CN103500176B - 片网模型及其构建方法 - Google Patents
片网模型及其构建方法 Download PDFInfo
- Publication number
- CN103500176B CN103500176B CN201310403210.0A CN201310403210A CN103500176B CN 103500176 B CN103500176 B CN 103500176B CN 201310403210 A CN201310403210 A CN 201310403210A CN 103500176 B CN103500176 B CN 103500176B
- Authority
- CN
- China
- Prior art keywords
- node
- sheet
- image
- representative
- concurrency control
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/162—Segmentation; Edge detection involving graph-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/005—Tree description, e.g. octree, quadtree
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20156—Automatic seed setting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种用于图像表示的片网模型以及该片网模型的构建方法。该用于图像表示的片网模型,为由若干个复合节点以及基本节点组成的森林状结构,每个所述复合节点均为非叶节点,每个所述基本节点均为叶节点;所述基本节点包括图像的某片区域以及代表该片区域表观特征的代表性片;所述复合节点包括图像的某片区域并且可以进一步分解为基本节点和/或复合节点;位于所述森林状结构的同一层、且空间位置相连的两个节点间存在一条边,边上具有用于表示这两个节点空间相对位置的关系矩阵。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种用于图像表示的片网模型以及该片网模型的构建方法。
背景技术
近些年来,各种图像处理技术已经成为计算机学科研究的热门领域。其中,基于片的图像合成和编辑技术已经成为了用户编辑多媒体内容的强大工具。
现有技术中基于片的图像编辑方法,典型的如2009年Barnes等人提出的PatchMatch,需要用户提供语义上的指导或交互才能获得有意义的结果;而且,对于基于多张图像进行的编辑,用户需要自己寻找新的物体或者区域合成到指定的位置;但是这些均需要用户具有较强的美术专业知识以及对软件的熟练掌握;同时,在候选图像较多的情况下,需要用户付出长时间的枯燥劳动。2011年HaCohen等人提出的NRDC(非刚性密集对应方法)能够应用于上述情景,其通过自动寻找合适的图像片来进行合成;但是该方法的缺点是处理速度较慢,无法满足实时图像编辑,尤其对于基于图像库的编辑需要。利用图像搜索的方法也可以为上述情景找到合适的图像源;但是图像搜索方法一般都是基于全局特征,无法为局部图像的编辑找到合适的最优的部分图像区域。
综上所述,在目前已有的图像合成技术的基础上进行图像库中的基于片的图像编辑,其主要困难在于编辑技术中用到的图像片只描述了局部的表观特征,没有对图像片上下文或者图像本身的描述,无法在图像库中进行对内容的有效组织和查找,而利用全局特征进行图像搜索的方法,又缺乏对局部信息的准确定位。
发明内容
(一)要解决的技术问题
本发明的目的在于提供一种用于图像表示的片网模型以及该片网模型的构建方法,从而使片网模型能够利用图像片的形式描述图像的局部信息,又能够提取图像的结构信息并进行抽象的表达,从而能够满足利用一个图像库中的图像进行局部图像编辑的需要。
(二)技术方案
本发明技术方案如下:
一种用于图像表示的片网模型,所述片网模型为由若干个复合节点以及基本节点组成的森林状结构,每个所述复合节点均为非叶节点,每个所述基本节点均为叶节点;
所述基本节点包括图像的某片区域以及代表该片区域表观特征的代表性片;所述复合节点包括图像的某片区域并且可以进一步分解为基本节点和/或复合节点;
位于所述森林状结构的同一层、且空间位置相连的两个节点间存在一条边,边上具有用于表示这两个节点空间相对位置的关系矩阵。
优选的,所述关系矩阵中的每个元素的值均被归一化到0~1,代表所述边连接的一个节点中的像素位于另一节点的特定相对位置的概率。
优选的,所述关系矩阵为5×5矩阵。
本发明还提供了一种构建上述任意一种片网模型的方法:
一种片网模型构建方法,包括步骤:
S1.选取代表性片以及被所述代表性片代表的图像区域,建立基本节点;
S2.根据空间连接关系,将图像区域面积小于预设值的基本节点组合成为复合节点;
S3.将所述复合节点以及图像区域面积超出所述预设值的基本节点作为所述森林状结构的第一层;
S4.将所述复合节点分解为基本节点和/或复合节点,直至所有叶节点均为基本节点;
S5.在位于所述森林状结构的同一层、且空间位置相连的两个节点间添加边,并在所述边上添加所述关系矩阵。
优选的,所述步骤S1进一步包括:
S11.将图像中所有像素按照梯度值排序;
S12.在尚未被任何代表性片代表的区域内梯度值最小的位置生成一个代表性片;
S13.对于任意一个尚未被任何代表性片代表的像素,判断将以该像素为中心的图像片能否被所述步骤S12中生成的代表性片代表;
