基于視覺感知的鄉(xiāng)村居住景觀視覺敏感度特征提取

鄒初紅

基于視覺感知的鄉(xiāng)村居住景觀視覺敏感度特征提取

鄒初紅

（皖西學(xué)院 藝術(shù)學(xué)院，安徽 六安 237012）

由于當(dāng)前景觀特征敏感度提取方法存在特征點(diǎn)定位誤差較大的問題，提出一種基于視覺感知的鄉(xiāng)村居住景觀視覺敏感度特征提取方法。采集鄉(xiāng)村居住景觀視覺敏感度的遙感數(shù)據(jù)與矢量數(shù)據(jù)，其中遙感數(shù)據(jù)收集使用的遙感信息源為資源三號影像，收集的矢量數(shù)據(jù)則包括鄉(xiāng)村居住景觀的數(shù)字地形圖等。使用ArcGIS 2.0與ENVI 3.4軟件，對相關(guān)數(shù)據(jù)實施預(yù)處理。預(yù)處理的環(huán)節(jié)包括圖像融合、輻射校正、配準(zhǔn)等環(huán)節(jié)?；谔幚砗蟮臄?shù)據(jù)構(gòu)建鄉(xiāng)村居住景觀區(qū)域視覺敏感度數(shù)據(jù)的數(shù)字高程模型?；谝曈X感知對鄉(xiāng)村居住景觀視覺敏感度數(shù)字高程模型中的特征進(jìn)行分析，通過SIFT算法分別對幾種特征進(jìn)行提取。通過進(jìn)行對比實驗，證明設(shè)計方法的特征點(diǎn)定位誤差較小，應(yīng)用價值很高。

視覺感知；鄉(xiāng)村居住景觀；圖像融合

鄉(xiāng)村居住景觀是一種具備特定景觀內(nèi)涵、形態(tài)與行為的鄉(xiāng)村景觀類型，是鄉(xiāng)村地域中多個土地單元組合而成的自然景觀、文化景觀、經(jīng)濟(jì)景觀、聚落景觀的復(fù)合體。其中，各土地單元的配置、形狀、大小均具備很大的異質(zhì)性，并兼具美學(xué)價值、生態(tài)價值、社會價值以及經(jīng)濟(jì)價值[1]。鄉(xiāng)村居住景觀的特征是土地利用較為粗放、鄉(xiāng)村特有的生活和文化特征[2]。鄉(xiāng)村居住景觀在發(fā)展中受到自然環(huán)境與人類活動的雙重影響，可以反映出不同歷史時期自然環(huán)境受到人類干擾的程度，是價值極高的鄉(xiāng)村景觀遺產(chǎn)[3]。并且鄉(xiāng)村居住景觀還具備為生態(tài)系統(tǒng)與人類社會提供服務(wù)與產(chǎn)品的能力，因此，鄉(xiāng)村居住景觀也是整體鄉(xiāng)村資源體系中利用價值、開發(fā)價值、保護(hù)價值最高的綜合資源種類[4]。提取鄉(xiāng)村居住景觀視覺敏感度特征，對于鄉(xiāng)村居住景觀視覺環(huán)境的保護(hù)與鄉(xiāng)村居住景觀的合理開發(fā)具有很大意義，基于該背景對鄉(xiāng)村居住景觀視覺敏感度特征提取進(jìn)行研究。

對于鄉(xiāng)村居住景觀視覺敏感度特征的研究，其引起學(xué)者重視的時間并不長，因此相關(guān)研究成果較少。19世紀(jì)國外學(xué)者提出了景觀視覺敏感度的概念，認(rèn)為景觀視覺敏感度是景觀醒目程度、清晰性、可見性、易見性等特質(zhì)的綜合反映，對景觀質(zhì)量表現(xiàn)起著決定性作用。而我國相關(guān)學(xué)者對鄉(xiāng)村居住景觀視覺敏感度特征提取的研究則在近些年才正式開始。在相關(guān)研究成果中，一種被廣泛應(yīng)用的方法是基于橫向空間的鄉(xiāng)村居住景觀視覺敏感度特征提取方法。還有學(xué)者提出了一種基于空間分析法的鄉(xiāng)村居住景觀視覺敏感度特征提取方法，也得到了廣泛的應(yīng)用。由于以上方法存在特征點(diǎn)定位誤差較大的問題，因此將視覺感知概念引入鄉(xiāng)村居住景觀視覺敏感度特征提取的研究中，提出一種基于視覺感知的鄉(xiāng)村居住景觀視覺敏感度特征提取方法。

