CN120219552B - 一种基于相似性推荐的居住区景观平面图生成方法、系统、终端及存储介质 - Google Patents

Abstract

本发明涉及图像处理技术领域，公开了一种基于相似性推荐的居住区景观平面图生成方法、系统、终端及存储介质，所述方法包括：景观方案推荐模型对建筑节点连接图进行相似性分析，输出参考方案全节点连接图；设计布局生成模型根据参考方案全节点连接图、生成方案建筑节点图和生成方案边界条件图进行设计布局，得到生成方案景观要素布局图；景观方案生成模型对生成方案景观要素布局图进行风格化处理，得到生成方案景观平面效果图。本发明基于相似性推荐技术，快速筛选出最适合当前需求的布局数据，并在此基础上进行场地适应性调整，最终生成符合实际需求的景观平面布局图，有效降低数据集数量对生成质量的影响，提高了景观设计的工作效率。

Description

一种基于相似性推荐的居住区景观平面图生成方法、系统、终 端及存储介质

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于相似性推荐的居住区景观平面图生成方法、系统、终端及计算机可读存储介质。

背景技术

在快速发展的城市化进程中，景观设计作为改善人居环境、提升城市品质的重要手段，受到了广泛关注。传统景观设计作为一种历史悠久的设计方式，其流程和方法在长期实践中逐渐形成并不断完善。然而，随着社会需求的多样化、生态环境保护意识的增强以及现代科技的快速发展，传统景观设计流程逐渐显现出一些劣势，难以完全满足现代社会对景观设计的高要求。在数字化技术飞速发展的背景下,传统景观设计流程的劣势愈发明显，比如设计效率低下、设计流程缺乏灵活性等。现代景观设计正逐渐向数字化、智能化方向发展。

机器学习在建筑领域发展迅速，但对景观设计的探索却很少。作为与建筑息息相关的要素，景观设计是一项独特而关键的设计任务，涉及元素位置的协调和景观感知空间的构建等设计问题。目前，通过参数化建模工具绘制独特的最优方案，但无法独立生成设计；生成式对抗网络（GAN ，Generative Adversarial Network）模型通过监督式学习实现公园方案的端到端式生成，例如使用pix2pix（Image-to-Image Translation withConditional Adversarial Networks，基于条件GAN的图像到图像转换）和CycleGAN（Cycle-Consistent Adversarial Networks，无配对数据的图像到图像转换）实现以简单草图为基础的中小规模公园绿地自动化设计，例如使用pix2pix从简单的草图生成小型住宅花园平面，但需要对模型提供简单的设计草图，无法完全自主地进行平面方案的生成。

由于数据限制，机器学习在景观设计领域的应用仍处于初步阶段，景观方案中复杂的空间布局使得高质量数据集的收集和标注变得困难。

因此，现有技术还有待于改进和发展。

发明内容

本发明的主要目的在于提供一种基于相似性推荐的居住区景观平面图生成方法、系统、终端及计算机可读存储介质，旨在解决现有技术中基于机器学习在进行景观设计时无法完全自主地进行平面方案的生成，无法生成符合实际需求的景观平面布局图的问题。

为实现上述目的，本发明提供一种基于相似性推荐的居住区景观平面图生成方法，所述基于相似性推荐的居住区景观平面图生成方法包括如下步骤：

获取目标居住区的建筑节点连接图，将所述建筑节点连接图输入到景观方案推荐模型，所述景观方案推荐模型对所述建筑节点连接图进行相似性分析，并根据相似性分析结果输出参考方案全节点连接图；

获取生成方案建筑节点图和生成方案边界条件图，将所述参考方案全节点连接图、所述生成方案建筑节点图和所述生成方案边界条件图输入到设计布局生成模型，所述设计布局生成模型根据所述参考方案全节点连接图、所述生成方案建筑节点图和所述生成方案边界条件图进行设计布局，得到生成方案景观要素布局图；