S14.重复步骤S12-S13直至图像中所有像素被代表性片代表。
优选的,所述步骤S12与步骤S13之间还包括:
根据公式将所述代表性片的中心移动到xnew;
其中,z表示代表性片Px中的像素位置,gz表示z位置处的梯度值。
优选的,所述步骤S13进一步包括:
对于任意一个尚未被任何代表性片代表的像素,将以该像素为中心的图像片与所述步骤S12中生成的代表性片在Lab颜色空间进行欧拉距离计算;
计算得到的欧拉距离不大于阈值的图像片则被所述步骤S12中生成的代表性片代表。
优选的,所述步骤S13中阈值
其中,k=2,α=0.5,C(x,y)为所述图像片的平均颜色。
优选的,所述步骤S2以及步骤S3中预设值是所述图像的总面积的10%。
优选的,所述步骤S5中,计算关系矩阵中任意元素M(i,j)的方式如下:
对于所述边连接的一个节点的每个像素,统计该像素的(i-2,j-2)方位处是否有另一节点的像素出现,若有,则M(i,j)计数加1;
通过统计计数,最终将得到的矩阵中的每个元素归一化到(0,1)区间。
(三)有益效果
本发明实施例所提供的基于片的片网模型为由若干个复合节点以及基本节点组成的森林状结构,每个复合节点均为非叶节点,每个基本节点均为叶节点;基本节点包括图像的某片区域以及代表该片区域表观特征的代表性片;复合节点包括图像的某片区域并且可以进一步分解为基本节点和/或复合节点;位于森林状结构的同一层、且空间位置相连的两个节点间存在一条边,边上具有用于表示这两个节点空间相对位置的关系矩阵;通过这种森林状结构,本发明使得图像库中的图像内容得到了基于片的组织和表达,从而使片网模型能够利用图像片的形式描述图像的局部信息,又能够提取图像的结构信息并进行抽象的表达,从而能够进行局部内容基于表观特征的查找和获取,满足利用一个图像库中的图像进行局部图像编辑的需要。
附图说明
图1是本发明实施例中片网模型的结构示意图;
图2是本发明实施例中片网模型构建方法的流程示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式做进一步描述。以下实施例仅用于说明本发明,但不用来限制本发明的范围。
本实施例中首先提供了一种用于图像表示的片网模型,如图1中所示,所述片网模型为由若干个复合节点以及基本节点组成的森林状结构,每个所述复合节点均为非叶节点,每个所述基本节点均为叶节点;
根据图像中的区域具有相似的表观特征的特性,所述基本节点包括图像的某片区域以及代表该片区域表观特征的代表性片;所述复合节点包括图像的某片区域并且可以进一步分解为基本节点和/或复合节点,从而形成一个局部的树状结构;复合节点用于表示一些具有复杂结构特征的图像区域;
位于所述森林状结构的同一层、且空间位置相连的两个节点间存在一条边,边上具有用于表示这两个节点空间相对位置的关系矩阵,从而对一幅图像进行了抽象的表示。
本实施例中,上述关系矩阵可以是个5×5的矩阵,矩阵中每个元素的值被归一化到0~1,代表了所述边连接的一个节点中的像素位于了所述边连接的另一节点的特定相对位置的概率;例如,其中(0,0)位置的值,即为所述边连接的一个节点所包含的像素,出现在所述边连接的另一个节点所包含像素的相对位置(-2,-2)处的概率大小;通过这种结构,图像库中的图像内容得到了基于片的组织和表达,从而可以进行局部内容基于表观特征的查找和获取。
本实施例中还提供了一种构建上述片网模型的方法;如图2中所示,该片网模型构建方法主要包括步骤:
S1.选取代表性片以及被所述代表性片代表的图像区域,建立基本节点;
S2.根据空间连接关系,将图像区域面积小于预设值的基本节点组合成为复合节点;
S3.将所述复合节点以及图像区域面积超出所述预设值的基本节点作为所述森林状结构的第一层;
S4.将所述复合节点分解为基本节点和/或复合节点,直至所有叶节点均为基本节点;
S5.在位于所述森林状结构的同一层、且空间位置相连的两个节点间添加边,并在所述边上添加所述关系矩阵。
下面对上述各步骤加以详细说明。
S1.选取代表性片以及被所述代表性片代表的图像区域,建立基本节点;本实施例中,所述步骤S1进一步包括:
S11.将图像中所有像素按照梯度值排序;
S12.在尚未被任何代表性片代表的区域内,在梯度值最小(如有多个梯度值相同的,则随机取其中一个)的位置生成一个例如13×13的代表性片;
之后,还可以通过公式:
将所述代表性片的中心移动到xnew;从而能够使得代表性片包含更多可能的最接近的结构信息;其中,z表示代表性片Px中的像素位置,gz表示z位置处的梯度值。
S13.对于任意一个尚未被任何代表性片代表的像素,判断将以该像素为中心的图像片(例如13×13的像素片)能否被所述步骤S12中生成的代表性片代表;
优选的,所述步骤S13进一步包括:
对于任意一个尚未被任何代表性片代表的像素,将以该像素为中心的图像片与所述步骤S12中生成的代表性片在Lab颜色空间进行欧拉距离计算;计算得到的欧拉距离不大于阈值的图像片则能够被所述步骤S12中生成的代表性片代表;
为了使得代表性片在纹理较为复杂的区域(如墙,树叶等)具有更好的容错能力,从而提高片网模型的抽象表达力,本实施例中采用如下的自适应的阈值δx,y来判断某图像片能否被被代表性片所代表;即:
其中,k=2,α=0.5,C(x,y)为所述图像片的平均颜色。欧拉距离大于上述阈值的图像片,则认为该图像片不能被所述步骤S12中生成的代表性片代表;否则,则认为该图像片能够被所述步骤S12中生成的代表性片代表。