1 基于視覺感知的鄉(xiāng)村居住景觀視覺敏感度特征提取方法

1.1 鄉(xiāng)村居住景觀視覺敏感度數(shù)據(jù)采集

對鄉(xiāng)村居住景觀視覺敏感度數(shù)據(jù)進(jìn)行采集，包括遙感數(shù)據(jù)與矢量數(shù)據(jù)[5]。其中遙感數(shù)據(jù)收集使用的遙感信息源為資源三號影像，其數(shù)據(jù)分發(fā)具體源自我國的衛(wèi)星資源應(yīng)用中心，其時相與影像軌道號的如表1所示[6]。

表1 資源三號影像的時相與影像軌道號

通過資源三號影像獲取鄉(xiāng)村居住景觀視覺敏感度的遙感影像數(shù)據(jù)。

收集的矢量數(shù)據(jù)則包括鄉(xiāng)村居住景觀的數(shù)字地形圖、資源評價圖、綜合現(xiàn)狀圖[7]。

1.2 敏感度數(shù)據(jù)預(yù)處理

對于收集的遙感數(shù)據(jù)與矢量數(shù)據(jù)，需要對其實施預(yù)處理，預(yù)處理數(shù)據(jù)時使用的軟件為ArcGIS 2.0與ENVI 3.4，預(yù)處理的環(huán)節(jié)包括圖像融合、輻射校正、配準(zhǔn)等環(huán)節(jié)，預(yù)處理的具體流程如圖1所示[8]。

對于收集的遙感數(shù)據(jù)，首先通過ArcGIS 2.0對資源三號的影像進(jìn)行讀取，其中選擇的模型為IKONOS，并將tif影像文件打開[9]。根據(jù)資源三號多光譜相機(jī)衛(wèi)星絕對輻射的對應(yīng)定標(biāo)系數(shù)，具體如表2所示。對多光譜圖像實施DN值轉(zhuǎn)換處理，將其轉(zhuǎn)換成輻亮度圖像。

轉(zhuǎn)換公式具體如下：

表2 資源三號多光譜相機(jī)衛(wèi)星絕對輻射的對應(yīng)定標(biāo)系數(shù)

圖1 預(yù)處理的具體流程

通過ENVI 3.4進(jìn)行圖像配準(zhǔn)，具體步驟如下：

（1）選取GCP控制點(diǎn)：將鄉(xiāng)村居住景觀視覺敏感度全色圖像作為參考選取控制點(diǎn)，以對其他時相的對應(yīng)圖像進(jìn)行影像配準(zhǔn)[10]。選取具備以下特征的控制點(diǎn)：

①在圖像上的點(diǎn)位標(biāo)志清晰而明顯，如河流交匯點(diǎn)、標(biāo)志性地標(biāo)地物、橋梁中心、道路交叉點(diǎn)等。

②在時間變化的情況下多個時相的地物圖像基本不發(fā)生改變。

（2）實施圖像配準(zhǔn)：確定控制點(diǎn)后，對圖像上各控制點(diǎn)的像元坐標(biāo)進(jìn)行讀取，并通過數(shù)據(jù)校正模型實施圖像初步配準(zhǔn)，數(shù)據(jù)校正模型的具體公式如下：

接著對地面控制點(diǎn)的對應(yīng)均方根誤差進(jìn)行計算，對配準(zhǔn)結(jié)果進(jìn)行檢驗。

地面控制點(diǎn)對應(yīng)均方根誤差的具體計算公式如下：

裁剪影像分為兩步來執(zhí)行，第一步是矢量柵格化，第二步是掩膜計算[13]。具體步驟如下：（1）對鄉(xiāng)村居住景觀視覺敏感度邊界數(shù)字化數(shù)據(jù)進(jìn)行轉(zhuǎn)化，并將其轉(zhuǎn)化為圖像二值柵格文件，保持文件像元和被裁剪圖像的大小一致。（2）對二值圖像中裁剪區(qū)域值進(jìn)行設(shè)定，將其設(shè)成區(qū)域外取值，與被裁剪圖像進(jìn)行交集運(yùn)算，獲取計算后圖像即為圖像裁剪的實際結(jié)果。

