乡村建筑群形态结构的演变过程三维仿真

杨 涛，闫 杰

(陕西理工大学土木工程与建筑学院，陕西 汉中 723001)

1 引言

建筑群在人类聚集社会发展过程中不断变化，属于环境的载体[1]。在传统社会经济长期、低速率发展过程中，乡村建筑群处于渐进式地演变中。在中国大地上富含地域文化的集聚型乡村建筑群发展变化、生根发芽，中国传统社会的物质财富存储于乡村聚落环境中，并传承和孕育了多种地方文化[2]，因此对集聚型乡村建筑群形态结构的演变情况进行分析具有重要意义。

陈凯强[3]等人在编解码结构特点的基础上通过卷积神经网络获取建筑群的形态结构特征，将建筑群图像输入编码子网络中，通过空间分辨率压缩获取图像特征，将提取的特征输入解码子网络中，对空间分辨率进行提升处理，获取建筑物形态结构特征，根据提取的特征对其结构演变进行分析。党涛[4]等人针对地物特征之间存在的差异，利用遥感信息的多尺度特性建立层级关系，采用光谱多样性特征建立层次化结构，通过Relief F-PSO组合特征选择方法构建建筑群形态结构的特征空间，采用随机森林模型结合提取的特征完成形态结构演变的分析。王云艳[5]等人通过反卷积网络获取乡村建筑群的高层特征，将提取的高层特征输入迁移网络中，获取乡村建筑群的演变特征，完成建筑群形态结构演变分析。上述方法均没有对建筑群三维图像进行增强处理，存在轮廓提取完整度低、分析效率低、召回率低和误差比例高的问题。

为了解决上述方法中存在的问题，提出集聚型乡村建筑群形态结构演变三维图像仿真方法。

2 图像增强处理

集聚型乡村建筑群的明暗动态范围较大，相机通常情况下只可以记录较小的亮度动态范围，因此获取的村落建筑群三维图像存在一些过度曝光和曝光不足的部分。集聚型乡村建筑群形态结构演变三维图像仿真方法利用相机响应曲线[6]通过下述过程选取曝光适度的图像块：

1)分块处理曝光度不同的三维图像，获得P个大小为aXa的像素块，用Ii，j描述第i幅乡村建筑群三维图像中存在的第j个像素块，其中i=1，…，N，j=1，…，P。

2)计算所处位置T的像素块Ii，T对应的平均亮度值Ai，T，亮度平均值在区间[0，255]内取值。

3)设置相机响应函数中存在的反函数曲线g，在此基础上，计算其导数曲线h，计算平均亮度值Ai，T在导数曲线h中对应的值ti，j=h(Ai，T)。

4)通过函数Jk=min(ti，j)获取乡村建筑群三维图像中信息量最多的像素块Jj，融合上述函数获取的像素块，获得新的乡村建筑群三维图像[7，8]。

上述算法没有对获取图像的整体环境光照条件进行考虑，仅仅考虑了相机辐射度曲线的性质，因此需要对上述算法进行优化。

通过下式计算导数曲线h中平均亮度值Ai，T对应的值ti，j

ti，j=h(Ai，T)

(1)

当ti，j的值较小时，表明建筑群三维图像中存在的信息量越多，通过函数Jk=min(ti，j)获取参考图像。

用di，j描述曝光不同但所处空间位置相同的像素块与邻域对应的图像在参考图像中的第j个像素块之间的平均亮度差的平方和，其计算公式如下

(2)

式中，Qj代表的是图像组中存在第j个像素块的邻域，当di，j的值越小时越接近附近的亮度，在乡村建筑群三维图像中像素块之间的连续性越好。

通过上述分析，建立估价函数Φi，j

Φi，j=λti，j+di，j

(3)

式中，λ代表的是比例系数；ti，j代表的是相机辐射曲线产生的约束；di，j代表的是连续性约束。函数Φi，j的值越小，像素块与周围像素块之间的连续性越好，像素块中存在的信息越多。

(4)

通过上述函数获得最优像素块，增强了乡村建筑群三维图像的明暗动态范围，可在同一幅图像中呈现较亮部分细节和较暗部分细节，但此时图像像素块边缘的连续性较差，降低了乡村建筑群三维图像的视觉效果，因此需要对乡村建筑群三维图像进行加权平均融合[9，10]。

用Ei描述利用上述函数获取的最优像素块，通过下述函数对其进行加权融合处理

(5)

式中，U(x，y)代表的是在(x，y)位置输出图像对应的最终像素值；wi(x，y)代表的是在(x，y)位置处第i个像素块对应的权重函数；Ei(x，y)代表的是在(x，y)位置处第i个像素块信息最多的图像对应的像素值。

用Gi(x，y)描述二维高斯函数，其中心为第i个像素块中点，用(xi，yi)表示，二维高斯函数Gi(x，y)的表达式如下

(6)