S14.重复步骤S12-S13直至图像中所有像素被代表性片代表。最后,可以根据所有代表性片本身的相似关系以及所代表的图像区域位置进行合并处理;例如,代表的图像区域重叠30%以上,并且代表性片的距离小于500(Lab颜色空间上的欧拉距离),则将两个代表性片所代表的图像区域合并,并取原代表图像区域面积最大的代表性片作为新的代表性片。
S2.根据空间连接关系,将图像区域面积小于预设值的基本节点组合成为复合节点;例如,将图像区域面积小于所述图像的总面积的10%的基本节点根据空间连接关系组合成复合节点,复合节点不包括代表性片,复合节点的图像区域为其包含的基本节点的图像区域之和。
S3.将所述复合节点以及图像区域面积超出所述预设值的基本节点作为所述森林状结构的第一层;例如,将图像区域面积大于所述图像总面积的10%的基本节点以及所述步骤S2中得到的复合节点作为所述森林状结构的最高层(第一层)的节点。
S4.将所述复合节点分解为基本节点和/或复合节点,直至所有叶节点均为基本节点;例如,对于某一个复合节点,首先遍历其所包含的所有基本节点(通过图像区域的覆盖关系获得),如果某一基本节点与上一层的其它节点具有连接关系,则此基本节点直接作为从属该复合节点的子节点;剩余的与上一层节点无空间连接关系的基本节点,则根据空间相邻关系组成新的复合节点,作为从属原复合节点的子节点,并递归进行自身的展开,直至所有叶节点均为基本节点。
S5.根据各节点的图像区域的相邻接关系,在位于所述森林状结构的同一层、且空间位置相连的两个节点间添加边(边不存在于不同层次的节点之间),并在所述边上添加所述关系矩阵。本实施例中,计算关系矩阵中任意元素M(i,j)的方式如下:
例如,一个边连接的两个节点分别为节点A和节点B,表示相对位置关系的矩阵可以为5*5的关系矩阵M;对于节点A中的每一个像素,统计该像素的(i-2,j-2)方位处是否有B节点所包含的像素出现;若有,则M(i,j)计数加1;然后通过统计计数,最终对M中所有元素归一化到(0,1)区间,得到最终的关系矩阵,从而完成了片网模型的构建。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的保护范畴。
Claims (6)
1.一种构建片网模型的方法,其特征在于,包括步骤:
S1.选取代表性片以及被所述代表性片代表的图像区域,建立基本节点;
S2.根据空间连接关系,将图像区域面积小于预设值的基本节点组合成为复合节点;
S3.将所述复合节点以及图像区域面积超出所述预设值的基本节点作为森林状结构的第一层;
S4.将所述复合节点分解为基本节点和/或复合节点,直至所有叶节点均为基本节点;
S5.在位于所述森林状结构的同一层、且空间位置相连的两个节点间添加边,并在所述边上添加所述关系矩阵;
其中,所述片网模型为由若干个复合节点以及基本节点组成的森林状结构,每个所述复合节点均为非叶节点,每个所述基本节点均为叶节点;
所述基本节点包括图像的某片区域以及代表该片区域表观特征的代表性片;所述复合节点包括图像的某片区域并且可以进一步分解为基本节点和/或复合节点;
位于所述森林状结构的同一层、且空间位置相连的两个节点间存在一条边,边上具有用于表示这两个节点空间相对位置的关系矩阵;
所述关系矩阵中的每个元素的值均被归一化到0~1,代表所述边连接的一个节点中的像素位于另一节点的特定相对位置的概率;
所述关系矩阵为5×5矩阵。
2.根据权利要求1所述的片网模型构建方法,其特征在于,所述步骤S1进一步包括:
S11.将图像中所有像素按照梯度值排序;
S12.在尚未被任何代表性片代表的区域内梯度值最小的位置生成一个代表性片;
S13.对于任意一个尚未被任何代表性片代表的像素,判断将以该像素为中心的图像片能否被所述步骤S12中生成的代表性片代表;
S14.重复步骤S12-S13直至图像中所有像素被代表性片代表。
3.根据权利要求2所述的片网模型构建方法,其特征在于,所述步骤S12与步骤S13之间还包括:
根据公式将所述代表性片的中心移动到xnew;
其中,z表示代表性片Px中的像素位置,gz表示z位置处的梯度值。
4.根据权利要求2或3所述的片网模型构建方法,其特征在于,所述步骤S13进一步包括:
对于任意一个尚未被任何代表性片代表的像素,将以该像素为中心的图像片与所述步骤S12中生成的代表性片在Lab颜色空间进行欧拉距离计算;
计算得到的欧拉距离不大于阈值的图像片则被所述步骤S12中生成的代表性片代表。
5.根据权利要求1所述的片网模型构建方法,其特征在于,所述步骤S2以及步骤S3中预设值是所述图像的总面积的10%。
6.根据权利要求1所述的片网模型构建方法,其特征在于,所述步骤S5中,计算关系矩阵中任意元素M(i,j)的方式如下:
对于所述边连接的一个节点的每个像素,统计该像素的(i-2,j-2)方位处是否有另一节点的像素出现,若有,则M(i,j)计数加1;
通过统计计数,最终将得到的矩阵中的每个元素归一化到(0,1)区间。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310403210.0A CN103500176B (zh) | 2013-09-06 | 2013-09-06 | 片网模型及其构建方法 |
US14/916,982 US9836880B2 (en) | 2013-09-06 | 2013-12-25 | Patch net model and construction method thereof |
PCT/CN2013/090460 WO2015032162A1 (zh) | 2013-09-06 | 2013-12-25 | 片网模型及其构建方法 |
