基于街景图像的城市街道绿视率计量方法比较分析
发布时间：2021-06-28 10:27
【目的】针对街景图像在绿视率计量研究中的使用做出了说明,综合研究现状,对不同的绿视率数据获取方法和计算方法进行了介绍。【方法】对比了传统方法和利用算法模型（PSPNet或SegNet）的自动化方法,阐述了传统方法存在效率低、损耗大、精确度低等不足,而自动化方法有效的解决了这些问题。【结果】基于卷积神经网络模型的图像语义分割,使街景图片的处理与分析变得更为简便,但自动化方法仍有不足之处需要完善。【结论】文章指出利用机器学习来处理数据问题是未来研究发展的新趋势,预测融合机器学习和遥感技术的街景图像自动化计量方法将在城市规划建设、绿道效益评估等方面具有良好应用前景。
【文章来源】：江西农业大学学报. 2020,42(05)北大核心CSCD
【文章页数】：10 页
【部分图文】：
中文文献关于“街景图像”数量统计（数据来源：中国知网）
英文文献关于“街景图像”数量统计（数据来源：谷歌学术）
街景图像的采集方法主要有两种，一种是通过相机镜头（24 mm）模拟人眼视角，人工的采集观测点样本图片（也可以应用无人机等设备辅助采集），但有时限于人力，采集的观测点数量少，耗费的时间多；随着街景地图的广泛覆盖，三维街景数据由于其高定位精度、纹理可视化强、可测量等特点，易于结合激光扫描技术、倾斜摄影技术[21]，能够呈现街道景观的真实形态（图2），促使人们产生对城市环境的直观感知，结合了众包评级和公众评分过程的街景地图从而得到广泛使用[22-23]。利用地图开发商提供的开发者平台服务，使得数据的获取更方便、快捷，能够处理的数据量更大[24]；根据实验要求可以划定范围，选取范围内的观测点作为样本并且可以筛选出具有时光机功能的街景地图点[25]。1.2.3 数据处理与分析
【参考文献】：
期刊论文
[1]基于街景数据的绿视率模型构建及其影响因子研究[J]. 孟庆岩,汪雪淼,孙云晓,张佳晖,陈旭. 生态科学. 2020(01)
[2]北京城区居住区树冠覆盖变化特征[J]. 刘秀萍,贾宝全. 林业科学. 2019(12)
[3]基于绿视率的城市绿化评估——以武汉江汉区为例[J]. 陈明,戴菲,李文佩,杨超. 中国城市林业. 2019(03)
[4]Deep Forest as a framework for a new class of machine-learning models[J]. Lev V.Utkin,Anna A.Meldo,Andrei V.Konstantinov. National Science Review. 2019(02)
[5]基于SegNet语义模型的高分辨率遥感影像农村建设用地提取[J]. 杨建宇,周振旭,杜贞容,许全全,尹航,刘瑞. 农业工程学报. 2019(05)
[6]基于街景图像的城市环境评价研究综述[J]. 张丽英,裴韬,陈宜金,宋辞,刘小茜. 地球信息科学学报. 2019(01)
[7]基于街景图像解译的寒地城市绿视率分析研究——以哈尔滨为例[J]. 崔喆,何明怡,陆明. 中国城市林业. 2018(05)
[8]基于腾讯街景的林地郁闭度提取方法研究[J]. 余付蓉,高峻,付晶. 西南林业大学学报(自然科学). 2018(05)
[9]街道绿化品质的人本视角测度框架——基于百度街景数据和机器学习的大规模分析[J]. 叶宇,张灵珠,颜文涛,曾伟. 风景园林. 2018(08)
[10]城市道路绿视率自动化计算方法研究[J]. 彭锐,刘海霞. 北京规划建设. 2018(04)
硕士论文
[1]面向对象的遥感影像分割与分类方法研究[D]. 李艳桦.郑州大学 2014
本文编号：3254151
【文章来源】：江西农业大学学报. 2020,42(05)北大核心CSCD
【文章页数】：10 页
【部分图文】：
中文文献关于“街景图像”数量统计（数据来源：中国知网）
英文文献关于“街景图像”数量统计（数据来源：谷歌学术）
街景图像的采集方法主要有两种，一种是通过相机镜头（24 mm）模拟人眼视角，人工的采集观测点样本图片（也可以应用无人机等设备辅助采集），但有时限于人力，采集的观测点数量少，耗费的时间多；随着街景地图的广泛覆盖，三维街景数据由于其高定位精度、纹理可视化强、可测量等特点，易于结合激光扫描技术、倾斜摄影技术[21]，能够呈现街道景观的真实形态（图2），促使人们产生对城市环境的直观感知，结合了众包评级和公众评分过程的街景地图从而得到广泛使用[22-23]。利用地图开发商提供的开发者平台服务，使得数据的获取更方便、快捷，能够处理的数据量更大[24]；根据实验要求可以划定范围，选取范围内的观测点作为样本并且可以筛选出具有时光机功能的街景地图点[25]。1.2.3 数据处理与分析
【参考文献】：
期刊论文
[1]基于街景数据的绿视率模型构建及其影响因子研究[J]. 孟庆岩,汪雪淼,孙云晓,张佳晖,陈旭. 生态科学. 2020(01)
[2]北京城区居住区树冠覆盖变化特征[J]. 刘秀萍,贾宝全. 林业科学. 2019(12)
[3]基于绿视率的城市绿化评估——以武汉江汉区为例[J]. 陈明,戴菲,李文佩,杨超. 中国城市林业. 2019(03)
[4]Deep Forest as a framework for a new class of machine-learning models[J]. Lev V.Utkin,Anna A.Meldo,Andrei V.Konstantinov. National Science Review. 2019(02)
[5]基于SegNet语义模型的高分辨率遥感影像农村建设用地提取[J]. 杨建宇,周振旭,杜贞容,许全全,尹航,刘瑞. 农业工程学报. 2019(05)
[6]基于街景图像的城市环境评价研究综述[J]. 张丽英,裴韬,陈宜金,宋辞,刘小茜. 地球信息科学学报. 2019(01)
[7]基于街景图像解译的寒地城市绿视率分析研究——以哈尔滨为例[J]. 崔喆,何明怡,陆明. 中国城市林业. 2018(05)
[8]基于腾讯街景的林地郁闭度提取方法研究[J]. 余付蓉,高峻,付晶. 西南林业大学学报(自然科学). 2018(05)
[9]街道绿化品质的人本视角测度框架——基于百度街景数据和机器学习的大规模分析[J]. 叶宇,张灵珠,颜文涛,曾伟. 风景园林. 2018(08)
[10]城市道路绿视率自动化计算方法研究[J]. 彭锐,刘海霞. 北京规划建设. 2018(04)
硕士论文
[1]面向对象的遥感影像分割与分类方法研究[D]. 李艳桦.郑州大学 2014
本文编号：3254151
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/3254151.html