圖像融合是對MUX影像與CCD影像實施融合處理，使處理后的圖像具備多光譜特征與空間分辨率，通過ENVI 3.4軟件中的GSSS函數(shù)實施全色影像與多光譜影像的融合[14]。

1.3 構(gòu)建區(qū)域DEM

基于處理后的數(shù)據(jù)構(gòu)建鄉(xiāng)村居住景觀區(qū)域視覺敏感度數(shù)據(jù)的數(shù)字高程模型[15]。通過TIN文件形式在Arc GIS內(nèi)導(dǎo)入處理后的鄉(xiāng)村居住景觀視覺敏感度數(shù)據(jù)，通過Arc GIS內(nèi)的空間分析模塊，生成鄉(xiāng)村居住景觀視覺敏感度TIN模型，接著將其轉(zhuǎn)化成Grid柵格數(shù)據(jù)，以實現(xiàn)鄉(xiāng)村居住景觀區(qū)域視覺敏感度數(shù)據(jù)數(shù)字高程模型的構(gòu)建。

1.4 視覺敏感度特征提取

基于視覺感知對鄉(xiāng)村居住景觀視覺敏感度數(shù)字高程模型中的特征進(jìn)行分析，包括對相對坡度、相對距離、視覺幾率、醒目程度、敏感度等視覺敏感度特征，也就是通過Arc Map生成鄉(xiāng)村居住景觀視覺敏感度的相對坡度圖、相對距離圖、視覺幾率圖、醒目程度圖以及敏感度圖，并對圖中的相對坡度、相對距離、視覺幾率、醒目程度、敏感度等數(shù)據(jù)進(jìn)行計算。其中相對坡度圖具體如圖2所示[16]。

圖2 相對坡度圖

根據(jù)計算獲得的數(shù)據(jù)，通過SIFT算法分別對幾種特征進(jìn)行提取，提取步驟具體如下：

（1）建立視覺敏感度特征的尺度空間并實施極值檢測，將檢測點(diǎn)作為鄉(xiāng)村居住景觀視覺敏感度特征關(guān)鍵點(diǎn)[17]。構(gòu)建的視覺敏感度特征的尺度空間呈現(xiàn)金字塔模型的效果，具體如圖3所示。

圖3 視覺敏感度特征尺度空間

（2）對視覺敏感度特征的特征關(guān)鍵點(diǎn)進(jìn)行定位，并對特征關(guān)鍵點(diǎn)的主方向進(jìn)行確定。

（3）對SIFT特征向量進(jìn)行生成作為特征點(diǎn)的描述符，實現(xiàn)鄉(xiāng)村居住景觀視覺敏感度特征的提取。其中生成特征向量需要分塊特征關(guān)鍵點(diǎn)鄰域圖像的區(qū)域，并對各塊的對應(yīng)梯度直方圖進(jìn)行計算，從而生成獨(dú)特的SIFT特征向量。

2 視覺敏感度特征提取實驗驗證

2.1 實驗區(qū)域概況與實驗設(shè)計

實驗中的鄉(xiāng)村居住景觀選擇某省西北部的3個鄉(xiāng)村，總面積約1097.11m2。實驗地區(qū)的地勢呈現(xiàn)西高東低的特征，西部多為山脈，中部多為坎地和丘陵，而東部地勢則相對平坦，是一個丘陵到平原的典型過渡區(qū)。該區(qū)域東西部分布著自然風(fēng)景區(qū)與歷史遺址，北部與其他村落相鄰，而南部則與國道相鄰，因此旅游資源豐富且交通十分便捷。

該區(qū)域地貌類型信息具體如表3所示。

表3 該區(qū)域地貌類型信息

研究區(qū)域的土壤類型比較單一，主要是石灰性黃土狀褐土、泥質(zhì)粗骨土，具體信息如表4所示。

表4 土壤類型信息

研究區(qū)域的氣候?qū)儆谒募据^為分明的溫帶大陸性氣候，氣候條件信息具體如表5所示。

表5 氣候條件信息

在研究區(qū)域中重點(diǎn)選取一些調(diào)查點(diǎn)進(jìn)行鄉(xiāng)村居住景觀視覺敏感度特征提取研究，調(diào)查點(diǎn)的分布具體如圖4所示。