将所述生成方案景观要素布局图输入到景观方案生成模型，所述景观方案生成模型对所述生成方案景观要素布局图进行风格化处理，得到所述目标居住区的生成方案景观平面效果图。

可选地，所述的基于相似性推荐的居住区景观平面图生成方法，其中，所述获取目标居住区的建筑节点连接图，将所述建筑节点连接图输入到景观方案推荐模型，所述景观方案推荐模型对所述建筑节点连接图进行相似性分析，并根据相似性分析结果输出参考方案全节点连接图，具体包括：

获取目标居住区的生成方案建筑节点连接图和多个参考方案建筑节点连接图，并输入到基于相似性推荐的景观方案推荐模型；

所述景观方案推荐模型使用图卷积网络将所述生成方案建筑节点连接图与每个所述参考方案建筑节点连接图分别编码为低维嵌入向量，并利用注意力机制计算节点间的匹配权重，得到所述生成方案建筑节点连接图与每个所述参考方案建筑节点连接图之间的相似性分数，并输出相似性分数最高的参考方案对应的参考方案全节点连接图。

可选地，所述的基于相似性推荐的居住区景观平面图生成方法，其中，所述景观方案推荐模型的训练过程包括：

使用随机图模型随机生成图对数据，构建原始数据集A，收集建筑布局的居住小区卫星图像，构建原始数据集B；

通过结合图编辑操作和启发式搜索，计算所述原始数据集A中每对图之间的图编辑距离，所述图编辑距离用于衡量两个图在结构上的相似度；

对所述原始数据集B进行预处理和划分，分别获得景观方案推荐模型的生成方案数据集与参考方案数据集；

通过全局标签集合生成节点特征，将每个节点的标签转换为固定维度的二进制向量，将原始边列表转换为对称邻接矩阵，并表示为无向图，对图编辑距离进行归一化处理，通过指数函数转换，将数据映射到预设区间，作为相似度的真值，输入到景观方案推荐模型的数据包括两个图的节点特征矩阵、邻接矩阵以及目标值；

使用多层图卷积网络对每个输入图中的节点进行表示学习，生成节点级嵌入；

在获取每个节点的嵌入之后，通过注意力机制将节点嵌入聚合为一个代表整个图的全局表示，用于捕捉图的整体结构信息；

将两个图中对应节点的嵌入进行对比，获得节点配对相似度矩阵，并计算节点配对相似度矩阵的直方图，通过张量积操作结合每个图的图级嵌入和节点级表示，获得一个特征向量；

通过全连接层根据直方图和特征向量进行预测，输出归一化相似度得分；

其中，所述景观方案推荐模型的损失函数采用均方误差，优化过程采用Adam算法。

可选地，所述的基于相似性推荐的居住区景观平面图生成方法，其中，所述预处理包括：空间标准化、特征提取与规范化、以及边界条件图与节点连接图创建。

可选地，所述的基于相似性推荐的居住区景观平面图生成方法，其中，所述对所述原始数据集B进行预处理，具体包括：

对所述原始数据集B中的所有图形数据进行空间标准化，将所有平面图转换为统一的坐标系，并根据设定的标准比例进行缩放，以使得不同设计方案的空间尺度一致；

对所述原始数据集B中每个平面图使用SegNet语义分割模型进行分割，获取每张平面图的景观设计要素分布，对除场地边界以外的所有要素进行规范化处理，并通过计算每个要素的几何中心点代表对应的每个要素，以消除不同方案之间的绘图差异；

提取所述原始数据集B中的场地边界数据，并分析建筑物与场地边界的空间关系，获得边界条件图，根据不同要素之间的邻接关系，对各要素节点分别创建全节点连接图和建筑节点连接图；

所述生成方案数据集包括：每个方案的方案图、边界条件图与建筑节点连接图；

所述参考方案数据集包括：每个方案的方案图、全节点连接图与建筑节点连接图。

可选地，所述的基于相似性推荐的居住区景观平面图生成方法，其中，所述设计布局生成模型根据所述参考方案全节点连接图、所述生成方案建筑节点图和所述生成方案边界条件图进行设计布局，得到生成方案景观要素布局图，具体包括：

