全景绿视率自动识别和计算研究

摘要：

绿视率是用于绿色空间感知的直观评价标准,传统研究的绿视率多基于平面影像进行计算,不能完全反映三维空间中人对绿量的主观感受.基于全景影像,提出全景绿视率的概念,通过全景相机获取球面全景照片,将等距圆柱投影转换为等积圆柱投影,利用基于语义分割的卷积神经网络模型,自动识别植被区域面积以实现全景绿视率自动化识别和计量.通过比较5项卷积神经网络模型对绿视率的识别效果,显示出Dilated ResNet-105神经网络模型具有最高的识别准确度.以武汉市武昌区紫阳公园为例,对各级园路和广场的全景绿视率进行计算和分析.将卷积神经网络的识别结果同人工判别结果进行对比研究,结果显示:使用Dilated ResNet-105卷积神经网络对绿植范围识别的平均交并比(mIoU)为62.53％,与人工识别的平均差异为9.17％.全景绿视率自动识别和计算可以为相关研究提供新的思路,实现客观准确、快速便捷的绿视率测量评估.

关键词：风景园林、绿视率、全景影像、等积投影转换、深度学习、卷积神经网络、语义分割

所属期刊栏目：26

分类号：TU986(地下建筑)

资助基金：国家自然科学基金编号 51808245;中央高校基本科研业务费专项资金编号 2662017QD037

在线出版日期：2019-11-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：89-94