自然與幻想融合的住房建筑結(jié)構(gòu)剖析系統(tǒng)設(shè)計(jì)

高 嵩

(合肥萬博科技職業(yè)學(xué)院 建筑工程管理學(xué)系，安徽 合肥 230031)

隨著住房建筑結(jié)構(gòu)設(shè)計(jì)藝術(shù)的不斷進(jìn)步，對(duì)住房建筑結(jié)構(gòu)剖析設(shè)計(jì)的智能化水平越來越高，在自然和幻想的融合角度下進(jìn)行住房建筑結(jié)構(gòu)剖析設(shè)計(jì)，提高住房建筑結(jié)構(gòu)剖析的視覺表達(dá)能力，相關(guān)的住房建筑結(jié)構(gòu)剖析設(shè)計(jì)方法研究受到人們的極大關(guān)注[1]。采用機(jī)器視覺分析方法，建立住房建筑結(jié)構(gòu)剖析的視覺分析模型，進(jìn)行住房建筑結(jié)構(gòu)剖析視覺特征分析，采用三維視覺信息采樣方法，進(jìn)行住房建筑結(jié)構(gòu)剖析和設(shè)計(jì)，本文提出基于自然與幻想融合的住房建筑結(jié)構(gòu)剖析系統(tǒng)設(shè)計(jì)方法。建立住房建筑結(jié)構(gòu)剖析視覺圖像分析模型，采用空間視覺信息采樣方法進(jìn)行住房建筑結(jié)構(gòu)剖析，融合自然與幻想元素進(jìn)行住房建筑結(jié)構(gòu)剖析特征提取，實(shí)現(xiàn)住房建筑結(jié)構(gòu)剖析設(shè)計(jì)優(yōu)化，最后進(jìn)行仿真測(cè)試分析，得出有效性結(jié)論。

1 住房建筑結(jié)構(gòu)剖析成像和特征提取

1.1 住房建筑結(jié)構(gòu)剖析成像

構(gòu)建住房建筑結(jié)構(gòu)剖析視覺圖像的三維成像模型，采用邊緣特征分割和角點(diǎn)分布式提取方法進(jìn)行住房建筑結(jié)構(gòu)剖析視覺圖像的多維尺度分解[2]，在D維空間中進(jìn)行住房建筑結(jié)構(gòu)剖析視覺圖像的空間分布式重建，結(jié)合3D模型重構(gòu)方法，建立住房建筑結(jié)構(gòu)剖析視覺圖像的辨識(shí)模型表示為：

u(x,y;t)=G(x,y;t)

(1)

(2)

其中，Δu為住房建筑結(jié)構(gòu)剖析視覺圖像的區(qū)域邊緣輪廓特征分量，Ag表示住房建筑結(jié)構(gòu)剖析視覺圖像在梯度方向的像素特征分布強(qiáng)度，σ為二維住房建筑結(jié)構(gòu)剖析表面在x和y兩個(gè)方向的關(guān)聯(lián)特征量。

根據(jù)住房建筑結(jié)構(gòu)剖析視覺圖像的相似度分布進(jìn)行分布式像素重建[3]，建立住房建筑結(jié)構(gòu)剖析的視覺重構(gòu)模型，得到住房建筑結(jié)構(gòu)剖析的特征重組結(jié)果f(gi)為：

(3)

由此獲得住房建筑結(jié)構(gòu)剖析視覺圖像的特征匹配集，根據(jù)外輪廓的規(guī)則形狀特征分布集，采用點(diǎn)目標(biāo)重構(gòu)法進(jìn)行圖像的模板匹配[4]，得到模板大小為M×N，重建住房建筑結(jié)構(gòu)剖析視覺圖像的灰度直方圖，得到住房建筑結(jié)構(gòu)剖析的像素特征分解式為：

(4)

結(jié)合成像場(chǎng)景構(gòu)建的方法進(jìn)行住房建筑結(jié)構(gòu)剖析視覺圖像的區(qū)域檢測(cè)，建立住房建筑結(jié)構(gòu)剖析視覺圖像的視覺采集模型，融入自然與幻想進(jìn)行住房建筑結(jié)構(gòu)剖析系統(tǒng)設(shè)計(jì)。

1.2 住房建筑結(jié)構(gòu)剖析視覺特征分析

采用邊緣特征分割和角點(diǎn)分布式提取方法進(jìn)行住房建筑結(jié)構(gòu)剖析視覺圖像的多維尺度分解，構(gòu)建住房建筑結(jié)構(gòu)剖析視覺圖像的三維成像模型[5]，得到住房建筑結(jié)構(gòu)剖析視覺圖像虛擬重構(gòu)的正態(tài)分布函數(shù)為：

(5)

