鄉村建筑群形態結構的演變過程三維仿真

楊 濤，閆 杰

(陜西理工大學土木工程與建筑學院，陜西 漢中 723001)

1 引言

建筑群在人類聚集社會發展過程中不斷變化，屬于環境的載體[1]。在傳統社會經濟長期、低速率發展過程中，鄉村建筑群處于漸進式地演變中。在中國大地上富含地域文化的集聚型鄉村建筑群發展變化、生根發芽，中國傳統社會的物質財富存儲于鄉村聚落環境中，并傳承和孕育了多種地方文化[2]，因此對集聚型鄉村建筑群形態結構的演變情況進行分析具有重要意義。

陳凱強[3]等人在編解碼結構特點的基礎上通過卷積神經網絡獲取建筑群的形態結構特征，將建筑群圖像輸入編碼子網絡中，通過空間分辨率壓縮獲取圖像特征，將提取的特征輸入解碼子網絡中，對空間分辨率進行提升處理，獲取建筑物形態結構特征，根據提取的特征對其結構演變進行分析。黨濤[4]等人針對地物特征之間存在的差異，利用遙感信息的多尺度特性建立層級關系，采用光譜多樣性特征建立層次化結構，通過Relief F-PSO組合特征選擇方法構建建筑群形態結構的特征空間，采用隨機森林模型結合提取的特征完成形態結構演變的分析。王云艷[5]等人通過反卷積網絡獲取鄉村建筑群的高層特征，將提取的高層特征輸入遷移網絡中，獲取鄉村建筑群的演變特征，完成建筑群形態結構演變分析。上述方法均沒有對建筑群三維圖像進行增強處理，存在輪廓提取完整度低、分析效率低、召回率低和誤差比例高的問題。

為了解決上述方法中存在的問題，提出集聚型鄉村建筑群形態結構演變三維圖像仿真方法。

2 圖像增強處理

集聚型鄉村建筑群的明暗動態范圍較大，相機通常情況下只可以記錄較小的亮度動態范圍，因此獲取的村落建筑群三維圖像存在一些過度曝光和曝光不足的部分。集聚型鄉村建筑群形態結構演變三維圖像仿真方法利用相機響應曲線[6]通過下述過程選取曝光適度的圖像塊：

1)分塊處理曝光度不同的三維圖像，獲得P個大小為aXa的像素塊，用Ii，j描述第i幅鄉村建筑群三維圖像中存在的第j個像素塊，其中i=1，…，N，j=1，…，P。

2)計算所處位置T的像素塊Ii，T對應的平均亮度值Ai，T，亮度平均值在區間[0，255]內取值。

3)設置相機響應函數中存在的反函數曲線g，在此基礎上，計算其導數曲線h，計算平均亮度值Ai，T在導數曲線h中對應的值ti，j=h(Ai，T)。

4)通過函數Jk=min(ti，j)獲取鄉村建筑群三維圖像中信息量最多的像素塊Jj，融合上述函數獲取的像素塊，獲得新的鄉村建筑群三維圖像[7，8]。

上述算法沒有對獲取圖像的整體環境光照條件進行考慮，僅僅考慮了相機輻射度曲線的性質，因此需要對上述算法進行優化。

通過下式計算導數曲線h中平均亮度值Ai，T對應的值ti，j

ti，j=h(Ai，T)

(1)

當ti，j的值較小時，表明建筑群三維圖像中存在的信息量越多，通過函數Jk=min(ti，j)獲取參考圖像。

用di，j描述曝光不同但所處空間位置相同的像素塊與鄰域對應的圖像在參考圖像中的第j個像素塊之間的平均亮度差的平方和，其計算公式如下

(2)

式中，Qj代表的是圖像組中存在第j個像素塊的鄰域，當di，j的值越小時越接近附近的亮度，在鄉村建筑群三維圖像中像素塊之間的連續性越好。

通過上述分析，建立估價函數Φi，j

Φi，j=λti，j+di，j

(3)

式中，λ代表的是比例系數；ti，j代表的是相機輻射曲線產生的約束；di，j代表的是連續性約束。函數Φi，j的值越小，像素塊與周圍像素塊之間的連續性越好，像素塊中存在的信息越多。

(4)

通過上述函數獲得最優像素塊，增強了鄉村建筑群三維圖像的明暗動態范圍，可在同一幅圖像中呈現較亮部分細節和較暗部分細節，但此時圖像像素塊邊緣的連續性較差，降低了鄉村建筑群三維圖像的視覺效果，因此需要對鄉村建筑群三維圖像進行加權平均融合[9，10]。

用Ei描述利用上述函數獲取的最優像素塊，通過下述函數對其進行加權融合處理

(5)

式中，U(x，y)代表的是在(x，y)位置輸出圖像對應的最終像素值；wi(x，y)代表的是在(x，y)位置處第i個像素塊對應的權重函數；Ei(x，y)代表的是在(x，y)位置處第i個像素塊信息最多的圖像對應的像素值。

用Gi(x，y)描述二維高斯函數，其中心為第i個像素塊中點，用(xi，yi)表示，二維高斯函數Gi(x，y)的表達式如下

(6)