EP13893065.6A EP3043270B1 (en) | 2013-09-06 | 2013-12-25 | Patchnet model and building method therefor |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310403210.0A CN103500176B (zh) | 2013-09-06 | 2013-09-06 | 片网模型及其构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103500176A CN103500176A (zh) | 2014-01-08 |
CN103500176B true CN103500176B (zh) | 2016-08-31 |
Family
ID=49865387
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310403210.0A Active CN103500176B (zh) | 2013-09-06 | 2013-09-06 | 片网模型及其构建方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9836880B2 (zh) |
EP (1) | EP3043270B1 (zh) |
CN (1) | CN103500176B (zh) |
WO (1) | WO2015032162A1 (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102096816A (zh) * | 2011-01-28 | 2011-06-15 | 武汉大学 | 基于最小生成树的多尺度多层次影像分割方法 |
CN102375990A (zh) * | 2010-08-17 | 2012-03-14 | 富士通株式会社 | 图像处理方法和设备 |
CN102930246A (zh) * | 2012-10-16 | 2013-02-13 | 同济大学 | 一种基于点云片段分割的室内场景识别方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7403209B2 (en) * | 2004-03-24 | 2008-07-22 | Canon Kabushiki Kaisha | Rendering images containing video |
CN101425184B (zh) | 2008-10-30 | 2011-08-24 | 西安电子科技大学 | 基于第二代Bandelet域隐马尔科夫树模型的图像分割方法 |
US8406546B2 (en) | 2009-06-09 | 2013-03-26 | Sony Corporation | Adaptive entropy coding for images and videos using set partitioning in generalized hierarchical trees |
CN101944132B (zh) * | 2010-09-30 | 2013-07-24 | 武汉大学 | 一种瓦片地图数据组织方法 |
CN102509327B (zh) | 2011-09-30 | 2013-10-30 | 北京航空航天大学 | 一种图像空洞填补的多尺度全局采样方法 |
CN102831613B (zh) | 2012-08-29 | 2014-11-19 | 武汉大学 | 一种并行的分形网络演化影像分割方法 |
-
2013
- 2013-09-06 CN CN201310403210.0A patent/CN103500176B/zh active Active
- 2013-12-25 WO PCT/CN2013/090460 patent/WO2015032162A1/zh active Application Filing
- 2013-12-25 EP EP13893065.6A patent/EP3043270B1/en active Active
- 2013-12-25 US US14/916,982 patent/US9836880B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102375990A (zh) * | 2010-08-17 | 2012-03-14 | 富士通株式会社 | 图像处理方法和设备 |
CN102096816A (zh) * | 2011-01-28 | 2011-06-15 | 武汉大学 | 基于最小生成树的多尺度多层次影像分割方法 |
CN102930246A (zh) * | 2012-10-16 | 2013-02-13 | 同济大学 | 一种基于点云片段分割的室内场景识别方法 |
Non-Patent Citations (1)
Title |
---|
城市建筑点云的自适应分割方法;沈超慧 等;《计算机辅助设计与图形学学报》;20120229;第24卷(第2期);149-151 * |
Also Published As
Publication number | Publication date |
---|---|
CN103500176A (zh) | 2014-01-08 |
EP3043270A4 (en) | 2017-05-31 |
EP3043270A1 (en) | 2016-07-13 |
WO2015032162A1 (zh) | 2015-03-12 |