利用基于視覺感知的鄉(xiāng)村居住景觀視覺敏感度特征提取方法，對研究區(qū)域進(jìn)行鄉(xiāng)村居住景觀視覺敏感度特征提取實驗。獲取該方法的特征點(diǎn)定位誤差數(shù)據(jù)作為實驗數(shù)據(jù)并對數(shù)據(jù)進(jìn)行記錄。為提高實驗結(jié)果的對比性，將原有的兩種方法包括基于橫向空間、基于空間分析法的鄉(xiāng)村居住景觀視覺敏感度特征提取方法作為實驗中的對比方法。

2.2 由西到東的實驗結(jié)果分析

基于視覺感知的鄉(xiāng)村居住景觀視覺敏感度特征提取方法與基于橫向空間、基于空間分析法的鄉(xiāng)村居住景觀視覺敏感度特征提取方法，由西到東的特征點(diǎn)定位誤差對比實驗數(shù)據(jù)具體如圖5所示。

根據(jù)上圖實驗數(shù)據(jù)，基于視覺感知的鄉(xiāng)村居住景觀視覺敏感度特征提取方法，由西到東的特征點(diǎn)定位誤差低于基于橫向空間、基于空間分析法的鄉(xiāng)村居住景觀視覺敏感度特征提取方法的特征點(diǎn)定位誤差。

圖4 調(diào)查點(diǎn)的分布

2.3 由南到北的實驗結(jié)果分析

基于視覺感知的鄉(xiāng)村居住景觀視覺敏感度特征提取方法與基于橫向空間、基于空間分析法的鄉(xiāng)村居住景觀視覺敏感度特征提取方法，由南到北的特征點(diǎn)定位誤差對比實驗數(shù)據(jù)具體如圖6所示。

根據(jù)圖6由南到北的特征點(diǎn)定位誤差對比實驗數(shù)據(jù)可知，基于視覺感知的鄉(xiāng)村居住景觀視覺敏感度特征提取方法，由南到北的特征點(diǎn)定位誤差低于兩種對比實驗方法的特征點(diǎn)定位誤差。

圖5 由西到東的特征點(diǎn)定位誤差對比實驗數(shù)據(jù)

圖6 由南到北的特征點(diǎn)定位誤差對比實驗數(shù)據(jù)

3 結(jié)束語

為了提高鄉(xiāng)村居住景觀的規(guī)劃質(zhì)量，提出一種基于視覺感知的鄉(xiāng)村居住景觀視覺敏感度特征提取方法。對鄉(xiāng)村居住景觀的遙感數(shù)據(jù)與適量數(shù)據(jù)進(jìn)行采集，并采用ArcGIS 2.0與ENVI 3.4軟件，對所采集數(shù)據(jù)進(jìn)行融合、校正以及配準(zhǔn)處理。最后采用SIFT算法對敏感度特征進(jìn)行提取。實驗結(jié)果表明，將視覺感知應(yīng)用于鄉(xiāng)村居住景觀視覺敏感度特征提取的研究中實現(xiàn)了特征點(diǎn)定位誤差的降低，是一個價值很高的研究方向。可以為鄉(xiāng)村居住環(huán)境的建設(shè)，提供一定的參考。

[1] 高藝源，于德介，王好將，等. 基于圖譜指標(biāo)的滾動軸承故障特征提取方法[J]. 航空動力學(xué)報，2018, 33(8): 2033-2040.

[2] 章侃豐，角媛梅，劉歆，等. 基于敏感度-主觀偏好矩陣的哈尼梯田視覺景觀關(guān)鍵區(qū)識別[J]. 生態(tài)學(xué)報，2018, 38(10): 3661-3672.

[3] 王奕. 基于機(jī)器視覺圖像提取的馬鈴薯內(nèi)部病蟲害特征識別[J]. 食品與機(jī)械，2019, 35(9): 151-155.

[4] 毛錦，李林聰，劉凱，等. 無人駕駛汽車行車環(huán)境下魯棒性聲學(xué)特征提取算法[J]. 中國公路學(xué)報，2019, 32(6): 169-175.

[5] 周軍，蔡建，郭俊先，等. 基于機(jī)器視覺的核桃仁特征提取與分級方法研究[J]. 江蘇農(nóng)業(yè)科學(xué)，2018, 46(11): 175-179.

