室內(nèi)景觀設(shè)計中的視覺感官建模

董秋敏+孫凰耀+劉芳

摘 要： 針對傳統(tǒng)建模方法一直存在建模不準(zhǔn)確的問題，提出一種室內(nèi)景觀設(shè)計中的視覺感官建模設(shè)計。在建模過程中應(yīng)用視覺感官信息粒子處理、視覺空間數(shù)據(jù)確認(rèn)來代替?zhèn)鹘y(tǒng)數(shù)據(jù)采集過程，經(jīng)過上述過程后進(jìn)行視覺動態(tài)粒子濾波處理，將圖像數(shù)據(jù)以及三維影像數(shù)據(jù)進(jìn)行融合編輯，保證數(shù)據(jù)的有效性，對全方位視覺圖像進(jìn)行離焦降質(zhì)處理，把每一幀的圖像進(jìn)行重新編排聯(lián)立，完成模型建立。為了保證建立模型的有效性，模擬使用過程設(shè)計了對比仿真實驗，通過實驗數(shù)據(jù)的分析有效證明了所建立的視覺感官模型能夠保持較高的圖像清晰度，具有較高的有效性。

關(guān)鍵詞： 室內(nèi)景觀設(shè)計； 視覺感官； 視覺機(jī)制； 感官建模； 粒子濾波； 離焦降質(zhì)處理

中圖分類號： TN911.73?34； TP391 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2018）02?0159?04

Abstract： Since the traditional modeling methods have a problem of modeling inaccuracy， a kind of visual sensory modeling design in interior landscape design is put forward. The visual sensory information processing of particles and visual spatial data validation in the process of modeling are used to execute the visual dynamic particle filtering processing instead of the traditional data acquisition process. The image data and 3D image data are fused and edited to guarantee the validity of the data. The defocus and degradation treatment is performed for omnidirectional vision image. The rearrangement and simultaneity are adopted for image of each frame to fulfill modeling. In order to ensure the validity of the model， the application process is simulated for design of comparison simulation experiment. The analysis of the experimental data proves that the established visual sensory model can maintain high clarity of images and has high validity.

Keywords： indoor landscape design； visual sense； visual mechanism； sensory modeling； particle filtering； defocus and degradation treatment

0 引 言

室內(nèi)景觀設(shè)計是室內(nèi)裝修以及室內(nèi)布置的重要研究方向，對室內(nèi)景觀進(jìn)行設(shè)計，可以極大地提高室內(nèi)空間使用率，同時可根據(jù)自身風(fēng)格喜好進(jìn)行一定的裝飾布置，通過對室內(nèi)物品搭配以及光線處理能達(dá)到最佳的舒適度。

一般進(jìn)行室內(nèi)景觀設(shè)計前需要對室內(nèi)景觀進(jìn)行一定標(biāo)準(zhǔn)化模擬設(shè)計，在設(shè)計過程中經(jīng)常會使用虛擬影像技術(shù)進(jìn)行模擬，但是使用虛擬影像技術(shù)時需要對室內(nèi)數(shù)據(jù)進(jìn)行視覺數(shù)據(jù)采集，數(shù)據(jù)采集過程十分的繁瑣復(fù)雜，且采集數(shù)據(jù)準(zhǔn)確率低，十分的浪費(fèi)時間。視覺感官技術(shù)的出現(xiàn)極大地彌補(bǔ)了上述不足，其最大特點(diǎn)是數(shù)據(jù)識別能力強(qiáng)，且數(shù)據(jù)處理建立十分迅速。

針對上述情況，本文提出一種室內(nèi)景觀設(shè)計中視覺感官建模設(shè)計，并進(jìn)行仿真實驗分析，通過實驗數(shù)據(jù)有效驗證了建立室內(nèi)景觀設(shè)計中視覺感官建模的有效性。

1 視覺感官機(jī)制的信息處理建模

1.1 視覺感官信息粒子處理

本文建立的室內(nèi)景觀設(shè)計中的視覺感官模型，在進(jìn)行室內(nèi)數(shù)據(jù)的采集過程中，由于室內(nèi)有許多的棱角墻面等[1?2]，會產(chǎn)生一定內(nèi)室效應(yīng)，特別是對室內(nèi)的光線捕捉過程需要極高的數(shù)據(jù)捕捉能力，視覺感官信息粒子處理過程能夠利用視覺感官探知力對周圍信息粒子進(jìn)行收集[3]，能夠更好地捕捉到微觀變化的數(shù)據(jù)信息，用趨近變換公式表示如下：

式中：為視覺感知趨向；為質(zhì)子分量，需要對方位進(jìn)行一定的描述，在描述過程中最好的方式是使用三維坐標(biāo)系[4]，因此建立視覺定位坐標(biāo)系如圖1所示。

本文建立的室內(nèi)景觀設(shè)計中的視覺感官模型，在進(jìn)行坐標(biāo)系的建立后，能夠把視覺感知力進(jìn)行擴(kuò)展鎖定，保證進(jìn)行數(shù)據(jù)收集過程中的準(zhǔn)確性。同等視覺數(shù)據(jù)采集過程中通常是以幀的形式進(jìn)行定位，這樣的采集精準(zhǔn)度是對硬件要求比較大[5]，因此比較昂貴。使用本文設(shè)計的方法對硬件的要求會大大降低，這樣既能夠得到準(zhǔn)確的室內(nèi)數(shù)據(jù)又能夠提高性價比。

1.2 視覺空間數(shù)據(jù)確認(rèn)

本文建立的室內(nèi)景觀設(shè)計中的視覺感官模型，通過視覺感官信息粒子處理過程能夠采集到相關(guān)的視覺感官粒子，但是整體數(shù)據(jù)采集能力有限[6]，因此本文使用空間視覺技術(shù)進(jìn)行空間數(shù)據(jù)的采集，首先需要對空間區(qū)域范圍進(jìn)行限定，過程如下：

式中：為高維度上空間離散數(shù)據(jù)；為空間特征粒子權(quán)值，對所在空間進(jìn)行描述后需要對空間形狀進(jìn)行特征提取，過程為：endprint

式中：為所使用空間的邊緣特征，能夠?qū)Υ篌w空間形狀、邊際、方位、局限度等一些數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)描述；，分別為空間的輪廓邊際線；為空間動態(tài)變化區(qū)域；，，，分別為不同方位下的數(shù)據(jù)定位程度，能夠描述方位的極限。

1.3 視覺動態(tài)粒子濾波處理

本文建立的室內(nèi)景觀設(shè)計中的視覺感官模型，對空間的定位以及空間內(nèi)的景物已經(jīng)進(jìn)行了相關(guān)數(shù)據(jù)的收集以及定位，保證了數(shù)據(jù)的有效性[7?8]，但是采集的數(shù)據(jù)不能夠直接進(jìn)行使用，需要使用視覺動態(tài)粒子濾波處理對數(shù)據(jù)進(jìn)行優(yōu)化，首先需要數(shù)據(jù)預(yù)處理如下： （4）

式中：為動態(tài)粒子的縱波過濾；為動態(tài)粒子的橫波過濾；為定位數(shù)據(jù)的承接邊緣度；表示基底色差值。由于室內(nèi)景觀數(shù)據(jù)都是會隨著時間的推移發(fā)生一定的變化，因此需要光源進(jìn)行遷導(dǎo)變化，過程如下：

式中：，分別為光感渲染的最大能力以及最小程度，每一種光感渲染都是通過人為增束進(jìn)行光源變化的，因此系統(tǒng)范圍限定能夠保證建模的準(zhǔn)確度；為數(shù)據(jù)最高表達(dá)感知力；為數(shù)據(jù)最低表達(dá)感知力；，分別為室內(nèi)輪廓域塊數(shù)目。

1.4 全方位視覺圖像離焦降質(zhì)

經(jīng)過上述空間色彩光源的調(diào)節(jié)后能夠把空間進(jìn)行色彩描述[9]，但是還需要對空間進(jìn)行線條以及輪廓進(jìn)行描述，過程如下：

式中，表示像素分布密度。本文建立的室內(nèi)景觀設(shè)計中的視覺感官模型，對連續(xù)平滑灰度特征敏感度不高，因此對連續(xù)平滑灰度特征進(jìn)行一定視覺增強(qiáng)，過程如下：

式中：為連續(xù)平滑灰度特征的趨向值；為最佳連續(xù)平滑特征。經(jīng)過上述過程完成室內(nèi)景觀設(shè)計視覺感官模型建立過程。

2 仿真實驗分析

2.1 參數(shù)設(shè)定

為了保證本文建立室內(nèi)景觀設(shè)計中視覺感官模型的有效性，對參數(shù)進(jìn)行設(shè)定，光感渲染最大值為19.32；設(shè)置定位數(shù)據(jù)承接邊緣度為25.82，設(shè)置過程參量。為了能達(dá)到最佳建模狀態(tài)，設(shè)置為2級狀態(tài)。本文設(shè)計實驗平面視覺采集過程如圖2所示。

2.2 實驗參考數(shù)據(jù)