US9836880B2 (en) | 2017-12-05 |
US20160196686A1 (en) | 2016-07-07 |
EP3043270B1 (en) | 2018-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Teo et al. | BIM-oriented indoor network model for indoor and outdoor combined route planning | |
WO2017101277A1 (zh) | 一种基于互联网词频的城市认知地图生成方法 | |
CN102004963A (zh) | 一种数字城市生成方法及系统 | |
Li et al. | Application of virtual reality technology in analysis of the three-dimensional evaluation system of rural landscape planning | |
CN108320323A (zh) | 一种建筑物三维建模方法及装置 | |
Bellotti et al. | An architectural approach to efficient 3D urban modeling | |
Azman et al. | The perspective view of Malaysian industrialized building system (IBS) under IBS precast manufacturing | |
Bansal | Use of geographic information systems in spatial planning: A case study of an institute campus | |
Dai | Application of regional culture in landscape architecture design under the background of data fusion | |
CN106339985B (zh) | 一种从矢量房屋数据中选取镶嵌线对航空影像镶嵌的方法 | |
Wang et al. | Cross-domain function analysis and trend study in Chinese construction industry based on patent semantic analysis | |
Wang | Artificial Intelligence in the Protection and Inheritance of Cultural Landscape Heritage in Traditional Village | |
CN109189871A (zh) | 一种建筑物室内路径规划的方法和装置 | |
CN103500176B (zh) | 片网模型及其构建方法 | |
Kang et al. | Renaissance of the Ruins‒Give Modern Functionality to Rural Architectural Relics | |
KR101063827B1 (ko) | 한국토지정보시스템 연속지적도와 수치지형도의 기하학적 지도 변환을 위한 반자동화된 공액점 쌍 추출방법 | |
CN109615691B (zh) | 积木模型生成系统 | |
Bansal et al. | Assessing the role of urban design in a rapidly urbanizing historical city and its contribution in restoring its urban ecology: the case of Varanasi, India | |
Solomon | Hong Kong–aformal urbanism | |
Jain | Understanding Live-Work Relationship'Synapse Tower' | |
Bayındır | Integration of industrial heritage areas into the city through urban design: The case of Sümerbank Nazilli Textile Factory Campus | |
Wilson | The Spatial Distribution of Public City Parks in Toledo, Ohio | |
Kaewtawee et al. | Shophouse Façades on Ratchadamnoen Road in Southern Thailand: A Taxonomic Study to Produce a Dataset for AI modelling | |
Cai et al. | Research on Modern Architecture Culture of Harbin based on Memes | |
Fuli | Development of Industrial Heritage Products under the Background of “Internet+” |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |