性信息融合，提高空间设计的合理性。仿真测试结果表明，采用该方法进行建筑空间设计，能更好地融合人类视觉的感官性特征信息，提高建筑空间设计的分布合理性。
关键词： 智能视觉； 建筑空间； 合理性分析； 图像融合
中图分类号： TN915.5?34； TP391； TU972 文献标识码： A 文章编号： 1004?373X（2017）16?0102?03
Abstract： In order to improve the distribution rationality of architectural space， a planning and design method of architectural space rationality is proposed， which is based on the integration of computer intelligent visual imaging features. The optics visual image acquisition method is used to acquire the visual information of architectural space. The acquired visual image of architectural space is processed with local adaptive denoising technology to improve the visual representation ability of building space. The lattice templates of the building space optical visual image are matched to extract the affine invariant moment feature. The imaging feature fusion method is adopted to fuse the sensory information of the architectural space to improve the rationality of space design. The simulation test results show that the method used to design the architectural space can fuse the sensory characteristic information of human vision perfectly， and improve the distribution rationality of the architectural space design.
Keywords： intelligent vision； architectural space； rationality analysis； image fusion
0 引 言
在建筑設计中，建筑空间的分布合理性设计是关键。建筑空间的分布合理性设计需要融合光学、人类视觉等特征参量信息，提高人居的舒适性[1]。随着计算机图像视觉处理技术的发展，采用智能视觉特征分析方法进行建筑空间的合理性设计成为未来建筑设计发展的一个新兴方向。为了提高建筑空间的分布合理性，通过构建建筑空间场景物理纹理特征[2]，采用光学成像方法进行建筑空间图像拟合和虚拟重建。本文提出一种基于采用计算机智能视觉成像特征融合的建筑空间合理性规划设计方法，结合图像处理和视觉特征分析方法进行建筑空间的合理性设计。
1 基于智能视觉图像处理的建筑空间设计
在上述进行建筑空间的视觉信息采集的基础上，进行建筑空间合理性分析，提出一种基于采用计算机智能视觉成像特征融合的建筑空间合理性规划设计方法，采用图像处理方法进行建筑空间合理性设计。
1.1 视觉成像的自适应局部降噪
为了提高建筑空间的视觉呈现能力，对采集的光学视觉成像进行自适应局部降噪处理[3]，结合式（1）～式（3）给出的建筑空间的视觉信息采集的统计特征，建筑空间的计算机智能视觉成像的4个灰类等级的约束参量模型满足如下条件[4]：
1.2 建筑空间光学视觉图像的格型模板匹配
采用计算机智能视觉成像特征融合方法进行建筑空间合理性规划设计，进行建筑空间光学视觉图像的格型模板匹配设计[6]，取建筑空间光学视觉图像二阶矩对角线元素的熵：[N1=-i=jp（i，j）logp（i，j）] 作为仿射不变矩。其中不变矩特征分布的二阶中心矩为[N2=][ij（i-j-μ）2p（i，j）]。建筑空间灰度图像中的x和y方向的质心为[μ=E（i-j）=i，j（i，j）p（i，j）]。提取的仿射不变矩特征为输入参量，得到建筑空间光学视觉图像的格型模板为[N3=ij（i-j-μ）4p（i，j）] 。以特征点为中心，采用自适应小波变换进行仿射不变映射[7?8]，得到智能视觉下的建筑空间光学成像分布的角点信息变量为[f=N-NN]，[N]为特征值个数，[N]为向量的归一化特征值，[f]用来描述建筑空间合理性布局的尺度不变性。建筑空间合理性布局的亮度不变性为[N11]，[N12]，[N13]，则通过对建筑空间视觉的斜向扫描以及块扫描，得到格型模板分布函数为：
1.3 基于空间感官性信息融合的合理性设计
在提取建筑空间光学视觉图像的格型模板匹配的基础上，提取仿射不变矩特征，采用成像特征融合方法实现建筑空间的感官性信息融合，定义建筑空间光学视觉图像的自相关函数为：
2 实验测试结果分析
在基于智能视觉的建筑空间合理性分析实验中，实验的硬件环境为：Intel CoreZ 2.4 GHz CPU和1 GB内存的计算机，采用Matlab仿真工具进行计算机视觉图像处理分析，构建采用建筑的光学视觉图像采集模型，视觉采集的像素灰度值为250×250，建筑空间光学视觉图像的格型模板级数为24，仿射不变矩特征提取的迭代次数为600 次，得到建筑空间视觉成像采集结果如图1所示。
采用成像特征融合方法实现建筑空间的感官性信息融合，得到建筑空间光学视觉图像的感官性信息融合结果如图2所示。
从图2可见，采用本文方法进行建筑空间光学视觉图像感官性信息融合，能提高对建筑空间的感官性表达能力，从而优化建筑空间的优化合理设计和布局，为了定量测试本文方法在提高建筑空间视觉分析合理性的性能，采用不同方法得到建筑空间合理性视觉测试的输出峰值信噪比结果如图3所示。
圖3中分别给出了噪声干扰强度分别0 dB，5 dB，10 dB和15 dB下的建筑空间视觉成像分析的输出峰值信噪比对比结果。从图3可见，采用本文方法进行成像特征融合，实现建筑空间的感官性分析，提高了输出峰值信噪比，说明对建筑空间的设计合理性得到了有效改善。
3 结 语
本文提出一种基于采用计算机智能视觉成像特征融合的建筑空间合理性规划设计方法，利用光学视觉图像采集方法进行建筑空间的视觉信息采集，对采集的建筑空间视觉成像进行自适应局部降噪处理，提高建筑空间的视觉呈现能力。研究得出，采用本文方法进行建筑空间设计，能更好地融合人类视觉的感官性特征信息，提高建筑空间设计的分布合理性，具有较好的应用价值。
参考文献
[1] 杜辉.基于小波变换的彩色图像中快速人脸检测算法[J].科技通报，2012，28（12）：89?90.
[2] 孙红辉，王红霞，田涛.一种基于不变矩和BP网络的目标识别方法[J].微电子学与计算机，2011，28（3）：63?65.
[3] 于涛，胡炳樑，高晓惠，等.高光谱干涉图像动态追踪补偿方法研究[J].光子学报，2016，45（7）：35?40.
[4] 徐胜军，韩九强，赵亮，等.用于图像分割的局部区域能量最小化算法[J].西安交通大学学报，2011，45（8）：7?12.
[5] 粘永健，辛勤，汤毅，等.基于多波段预测的高光谱图像分布式无损压缩[J].光学精密工程，2012，20（4）：906?912.
[6] 顾淑红，花均南，吕涛.激光主动探测成像中拼接算法设计与仿真研究[J].激光杂志，2016，37（2）：30?33.
[7] 温佳，马彩文，水鹏朗.改进自适应LBG矢量量化算法在干涉高光谱图像压缩中的应用[J].光谱学与光谱分析，2011，31（4）：1033?1037.
[8] 陆兴华，张晓军.人员图像跟踪过程中多人交叉区域防丢失方法[J].计算机仿真，2014，31（9）：243?246.