重建住房建筑結(jié)構(gòu)剖析視覺圖像的灰度直方圖，得到圖像W的R、G、B分量，采用灰度信息重構(gòu)方法進(jìn)行住房建筑結(jié)構(gòu)剖析視覺圖像的像素序列重組，建立住房建筑結(jié)構(gòu)剖析視覺的三維輪廓特征分布集，在住房建筑結(jié)構(gòu)匹配方向，得到最佳分辨率為AR、AG、AB和WR、WG、WB，用(Ei，Ej，d，t)表示住房建筑結(jié)構(gòu)剖析像素分布灰度共生矩陣，得到住房建筑結(jié)構(gòu)剖析的相關(guān)性特征點(diǎn)分布為：

IDFi(v)=log(n/Fi(v))

(6)

其中，n表示住房建筑結(jié)構(gòu)剖析視覺圖像個(gè)數(shù)，F(xiàn)i(v)表示點(diǎn)目標(biāo)的外法向量，引入自然與幻想因素，得到住房建筑結(jié)構(gòu)剖析的場(chǎng)景跟蹤模型為：

D={Si,j(t),Ti,j(t),Ui,j(t)}

(7)

其中，Si,j(t)表示三維視覺下住房建筑結(jié)構(gòu)剖析視覺圖像輪廓線，Ti,j(t)表示自相關(guān)函數(shù)類型分布像素集，Ui,j(t)表示住房建筑結(jié)構(gòu)剖析的特征集。由此構(gòu)建住房建筑結(jié)構(gòu)剖析的灰度像素特征分布集，采用空間三維輪廓特征匹配方法，實(shí)現(xiàn)住房建筑結(jié)構(gòu)剖析和主動(dòng)檢測(cè)。

2 住房建筑結(jié)構(gòu)剖析優(yōu)化

2.1 住房建筑結(jié)構(gòu)剖析視覺特征提取

采用模糊信息度特征提取方法實(shí)現(xiàn)住房建筑結(jié)構(gòu)剖析視覺圖像的特征提取和優(yōu)化檢測(cè)，構(gòu)建住房建筑結(jié)構(gòu)剖析視覺圖像的像素分布灰度像素集，得到住房建筑結(jié)構(gòu)剖析視覺圖像的分布誤差滿足收斂條件，結(jié)合模糊度特征分解方法進(jìn)行住房建筑結(jié)構(gòu)剖析視覺分布式融合，建立住房建筑結(jié)構(gòu)剖析的多分量特征檢測(cè)模型，得到住房建筑結(jié)構(gòu)剖析視覺信息的灰度像素值為：

(8)

其中：Lxx(x,σ)是住房建筑結(jié)構(gòu)剖析檢測(cè)的模板匹配系數(shù)，Lxx和Lyy分別為住房建筑結(jié)構(gòu)剖析視覺圖像特征匹配系數(shù)和低頻系數(shù)[6]。采用正態(tài)分布函數(shù)進(jìn)行住房建筑結(jié)構(gòu)剖析視覺特征的分塊自適應(yīng)檢測(cè)，進(jìn)行住房建筑結(jié)構(gòu)剖析視覺圖像重構(gòu)，得到住房建筑結(jié)構(gòu)剖析視覺自相關(guān)特征匹配函數(shù)為：

(9)

其中，ai表示住房建筑結(jié)構(gòu)剖析視覺圖像成像場(chǎng)景的邊緣特征分布系數(shù)，J(w,e)表示住房建筑結(jié)構(gòu)剖析視覺特征分布集，φ(xi)為住房建筑結(jié)構(gòu)剖析視覺圖像的顏色特征分量。采用Harris角點(diǎn)檢測(cè)方法[7]，構(gòu)建住房建筑結(jié)構(gòu)剖析視覺圖像的像素分布灰度像素集，住房建筑結(jié)構(gòu)剖析視覺信息分布的特征集，提取住房建筑結(jié)構(gòu)剖析的邊緣特征點(diǎn)(x',y')，計(jì)算住房建筑結(jié)構(gòu)剖析的分塊紋理特征分布集為：

(10)

bnrβ(X)=RβX-RβX1

(11)

采用高分辨率的特征信息重組方法，進(jìn)行住房建筑結(jié)構(gòu)剖析的視覺重建，提高住房建筑結(jié)構(gòu)剖析能力。

2.2 住房建筑結(jié)構(gòu)剖析視覺優(yōu)化輸出

通過深度學(xué)習(xí)算法進(jìn)行住房建筑結(jié)構(gòu)剖析視覺檢測(cè)過程中的自適應(yīng)尋優(yōu)[8]，實(shí)現(xiàn)住房建筑結(jié)構(gòu)剖析視覺檢測(cè)，建立住房建筑結(jié)構(gòu)剖析視覺特征視覺圖像的統(tǒng)計(jì)形狀模型，在分塊融合模板中，得到住房建筑結(jié)構(gòu)剖析視覺特征內(nèi)部的邊緣像素集為：

(12)

采用自然與幻想融合方法，實(shí)現(xiàn)住房建筑結(jié)構(gòu)剖析系統(tǒng)設(shè)計(jì)優(yōu)化[9]，建立住房建筑結(jié)構(gòu)剖析視覺特征匹配模型，采用多重分形方法進(jìn)行住房建筑結(jié)構(gòu)剖析視覺特征信息模糊度匹配，得到輸出分辨率為：

(13)

根據(jù)重建結(jié)果，得到住房建筑結(jié)構(gòu)剖析視覺特征的特征點(diǎn)標(biāo)定點(diǎn)輸出為：

(14)

3 仿真實(shí)驗(yàn)與結(jié)果分析

為了驗(yàn)證本文方法在實(shí)現(xiàn)住房建筑結(jié)構(gòu)剖析和視覺特征檢測(cè)中的應(yīng)用性能，進(jìn)行仿真實(shí)驗(yàn)分析，實(shí)驗(yàn)的仿真軟件平臺(tái)為C++，實(shí)驗(yàn)中采用LBP Sensors傳感器進(jìn)行住房建筑結(jié)構(gòu)剖析視覺特征分析，在機(jī)器視覺下進(jìn)行住房建筑結(jié)構(gòu)剖析視覺重構(gòu)，得到住房建筑結(jié)構(gòu)剖析視覺像素為1200×1200，在住房建筑結(jié)構(gòu)剖析視覺特征區(qū)域的分布強(qiáng)度為70KJ，圖像的分辨率為40×60，其它參數(shù)設(shè)置見表1。

表1 仿真參數(shù)設(shè)置

根據(jù)上述仿真環(huán)境和參數(shù)設(shè)定，進(jìn)行住房建筑結(jié)構(gòu)剖析系統(tǒng)設(shè)計(jì)，得到住房建筑結(jié)構(gòu)剖析視覺采集圖如圖1所示。

圖1 住房建筑結(jié)構(gòu)剖析視覺采集圖

以圖1的視覺信息為特征采樣對(duì)象，建立住房建筑結(jié)構(gòu)剖析視覺圖像分析模型，采用空間視覺信息采樣方法進(jìn)行住房建筑結(jié)構(gòu)剖析，得到住房建筑結(jié)構(gòu)剖析的視覺信息融合結(jié)果如圖2所示。

圖2 住房建筑結(jié)構(gòu)剖析的視覺信息融合結(jié)果

根據(jù)住房建筑結(jié)構(gòu)剖析的視覺信息融合結(jié)果進(jìn)行建筑結(jié)構(gòu)剖析優(yōu)化，得到優(yōu)化結(jié)果如圖3所示。

圖3 住房建筑結(jié)構(gòu)剖析優(yōu)化結(jié)果

分析圖3得知，本文方法能有效實(shí)現(xiàn)住房建筑結(jié)構(gòu)剖析，提高住房建筑結(jié)構(gòu)的自然與幻想融合能力，圖像輸出的質(zhì)量較高。

結(jié)語(yǔ)

本文提出基于自然與幻想融合的住房建筑結(jié)構(gòu)剖析系統(tǒng)設(shè)計(jì)方法。構(gòu)建住房建筑結(jié)構(gòu)剖析視覺圖像的三維成像模型，采用邊緣特征分割和角點(diǎn)分布式提取方法進(jìn)行住房建筑結(jié)構(gòu)剖析視覺圖像的多維尺度分解，構(gòu)建住房建筑結(jié)構(gòu)剖析視覺圖像的三維成像模型，采用灰度信息重構(gòu)方法進(jìn)行住房建筑結(jié)構(gòu)剖析視覺圖像的像素序列重組，建立住房建筑結(jié)構(gòu)剖析視覺的三維輪廓特征分布集，通過深度學(xué)習(xí)算法進(jìn)行住房建筑結(jié)構(gòu)剖析視覺檢測(cè)過程中的自適應(yīng)尋優(yōu)，實(shí)現(xiàn)住房建筑結(jié)構(gòu)剖析視覺檢測(cè)，采用自然與幻想融合方法，實(shí)現(xiàn)住房建筑結(jié)構(gòu)剖析系統(tǒng)設(shè)計(jì)優(yōu)化。分析得知，采用本文方法進(jìn)行住房建筑結(jié)構(gòu)剖析的視覺表達(dá)能力較強(qiáng)，提高了住房建筑結(jié)構(gòu)剖析效果，提升了住房建筑結(jié)構(gòu)的自然與幻想融合能力。