[6] 董天陽，楊麗錦，張鑫鵬. 用戶多維感知的3D圖像體驗質(zhì)量評價[J]. 中國圖象圖形學(xué)報，2019, 24(5): 782-793.

[7] 鄒昊翰，徐佳慧，張琳，等. 基于機(jī)器學(xué)習(xí)的數(shù)據(jù)模型輔助診斷亞臨床期圓錐角膜的研究[J]. 中華眼科雜志，2019, 55(12): 911-915.

[8] 劉思遠(yuǎn)，李曉明，劉建勛，等. 基于振動烈度的液壓泵故障多信息特征提取方法研究[J]. 振動與沖擊，2018, 37(14): 269-276.

[9] 丁佳軍，陳婧，曾煥強(qiáng)，等. 結(jié)合時空梯度感知特征的HEVC-SCC碼率控制算法[J]. 信號處理，2019, 35(3): 402-409.

[10] 魏樂松，陳俊豪，牛玉貞. 基于邊緣和結(jié)構(gòu)的無參考屏幕內(nèi)容圖像質(zhì)量評估[J]. 北京航空航天大學(xué)學(xué)報，2019, 45(12): 2449-2455.

[11] 王乾，王聰. 基于確定學(xué)習(xí)理論和Lempel-Ziv復(fù)雜度的非線性系統(tǒng)動態(tài)特征提取[J]. 自動化學(xué)報，2018, 44(10): 1812-1823.

[12] 何子龍，呂聞冰，秦耿耿，等. 基于數(shù)字乳腺斷層攝影圖像紋理特征提取的單純腫塊型病變的深度學(xué)習(xí)分類模型構(gòu)建的可行性[J]. 中華放射學(xué)雜志，2018, 52(9): 668-672.

[13] 劉洪豪，劉賢喜，張開興，等. 基于光傳播Monte Carlo模擬的三維模型特征提取方法[J]. 光譜學(xué)與光譜分析，2020, 40(2): 385-390.

[14] 景星爍，鄒衛(wèi)軍，夏婷，等. 融合HOG類特征的尺度自適應(yīng)壓縮跟蹤算法[J]. 電光與控制，2018, 25(8): 54-59.

[15] 劉朋，任工昌，楊力鵬，等. 基于斜率差的激光雷達(dá)環(huán)境特征提取方法[J]. 中國機(jī)械工程，2019, 30(14): 1679-1683.

[16] 張騫予，管姝，謝紅薇，等. 基于深度特征學(xué)習(xí)的圖像自適應(yīng)目標(biāo)識別算法[J]. 太原理工大學(xué)學(xué)報，2018, 49(4): 80-86.

[17] 杜振東，趙建民，張鑫. 基于敏感度分析與概率神經(jīng)網(wǎng)絡(luò)的液壓泵故障診斷方法研究[J]. 機(jī)床與液壓，2018, 46(19): 165-169.

Feature extraction of visual sensitivity of rural residential landscape based on visual perception

ZOU Chu-hong

(Academy of Art Design, West Anhui University, Anhui Lu'an 237012, China)

Given the current landscape characterized by the presence of the sensitivity of feature points extracted large error method, and therefore proposed rural residential landscape visual sensitivity characteristics based on visual perception extraction methods. Rural Landscape visual sensitivity acquisition live remote sensing data and vector data, wherein the remote sensing data collected by remote sensing information for the resource used in the 3rd image vector data was collected includes a digital topographic map, etc. rural residential landscape. Use ArcGIS 2.0 and ENVI 3.4 software to preprocess related data. The preprocessing steps include image fusion, radiometric correction, and registration. The processed data to build a digital elevation model of rural residential area landscape visual sensitivity data. Analysis of rural residential landscape visual sensitivity digital elevation model based on visual perception characteristics, several features are extracted by SIFT algorithm respectively. By comparison experiments show features, in the design method of the error was small, a high application value.

visual perception；rural residential landscape；image fusion

2020-12-15

皖西地區(qū)鄉(xiāng)村人居環(huán)境研究項目（SK2019A0442）

鄒初紅（1973-），男，安徽廣德人，講師，碩士，主要從事景觀建筑規(guī)劃研究，zouchuhong1@163.com。

P901;TP391.41

A

1007-984X(2021)04-0066-05