[发明专利]基于深度学习的城市建筑色彩获取方法

说明书

基于深度学习的城市建筑色彩获取方法，包括：获取城市建筑的静态图片；对所获得图片进行批量白平衡处理；利用深度学习模型，提取每张图片中的建筑物；对所提取建筑物的颜色进行拾取、汇总，并统计；颜色聚类实现，分别获取不同区域内的主色调。本发明获取速度快，能够准确地分割图像、拾取所需要的内容；人员投入较少，分析方法更为客观，能实现结果的一致性。

技术领域

本发明涉及城市规划和计算机图像识别技术领域，具体地说是一种基于深度学习的城市建筑色彩获取方法。

背景技术

城市规划中，不仅要表现一座城市的特点，更要体现其建筑、街区的美感和人文内涵，其中色彩最具展现力。因此，相对于城市硬件的规划而言，城市色彩的规划更应受到重视。

目前，城市建筑色彩现状调查一般借助色卡现场比对、色谱仪现场颜色拾取、照片拍摄后计算机颜色拾取的方法获取，通常为低样本的抽样形式。存在如下缺点：

1)耗时。由于城市建筑量庞大，利用上述现有技术方法，欲获取城市建筑的各项色彩指标将要耗费巨大的工作量。2)耗力。现有技术方法需要派出大量的人员到现场进行建筑色彩拾取与空间化工作。3)过于主观。现有技术方法采用个人主观判断建筑颜色，根据不同情境调查人员可能获取不同的建筑颜色值。

因此需要一种高效、准确且节省人工的方法来完成上述工作。本专利主要解决现状照片快速采集、建筑批量提取、颜色批量拾取、色彩聚类等工作，较现有技术大大提高了工作效率。本方法还借用了互联网图像大数据分析，可大大减少现场调查人员的投入。另外借助计算机来拾取建筑色彩，为客观评价，将使结果较为客观统一。

发明内容

本发明为解决现有的问题，旨在提供一种基于深度学习的城市建筑色彩获取方法。

为了达到上述目的，本发明采用的技术方案包括如下步骤：

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，并分别获取不同区域内的建筑主色调。

进一步地，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。

进一步地，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，使图片建筑色彩更为接近现实。

进一步地，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；然后将提取的要素分层设色用于分类。

进一步地，S4中，利用要素分割图层，获取各静态图片建筑物的像素点集合；对建筑物的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的像素点；最后，批量化上述颜色提取进程。

进一步地，S4中，将RGB颜色值转换为HSV值，并归纳为14400种颜色。所述颜色，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。

进一步地，S4中，将城市分割为若干街坊，作为最小调查单元；识别各图片空间位置所处单元；将落于各单元内的建筑颜色值进行汇总统计。