删除参考方案全节点连接图中的建筑节点、出入口节点以及相关连接线，补充生成方案的建筑节点和出入口节点，获得生成方案全节点连接图；

基于生成方案全节点连接图与生成方案边界条件图进行位置匹配、节点位置调整和要素绘制，绘制得到生成方案景观要素布局图。

可选地，所述的基于相似性推荐的居住区景观平面图生成方法，其中，所述景观方案生成模型的训练过程包括：

使用爬虫工具根据预设关键词进行数据爬取，对爬取得到的数据进行清洗，剔除重复、不完整和不相关的图片，得到居住区景观平面图的原始数据集C，原始数据集C包括平面图与标签文本；

对所有平面图进行格式化处理，对平面图的内容进行文本标签标注，去除标签文本中的无关信息以及噪音，得到处理后的数据集C；

使用稳定扩散模型和低秩适配模型组合得到景观方案生成模型；

使用处理后的数据集C作为训练数据集，保留稳定扩散模型的原始权重，在稳定扩散模型的关键层中插入低秩矩阵，并冻结原始的预训练权重，对低秩矩阵进行训练；

在训练过程中，使用梯度下降优化算法对低秩矩阵进行优化，以最小化损失函数，根据任务的复杂性设置学习率和批次大小；

按照居住区景观平面方案设计要求，使用训练好的景观方案生成模型，生成符合需求的生成方案景观平面效果图。

此外，为实现上述目的，本发明还提供一种基于相似性推荐的居住区景观平面图生成系统，其中，所述基于相似性推荐的居住区景观平面图生成系统包括：

景观方案推荐模型，用于对建筑节点连接图进行相似性分析，并根据相似性分析结果输出参考方案全节点连接图；

设计布局生成模型，用于根据参考方案全节点连接图、生成方案建筑节点图和生成方案边界条件图进行设计布局，得到生成方案景观要素布局图；

景观方案生成模型，用于对生成方案景观要素布局图进行风格化处理，得到目标居住区的生成方案景观平面效果图。

此外，为实现上述目的，本发明还提供一种终端，其中，所述终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于相似性推荐的居住区景观平面图生成程序，所述基于相似性推荐的居住区景观平面图生成程序被所述处理器执行时实现如上所述的基于相似性推荐的居住区景观平面图生成方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有基于相似性推荐的居住区景观平面图生成程序，所述基于相似性推荐的居住区景观平面图生成程序被处理器执行时实现如上所述的基于相似性推荐的居住区景观平面图生成方法的步骤。

本发明中，获取目标居住区的建筑节点连接图，将所述建筑节点连接图输入到景观方案推荐模型，所述景观方案推荐模型对所述建筑节点连接图进行相似性分析，并根据相似性分析结果输出参考方案全节点连接图；获取生成方案建筑节点图和生成方案边界条件图，将所述参考方案全节点连接图、所述生成方案建筑节点图和所述生成方案边界条件图输入到设计布局生成模型，所述设计布局生成模型根据所述参考方案全节点连接图、所述生成方案建筑节点图和所述生成方案边界条件图进行设计布局，得到生成方案景观要素布局图；将所述生成方案景观要素布局图输入到景观方案生成模型，所述景观方案生成模型对所述生成方案景观要素布局图进行风格化处理，得到所述目标居住区的生成方案景观平面效果图。本发明基于相似性推荐技术，快速从已有的设计方案中筛选出最适合当前需求的布局数据，并在此基础上进行场地适应性调整，最终生成符合实际需求的景观平面布局图，有效降低数据集数量对生成质量的影响，提高了景观设计的工作效率。