式中，σ代表的是Gi(x，y)的标准差。利用上述函数对像素的权值进行分配。

用负指数分布形式Si(x，y)表示相机响应函数的导数曲线信息ti(x，y)，用来描述乡村建筑群三维图像的融合条件

Si(x，y)=exp[-αti(x，y)]

(7)

式中，α的作用是对导数曲线信息ti(x，y)进行调整，属于经验系数。

结合上述函数建立联合权重函数W(x，y)，完成图像融合

由于传统的财务管理信息，传输渠道和方式单一，因此企业以内部财务管理数据信息和同一行业财务管理数据信息为主体。在“互联网+”的背景下，它为企业获取各种信息资源提供技术支持，不再受时间和地理因素的影响，从而实现一个更加完整的信息资源财务管理系统，获得准确的企业管理决策过程的费率和可靠信息。

(8)

乡村建筑群三维图像融合的具体流程如图1所示。

图1 图像融合流程图

3 聚集性乡村建筑群形态结构演变仿真

3.1 乡村建筑群轮廓提取

3.1.1 建筑群初步提取

1)轮廓初步提取

2)矩形检测与定位。通过长和宽分别为heighti、widthi的矩形跟踪轮廓左上点，获得乡村建筑群的初始提取结果。

①判断阴影像素，统计候选乡村建筑群邻域内的像素灰度，设定灰度阈值Tshadow，统计候选集聚型乡村建筑群目标矩阵widthi*heighti中的目标块大小Numberi，当Tshadow大于第i个目标的邻域内灰度值I(i，j)时，判定其为阴影像素。

相同形态的建筑物群对应的阴影差异较小，且集聚型乡村建筑群阴影存在规律形态，因此认为Numberi大于阴影面积阈值Nshadow的区域为乡村建筑群。

③建筑物的排列走向属于几何形态，各建筑物在集聚型乡村建筑群中的比值存在统一性。

3.1.2 建筑物群提取

所提方法通过属性统计、像素灰度振荡规律、间距统计和对称性分析方法获取集聚型乡村建筑群的周期性，完成集聚型乡村建筑群的提取，具体流程如图2所示。

图2 建筑群提取流程

3.2 形态结构演变分析

(9)

式中，F代表的是Gabor基函数。

(10)

式中，T(x，y)代表的是建筑群区域的演变特征，根据获取的演变特征，实现集聚型乡村建筑群形态结构演变分析。

4 实验与分析

为了验证集聚型乡村建筑群形态结构演变三维图像仿真方法的整体有效性，需要对其进行测试。

分别采用集聚型乡村建筑群形态结构演变三维图像仿真方法、文献[3]方法和文献[4]方法提取乡村建筑群的轮廓，提取结果如图3所示。

图3 不同方法的轮廓提取结果

分析图3可知，所提方法可完整地提取乡村建筑群的轮廓，文献[3]方法和文献[4]方法提取的轮廓完整度较低。

分别采用所提方法、文献[3]方法和文献[4]方法分析集聚型乡村建筑形态结构的演变特征，对比不同方法所用的分析时间，分析结果如表1所示。

表1 不同方法的分析时间

分析表1中的数据可知，对十种不同乡村建筑群的形态结构演变特征进行分析时，所提方法所用的分析时间最短，对比三种方法的平均分析时间可知，所提方法的分析效率最高，其次是文献[3]方法，分析效率最低的是文献[4]方法。

将召回率作为测试指标，对比上述方法提取乡村建筑群的性能，召回率recall的计算公式如下

(11)

式中，TP代表的是正确识别建筑群目标的像素；FN代表的是漏计目标的像素。

不同方法的召回率对比结果如图4所示。

图4 召回率测试结果

分析图4可知，在多次建筑群提取测试过程中，所提方法的召回率均在80%以上，高于其它两种方法，表明所提方法具有良好的目标提取性能。

采用上述方法对同一集聚型乡村建筑群形态结构进行演变分析，对比不同方法分析结果的误差比例，测试结果如图5所示。

图5 误差比例测试结果

通过图5可以直观地看出，与文献[3]方法和文献[4]方法的测试结果相比，所提方法分析结果的误差比例较低，表明所提方法可准确地完成集聚型乡村建筑群形态结构演变分析，因为所提方法对集聚型乡村建筑群三维图像进行了增强处理，可以获取相关细节信息，降低了分析结果的误差比例。

5 结束语

在乡村环境中建筑物属于重要构成部分，乡村建筑水平随着经济的发展不断提高，村民开始追求高质量的居住品质和空间，原始乡村建筑群的形态结构出现了不适应性，因此为了促进乡村经济，改善乡村环境，适应当前经济的发展，需要对乡村建筑形态结构进行优化，在此背景下研究其形态结构演变特征具有重要意义。目前建筑群形态结构演变分析方法存在轮廓提取完整度低、分析效率低、召回率低和误差比例高的问题，提出集聚型乡村建筑群形态结构演变三维图像仿真方法，通过乡村建筑群的三维图像对其形态结构演变特征进行分析，通过实验对比发现所提方法改善了目前方法中存在的问题。