基于街景影像多特征融合的广州市越秀区街道空间品质评估

发布时间：2021-07-23 06:09

　　全面准确地描述街景影像的多层次特征在基于街景影像对街道空间品质进行评估的研究中具有重要意义。以广州市越秀区为例,获取前后左右各视角街景影像中手工设计的特征（SURF特征、HOG特征）和基于深度学习的特征（语义特征）,基于单一特征和多特征融合采用支持向量机（Support Vector Machine, SVM）、随机森林（Random Forest, RF）训练各视角的评估模型。结果表明,以基于SVM建立的单特征模型为例,基于HOG特征（73.03%）、语义特征（72.28%）的模型平均精度优于SURF特征（56.00%）,基于SVM前后左右各视角模型的最优分类精度为82.8%（前）、81.7%（后）、76.6%（左）、76.6%（右）,而基于RF各视角模型的最优分类精度为82.8%（前）、85.0%（后）、78.1%（左）、70.3%（右）。前后视角的模型精度略优于左右视角。各视角最优模型均为多特征融合模型,最优模型平均分类精度和Kappa系数可达80.6%和0.62。利用街景影像评估街道空间品质时,各算法之间性能差异微弱,而特征选择及组合方式是提升精度的关键。越秀区街道空间品质存在... 

【文章来源】：地球信息科学学报. 2020,22(06)北大核心CSCD

【文章页数】：9 页

【部分图文】：

不同视角高/低空间品质的街景影像示例

基于街景影像中获取的SURF特征、HOG特征和语义特征，本研究采用串行方式对多个特征向量进行组合，利用SVM和RF构建街道空间品质评估模型，街道空间品质评估模型可以判定某一幅街景影像所反映的街道景观是否为高空间品质。考虑到不同视角街景影像反映的城市景观存在差异（图1），因此针对不同视角的街景影像，基于单一特征和多特征融合的方式分别构建SVM和RF分类器。在模型训练前对街景影像的SURF特征、HOG特征和语义特征进行标准化处理，随机选取70%人工标注的街景影像训练模型，其余30%用来评估模型精度。利用模型在测试集上分类精度和Kappa系数衡量其性能，其中分类精度是正确分类的影像占测试集整体影像的比例，Kappa系数的计算基于混淆矩阵，Kappa系数超过0.6表示预测结果与实际结果具有高度一致性。以上述度量指标作为依据选择各视角最优模型及对应的特征组合方式，进而对越秀区的街道空间品质进行评估，整体技术路线如图2所示。3 实验结果与分析

以上结果可以作为越秀区街道空间品质的现状基础评价资料。结果表明越秀区街道空间品质存在明显的空间分异，越秀区西南部存在大量老旧小区等居住空间，该区域的街道空间品质亟待提升。4 讨论

【参考文献】：
期刊论文
[1]基于三种机器学习算法的山洪灾害风险评价[J]. 周超,方秀琴,吴小君,王雨晨.  地球信息科学学报. 2019(11)
[2]人本尺度的街道空间品质测度——结合街景数据和新分析技术的大规模、高精度评价框架[J]. 叶宇,张昭希,张啸虎,曾伟.  国际城市规划. 2019(01)
[3]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)
[4]多特征融合的复杂环境海洋涡旋识别[J]. 黄冬梅,刘佳佳,苏诚,杜艳玲.  中国图象图形学报. 2019(01)
[5]街道建成环境中的城市非正规性 基于北京老城街景图片的人工打分与机器学习相结合的识别探索[J]. 甘欣悦,佘天唯,龙瀛.  时代建筑. 2018(01)
[6]卷积神经网络在车辆识别中的应用[J]. 彭清,季桂树,谢林江,张少波.  计算机科学与探索. 2018(02)
[7]街道步行指数的大规模评价——方法改进及其成都应用[J]. 周垠,龙瀛.  上海城市规划. 2017(01)
[8]特大城市中心区街道空间品质的测度——以北京二三环和上海内环为例[J]. 唐婧娴,龙瀛.  规划师. 2017(02)
[9]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军.  计算机学报. 2017(06)
[10]随机森林与支持向量机分类性能比较[J]. 黄衍,查伟雄.  软件. 2012(06)

博士论文
[1]基于CNN迁移特征融合与池化的高分辨率遥感图像检索研究[D]. 葛芸.南昌大学 2019

硕士论文
[1]基于街景地图的历史文化街区街道空间品质评价[D]. 赵雅芝.广州大学 2019
[2]基于城市街景影像的视觉定位研究[D]. 谢润桦.北京建筑大学 2018



本文编号：3298760