【技术实现步骤摘要】
本专利技术涉及建筑图像处理和分析，具体为基于建筑物群组相似度的图像处理识别方法。
技术介绍
1、在城市规划和建筑设计领域，对建筑群体的分析和分类是至关重要的任务，它支持规划决策、历史保护、资源管理等多方面的需求。传统上，建筑群体的分析依赖于手工方法或简单的数字工具，这些方法通常只能处理有限的数据量，且难以有效地处理和解释大规模复杂城市数据中的模式和关系。
2、此外，现有技术在处理建筑数据时，常常忽略了建筑物之间的空间关系和功能联系，这限制了对建筑群体结构特征的全面理解。这些技术通常依赖于直观判断或基本的统计分析，缺乏对建筑群体复杂交互和空间动态的深入挖掘。
技术实现思路
1、针对现有技术的不足，本专利技术提供了基于建筑物群组相似度的图像处理识别方法，通过将建筑群体数据转换为图形表示，并使用图嵌入算法及相似度计算，实现对建筑群体模式的自动识别和分类。
2、为实现以上目的，本专利技术通过以下技术方案予以实现：基于建筑物群组相似度的图像处理识别方法，包括以下步骤：
...【技术保护点】
1.基于建筑物群组相似度的图像处理识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于建筑物群组相似度的图像处理识别方法，其特征在于，所述图形表示包括构建一个节点和边的图，每个节点代表一个建筑物，边反映建筑物之间的基于空间位置和功能属性的关系，以及建筑物与其邻近建筑物之间的相对位置和连接性。
3.根据权利要求1所述的基于建筑物群组相似度的图像处理识别方法，其特征在于，所述图嵌入算法为Graph2vec算法，该算法通过处理图中的节点及其相应的高阶邻域信息，以学习表示建筑群体的图形的低维向量表示。
4.根据权利要求3所述的...
【技术特征摘要】
1.基于建筑物群组相似度的图像处理识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于建筑物群组相似度的图像处理识别方法，其特征在于，所述图形表示包括构建一个节点和边的图，每个节点代表一个建筑物，边反映建筑物之间的基于空间位置和功能属性的关系，以及建筑物与其邻近建筑物之间的相对位置和连接性。
3.根据权利要求1所述的基于建筑物群组相似度的图像处理识别方法，其特征在于，所述图嵌入算法为graph2vec算法，该算法通过处理图中的节点及其相应的高阶邻域信息，以学习表示建筑群体的图形的低维向量表示。
4.根据权利要求3所述的基于建筑物群组相似度的图像处理识别方法，其特征在于，所述graph2vec算法的步骤包括：
5.根据权利要求4所述的基于建筑物群组相似度的图像处理识别方法，其特征在于，所述的神经网络模型使用softma...
【专利技术属性】
技术研发人员：刘涛，张自强，杜萍，王文宁，刘双童，强博，徐盛禄，
申请(专利权)人：兰州交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。