[发明专利]基于深度学习的城市建筑色彩获取方法

权利要求书

1.一种基于深度学习的城市建筑色彩获取方法，其特征在于包括如下步骤：

S1，获取城市建筑的静态图片；

S2，对所获得图片进行批量白平衡处理；

S3，利用深度学习模型，提取每张图片中的建筑物；

S4，对所提取建筑物的颜色进行拾取、汇总，并统计；

S5，颜色聚类实现，获取不同区域内的建筑主色调。

2.根据权利要求1所述的基于深度学习的城市建筑色彩获取方法，其特征在于：S1中，利用全市路网数据，以30米为间隔，在城市路网上打点，并计算经纬度坐标；左右两方向各采集一张，批量抓取点所对应的城市街景静态图片。

3.根据权利要求1所述的基于深度学习的城市建筑色彩获取方法，其特征在于：S2中，利用AWB白平衡算法对静态图片由于不同光照条件下的色差问题进行处理，使结果更为接近现实。

4.根据权利要求1所述的基于深度学习的城市建筑色彩获取方法，其特征在于：S3中，利用卷积神经网络对静态图片进行识别，并分割成不同要素；然后提取出的要素以不同颜色值进行分类。

5.根据权利要求4所述的基于深度学习的城市建筑色彩获取方法，其特征在于：S4中，利用要素分割图层，获取各静态图片建筑物所在的像素点集合；对建筑物像素点的颜色值进行提取，结果以RGB颜色值形式保存并汇总各颜色值对应的像素点；最后，批量化上述颜色提取进程。

6.根据权利要求5所述的基于深度学习的城市建筑色彩获取方法，其特征在于：S4中，将RGB颜色值转换为HSV值，并归纳为14400种颜色。

7.根据权利要求6所述的基于深度学习的城市建筑色彩获取方法，其特征在于：所述颜色中，色相36等分，每10个色相为一组；彩度20等分，每5个彩度区间为一组；明度20等分，每5个明度区间为一组。

8.根据权利要求1或5所述的基于深度学习的城市建筑色彩获取方法，其特征在于：S4中，将城市分割为若干街坊单元，作为最小调查单元；识别各图片空间位置所处的单元；将落于各单元内的建筑颜色值进行汇总统计。

9.根据权利要求1所述的基于深度学习的城市建筑色彩获取方法，其特征在于：S5中，依据获得的RGB颜色值利用K均值聚类算法，获取各组色彩值的最具代表性的K类色彩。

10.根据权利要求9所述的基于深度学习的城市建筑色彩获取方法，其特征在于：首先，随机选取K个对象作为初始的聚类中心，再将每个点指派到最近的质心，形成K个簇，重新计算每个簇的质心，直到不再发生变化；然后，一个单元内K的选取10-15不等；再次，对聚类算法做出改进，各个质心以现有值为基础；最后，所得结果再转化为14400种HSV值，同类再归纳，以最终获取的最大颜色值作为主色调。