[发明专利]一种基于实体空间布局关系的街景图像评估方法

权利要求书

1.一种基于实体空间布局关系的街景图像评估方法，其特征在于，包括以下步骤：

步骤1、采集研究区内的街景图像，并对街景图像进行语义分割处理；

步骤2、对语义分割后的街景图像，计算街景图像内各种实体的像素数量占比，以及实体的色彩分布特征；

步骤3、对语义分割后的街景图像内各种实体之间的空间布局特征建立复杂网络模型，并计算所建立复杂网络模型的主要节点指标；具体如下：

步骤3.1、以语义分割后的街景图像中的实体类型为复杂网络模型的节点；

步骤3.2、遍历街景图像的所有像素，判断相邻像素之间的实体类型；

若相邻像素之间的实体类型相同，则不建立这2个相邻像素之间的一条复杂网络边连接关系；

若相邻像素之间的实体类型不相同，则建立这2个相邻像素之间的一条复杂网络边连接关系，且这条复杂网络边连接关系表示为这两个相邻像素所代表的实体类型之间的关系；

步骤3.3、遍历完成后，根据复杂网络模型理论，以复杂网络模型的节点、以及节点之间复杂网络边连接关系，建立实体类型之间的复杂网络模型；

步骤3.4、进一步计算所建立的复杂网络模型的主要节点指标；

步骤4、对语义分割后的街景图像中各类实体的空间位置进行量化计算；具体如下：

步骤4.1、对语义分割后的街景图像分为若干个块，每个块建立索引号；

步骤4.2、遍历语义分割后的街景图像中每个像素，判断每个像素的实体类型、以及所在的块索引号；

步骤4.3、遍历完成后，对每种实体的所涉及的块的索引号进行编码；

步骤4.4、进一步检查每个块所包含各类实体的像素数量；若在一个块中，某一类实体所统计的像素数量小于指定的阈值，则取消该实体对于该块的索引编码；

步骤5、记录每张街景图像的道路类型；

步骤6、建立街景图像的学习样本库，每张街景图像已预先打分，以每张街景图像的打分值为目标结果，以街景图像中各类实体占比、重要实体的色彩分布值、各类实体的复杂网络模型的主要节点指标值、各类实体的块索引编号、以及街景图像的道路类型为影响要素，利用不同机器学习算法模型进行机器学习预训练模型的训练；获得训练好的机器学习预训练模型；

步骤7、利于机器学习预训练模型对待测的街景图像进行自动打分处理。

2.根据权利要求1所述的一种基于实体空间布局关系的街景图像评估方法，其特征在于，步骤2中实体的色彩分布特征为实体的主导色或者是否为混合色，其均用数字来表达。

3.根据权利要求1所述的一种基于实体空间布局关系的街景图像评估方法，其特征在于，步骤3.3中所建立的复杂网络模型为无向复杂网络。

4.根据权利要求1所述的一种基于实体空间布局关系的街景图像评估方法，其特征在于，步骤3.4中主要节点指标包括了度中心性、加权度中心性和中介中心性。

5.根据权利要求1所述的一种基于实体空间布局关系的街景图像评估方法，其特征在于，步骤4.3中每种实体类型的所涉及的块索引号进行编码要保证不同块索引之间的组合后编码是唯一的，且是用数字进行表达。

6.根据权利要求1所述的一种基于实体空间布局关系的街景图像评估方法，其特征在于，步骤5中记录每张街景图像的道路类型，并用数字进行表示。