式中，σ代表的是Gi(x，y)的標準差。利用上述函數對像素的權值進行分配。

用負指數分布形式Si(x，y)表示相機響應函數的導數曲線信息ti(x，y)，用來描述鄉村建筑群三維圖像的融合條件

Si(x，y)=exp[-αti(x，y)]

(7)

式中，α的作用是對導數曲線信息ti(x，y)進行調整，屬于經驗系數。

結合上述函數建立聯合權重函數W(x，y)，完成圖像融合

由于傳統的財務管理信息，傳輸渠道和方式單一，因此企業以內部財務管理數據信息和同一行業財務管理數據信息為主體。在“互聯網+”的背景下，它為企業獲取各種信息資源提供技術支持，不再受時間和地理因素的影響，從而實現一個更加完整的信息資源財務管理系統，獲得準確的企業管理決策過程的費率和可靠信息。

(8)

鄉村建筑群三維圖像融合的具體流程如圖1所示。

圖1 圖像融合流程圖

3 聚集性鄉村建筑群形態結構演變仿真

3.1 鄉村建筑群輪廓提取

3.1.1 建筑群初步提取

1)輪廓初步提取

2)矩形檢測與定位。通過長和寬分別為heighti、widthi的矩形跟蹤輪廓左上點，獲得鄉村建筑群的初始提取結果。

①判斷陰影像素，統計候選鄉村建筑群鄰域內的像素灰度，設定灰度閾值Tshadow，統計候選集聚型鄉村建筑群目標矩陣widthi*heighti中的目標塊大小Numberi，當Tshadow大于第i個目標的鄰域內灰度值I(i，j)時，判定其為陰影像素。

相同形態的建筑物群對應的陰影差異較小，且集聚型鄉村建筑群陰影存在規律形態，因此認為Numberi大于陰影面積閾值Nshadow的區域為鄉村建筑群。

③建筑物的排列走向屬于幾何形態，各建筑物在集聚型鄉村建筑群中的比值存在統一性。

3.1.2 建筑物群提取

所提方法通過屬性統計、像素灰度振蕩規律、間距統計和對稱性分析方法獲取集聚型鄉村建筑群的周期性，完成集聚型鄉村建筑群的提取，具體流程如圖2所示。

圖2 建筑群提取流程

3.2 形態結構演變分析

(9)

式中，F代表的是Gabor基函數。

(10)

式中，T(x，y)代表的是建筑群區域的演變特征，根據獲取的演變特征，實現集聚型鄉村建筑群形態結構演變分析。

4 實驗與分析

為了驗證集聚型鄉村建筑群形態結構演變三維圖像仿真方法的整體有效性，需要對其進行測試。

分別采用集聚型鄉村建筑群形態結構演變三維圖像仿真方法、文獻[3]方法和文獻[4]方法提取鄉村建筑群的輪廓，提取結果如圖3所示。

圖3 不同方法的輪廓提取結果

分析圖3可知，所提方法可完整地提取鄉村建筑群的輪廓，文獻[3]方法和文獻[4]方法提取的輪廓完整度較低。

分別采用所提方法、文獻[3]方法和文獻[4]方法分析集聚型鄉村建筑形態結構的演變特征，對比不同方法所用的分析時間，分析結果如表1所示。

表1 不同方法的分析時間

分析表1中的數據可知，對十種不同鄉村建筑群的形態結構演變特征進行分析時，所提方法所用的分析時間最短，對比三種方法的平均分析時間可知，所提方法的分析效率最高，其次是文獻[3]方法，分析效率最低的是文獻[4]方法。

將召回率作為測試指標，對比上述方法提取鄉村建筑群的性能，召回率recall的計算公式如下

(11)

式中，TP代表的是正確識別建筑群目標的像素；FN代表的是漏計目標的像素。

不同方法的召回率對比結果如圖4所示。

圖4 召回率測試結果

分析圖4可知，在多次建筑群提取測試過程中，所提方法的召回率均在80%以上，高于其它兩種方法，表明所提方法具有良好的目標提取性能。

采用上述方法對同一集聚型鄉村建筑群形態結構進行演變分析，對比不同方法分析結果的誤差比例，測試結果如圖5所示。

圖5 誤差比例測試結果

通過圖5可以直觀地看出，與文獻[3]方法和文獻[4]方法的測試結果相比，所提方法分析結果的誤差比例較低，表明所提方法可準確地完成集聚型鄉村建筑群形態結構演變分析，因為所提方法對集聚型鄉村建筑群三維圖像進行了增強處理，可以獲取相關細節信息，降低了分析結果的誤差比例。

5 結束語

在鄉村環境中建筑物屬于重要構成部分，鄉村建筑水平隨著經濟的發展不斷提高，村民開始追求高質量的居住品質和空間，原始鄉村建筑群的形態結構出現了不適應性，因此為了促進鄉村經濟，改善鄉村環境，適應當前經濟的發展，需要對鄉村建筑形態結構進行優化，在此背景下研究其形態結構演變特征具有重要意義。目前建筑群形態結構演變分析方法存在輪廓提取完整度低、分析效率低、召回率低和誤差比例高的問題，提出集聚型鄉村建筑群形態結構演變三維圖像仿真方法，通過鄉村建筑群的三維圖像對其形態結構演變特征進行分析，通過實驗對比發現所提方法改善了目前方法中存在的問題。