參考數(shù)據(jù)如表1所示。

2.3 結(jié)果對比分析

通過圖3的對比分析可知，本文建立的室內(nèi)景觀設(shè)計中的視覺感官模型光感數(shù)據(jù)變化率在進(jìn)行增強(qiáng)機(jī)制下能夠有效的凸顯。

分析圖4可知，本文建立的室內(nèi)景觀設(shè)計中的視覺感官模型能夠保持較高的圖像清晰度。

3 結(jié) 語

本文提出一種室內(nèi)景觀設(shè)計中的視覺感官建模設(shè)計，在建模過程中應(yīng)用視覺感官信息粒子處理以及視覺空間數(shù)據(jù)確認(rèn)來代替?zhèn)鹘y(tǒng)的數(shù)據(jù)采集過程，并進(jìn)行視覺動態(tài)粒子濾波處理，把圖像數(shù)據(jù)以及三維影像數(shù)據(jù)進(jìn)行融合編輯，保證數(shù)據(jù)的有效性，對全方位視覺圖像進(jìn)行離焦降質(zhì)處理，把每一幀圖像進(jìn)行重新編排聯(lián)立完成模型建立。希望通過本模型能夠促進(jìn)室內(nèi)景觀設(shè)計的便利度。

參考文獻(xiàn)

[1] 林立，張埡歐.跨湖泊道路景觀設(shè)計中最佳心理感受長度設(shè)計[J].科技通報，2016，32（9）：190?193.

LIN Li， ZHANG Yaou. Best psychological feelings length of across lake road landscape design [J]. Bulletin of science and technology， 2016， 32（9）： 190?193.

[2] 段藝凡，張延龍.康復(fù)景觀視野下的五感體驗園林景觀營造[J].西北林學(xué)院學(xué)報，2017，32（3）：284?288.

DUAN Yifan， ZHANG Yanlong. Construction of the garden landscape with five?sense experience in the view of health recovery environment [J]. Journal of Northwest Forestry University， 2017， 32（3）： 284?288.

[3] 孫晶晶.注重心靈感知的兒童康復(fù)景觀設(shè)計[J].中國園林，2016，32（12）：58?62.

SUN Jingjing. Children′s rehabilitation landscape design based on psychology [J]. Chinese landscape architecture， 2016， 32（12）： 58?62.

[4] 何雪年，費(fèi)鐵成.玻璃材料在景觀設(shè)計中的應(yīng)用探析[J].中國園林，2015，31（12）：120?124.

HE Xuenian， FEI Tiecheng. Research on the application of glass in landscape design [J]. Chinese landscape architecture， 2015， 31（12）： 120?124.

[5] WIT S D. Sensory landscape experience： Stepping outside the visual landscape of the motorway in the Garden of Birds [J]. Journal on landscape architecture， 2017， 11（3）： 20?31.

[6] 張毛毛，楊忠，呂斌，等.基于可見光光譜的裝飾紙表面視覺特征的模式識別研究[J].光譜學(xué)與光譜分析，2015，35（2）：443?446.

ZHANG Maomao， YANG Zhong， L? Bin， et al. Pattern recognition of decorative papers with different visual characteristics using visible spectroscopy coupled with principal component analysis （PCA） [J]. Spectroscopy and spectral analysis， 2015， 35（2）： 443?446.endprint

[7] ZENG W， FAN Z， HUANG T. Energy?saving design of interior dynamic ceilings [J]. Journal of landscape research， 2015， 18（5）： 83?89.

[8] WILLIAM C M， SAQRAN L， STERN M A， et al. Activity?dependent dysfunction in visual and olfactory sensory systems in mouse models of Down syndrome [J/OL]. [2017?09?12]. https：//doi.org/10.1523/JNEUROSCI.1045?17.2017.

[9] WATANABE N， MORI F， OMORI T. Modeling of pedestrian guidance by sensory fusion using peripheral vision display and vibration device [J]. Journal of Japan Society for Fuzzy Theory & Intelligent Informatics， 2016， 28（3）： 608?616.

[10] EYTAN D， PANG E W， DOESBURG S M， et al. Bedside functional brain imaging in critically?ill children using high?density EEG source modeling and multi?modal sensory stimulation [J]. Neuroimage Clinical， 2016， 12（6）： 198?211.

[11] 肖楊.一種簡化的混合粒子群算法[J].物聯(lián)網(wǎng)技術(shù)，2017，7（2）：84?85.

XIAO Yang. A simplified mixed particle swarm algorithm [J]. Internet of Things Technologies， 2017， 7（2）： 84?85.endprint