买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东南大学;南京东南大学城市规划设计研究院有限公司

摘要：本发明公开了一种历史文化街区的形态特征要素识别提取方法，属于城市规划领域。所述方法包括以下步骤：获取历史文化街区的媒体图像，对图像进行处理，依靠深度学习技术Places365‑CNNs卷积神经网络模型对图像的形态特征要素进行定量分析，得到图像形态特征要素库。本发明利用深度学习技术对历史文化街区的形态特征要素进行识别提取，考虑了公众对历史文化街区的空间形态特征的广泛认知，提升了形态特征要素识别提取的准确性，形成了一套系统科学的历史文化街区形态特征要素识别提取方法。

主权项：1.一种历史文化街区的形态特征要素识别提取方法，其特征在于，所述方法包括以下步骤：按照地理区域划分图像，对图像进行预处理，获得图像数据集；利用预训练的Places365-CNNs卷积神经网络模型对所述图像数据集进行分类，获得室外场景图像数据集；建立室外形态特征相关集群筛选标准，从所述室外场景图像数据集抽样并按照所述筛选标准分类为形态特征相关集群和形态特征无关集群；将形态特征相关集群和形态特征无关集群的抽样总样本划分为训练集与验证集；使用所述预训练的Places365-CNNs卷积神经网络模型进行迁移学习，获得形态特征相关性图像分类模型；将所述室外场景图像数据集输入形态特征相关性图像分类模型进行分类，获得室外场景形态特征相关集群图像数据集；使用UMAP算法和K-Means聚类模型将所述室外场景形态特征相关集群图像数据集划分为多个聚类群组，并识别各个聚类群组的形态特征主题；使用GoogleCloudVisionAPI模型识别提取所述形态特征主题的场景形态特征要素，构建主题形态特征要素；基于历时性原则，对所述主题形态特征要素进行筛选，整理得到图像形态特征要素库；所述识别各个聚类群组的形态特征主题包括以下步骤：使用所述UMAP算法将所述Places365-CNNs卷积神经网络模型提取的特征向量降为二维特征向量；所述K-Means聚类模型根据所述的二维特征向量的相似性，将所述室外场景形态特征相关集群图像数据集划分成不同的聚类群组，根据各个聚类群组图像特征赋予形态特征主题。

全文数据：

权利要求：

百度查询： 东南大学 南京东南大学城市规划设计研究院有限公司 一种历史文化街区的形态特征要素识别提取方法