基于对抗生成网络的园林设计中图像处理方法、系统技术方案

本发明专利技术属园林设计中图像处理技术领域，公开了一种基于对抗生成网络的园林设计中图像处理方法、系统，获取用于训练的数据集，所述数据集中的单个样本均为成对的图片对，分别是设计前的场地环境条件图和设计后的园林设计平面布局概念图，然后根据GAN的迭代训练方法以及结合图片翻译生成方法对所述数据集进行训练，生成园林设计平面布局概念图。GAN包括生成器用于进行生成任务，根据任务的不同有一个输入，然后输出对应的像素图像。判别器用来判别图片是真的还是假的，输入为图片，输出为判别图片的标签。本发明专利技术利用智能生成设计技术可以改变传统的设计模式，达到降低设计门槛、提高设计效率、优化设计质量以及拓展设计师思路，激发其设计灵感的效果。

【技术实现步骤摘要】
基于对抗生成网络的园林设计中图像处理方法、系统
本专利技术属于园林设计中图像处理
，公开了一种基于对抗生成网络的园林设计中图像处理方法、系统及终端。
技术介绍
目前，风景园林设计是园林建设过程中的核心环节，也是决定实施效果的基础性决策环节，因此设计师在园林建设过程中的作用不言而喻。传统的设计过程是设计师基于使用者对场地需求提出问题，设定目标，生成解决方案并评估方案的过程。在这一过程中设计师需要全程参与，并利用自己知识与经验形成设计成果用以满足建造者和使用者的需求。而在当今时代，由于环境的变化、技术的发展、观念的进步，影响风景园林设计的因素越来越复杂、多样，传统的设计方式和设计途径虽然暂且还可以完成相应的设计工作，但对设计师的个人能力、对设计机构的综合实力乃至对业主的理解力都提出了很高的要求。同时风景园林设计的重用性很低，属于“非标定制”产品，这就使得每次园林设计过程，设计师需要花费较多的时间与精力在非独创性、规范性、基础性工作当中。利用智能生成设计技术可以改变传统的设计模式，达到降低设计门槛、提高设计效率、优化设计质量以及拓展设计师思路，本文档来自技高网...

【技术保护点】
1.一种基于对抗生成网络的园林设计中图像处理方法，其特征在于，应用于信息数据处理终端，所述基于对抗生成网络的园林设计中图像处理方法包括：/n获取用于训练的数据集，所述数据集中的单个样本均为成对的图片对，分别是设计前的场地环境条件图和设计后的园林设计平面布局概念图，然后根据GAN的迭代训练方法以及结合图片翻译生成方法对所述数据集进行训练，生成园林设计平面布局概念图。/n

【技术特征摘要】
1.一种基于对抗生成网络的园林设计中图像处理方法，其特征在于，应用于信息数据处理终端，所述基于对抗生成网络的园林设计中图像处理方法包括：
获取用于训练的数据集，所述数据集中的单个样本均为成对的图片对，分别是设计前的场地环境条件图和设计后的园林设计平面布局概念图，然后根据GAN的迭代训练方法以及结合图片翻译生成方法对所述数据集进行训练，生成园林设计平面布局概念图。


2.如权利要求1所述的基于对抗生成网络的园林设计中图像处理方法，其特征在于，所述GAN的迭代训练方法包括：
初始化判别器D的参数θd和生成器G的参数θg；
从真实样本中采样m个样本{x1,x1,...xm}，从先验分布噪声中{z1,z1,...zm}并通过生成器获得m个生成样本{x1,x1,...xm}；固定生成器G，训练判别器D判别真实样本和生成样本，区分正确样本和生成的样本；
循环k次更新判别器后，使用较小的学习率更新生成器的参数；
多次更新迭代后，使判别器无法判别样本是来自生成器的输出还是真实输出。


3.如权利要求2所述的基于对抗生成网络的园林设计中图像处理方法，其特征在于，对生成样本判别概率为0.5。


4.如权利要求1所述的基于对抗生成网络的园林设计中图像处理方法，其特征在于，所述图片翻译生成方法包括：
输入原始图片x编码再解码成真实图片，判别器D在原始图片x的条件下，对于生成的图片G(x)判断为假，对于真实判断为真。


5.如权利要求1所述的基于对抗生成网络的园林设计中图像处理方法，其特征在于，生成器G采用的Unet结构。

【专利技术属性】
技术研发人员：艾乔，敖翔，周韦世，李宽，姚阳，刘华，
申请(专利权)人：重庆交通大学，中国科学院计算技术研究所，
类型：发明
国别省市：重庆;50