附图说明

图1是本发明基于相似性推荐的居住区景观平面图生成方法的较佳实施例的流程图；

图2是本发明基于相似性推荐的居住区景观平面图生成方法的较佳实施例中数据计算过程的示意图；

图3是本发明基于相似性推荐的居住区景观平面图生成方法的较佳实施例中图编辑距离的示意图；

图4是本发明基于相似性推荐的居住区景观平面图生成方法的较佳实施例中居住区平面图语义分割结果的示意图；

图5是本发明基于相似性推荐的居住区景观平面图生成方法的较佳实施例中景观方案推荐模型训练过程的示意图；

图6是本发明基于相似性推荐的居住区景观平面图生成方法的较佳实施例中设计布局生成模型生成景观要素布局图的示意图；

图7是本发明基于相似性推荐的居住区景观平面图生成方法的较佳实施例中进行节点匹配、边界约束计算和生成要素布局图的示意图；

图8是本发明基于相似性推荐的居住区景观平面图生成方法的较佳实施例中景观方案生成模型的网络结构示意图；

图9为本发明终端的较佳实施例的结构图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明较佳实施例所述的基于相似性推荐的居住区景观平面图生成方法，如图1和图2所示，所述基于相似性推荐的居住区景观平面图生成方法包括以下步骤：

步骤S10、获取目标居住区的建筑节点连接图，将所述建筑节点连接图输入到景观方案推荐模型，所述景观方案推荐模型对所述建筑节点连接图进行相似性分析，并根据相似性分析结果输出参考方案全节点连接图。

步骤S20、获取生成方案建筑节点图和生成方案边界条件图，将所述参考方案全节点连接图、所述生成方案建筑节点图和所述生成方案边界条件图输入到设计布局生成模型，所述设计布局生成模型根据所述参考方案全节点连接图、所述生成方案建筑节点图和所述生成方案边界条件图进行设计布局，得到生成方案景观要素布局图。

步骤S30、将所述生成方案景观要素布局图输入到景观方案生成模型，所述景观方案生成模型对所述生成方案景观要素布局图进行风格化处理，得到所述目标居住区的生成方案景观平面效果图。

如图2所示，本发明基于相似性推荐的居住区景观平面图生成方法的过程由三部分组成，具体如下：

一是基于相似性推荐的景观方案推荐模型，输入数据为目标居住区的建筑节点连接图（生成方案建筑节点连接图和多个参考方案建筑节点连接图），景观方案推荐模型使用图卷积网络（Graph Convolutional Networks，GCN）将生成方案建筑节点连接图与每个参考方案建筑节点连接图分别编码为低维嵌入向量，并利用注意力机制计算节点间的匹配权重，实现两节点连接图的相似性度量，得到生成方案建筑节点连接图与每个参考方案建筑节点连接图之间的相似性分数，并输出最相似（即预测分数最高）的参考方案对应的参考方案全节点连接图。

二是居住区景观方案的设计布局生成模型，设计布局生成模型以景观方案推荐模型输出的参考方案全节点连接图、生成方案边界条件图与生成方案建筑节点连接图作为输入数据，经过边界调整、节点-要素转换等操作获得包含出入口位置、建筑物位置、道路、公共绿地、入口广场5种设计要素的生成方案景观要素布局图。

三是基于stable diffusion（稳定扩散）+ Lora（Low-Rank Adaptation低秩适配）的景观方案生成模型，景观方案生成模型以设计布局生成模型输出的生成方案景观要素布局图作为输入，使用“Residential area plan（居住区平面图）”、“landscape plan（景观平面图）”等作为引导词，结合训练好的Lora模型对输入数据进行风格化处理，获得包含植物排布、道路草地纹理等更丰富设计细节的生成方案景观平面效果图。

（1）、基于相似性推荐的景观方案推荐模型的模型训练和数据处理如下：

1）、数据集准备：

景观方案推荐模型的数据集分为两部分：用于训练模型的原始数据集A（图对数据）与原始数据集B（居住小区卫星图）。

使用随机图模型（例如埃尔德什-雷尼随机图模型）随机生成图对数据构建原始数据集A，每个图的节点数在5~16，边的连接概率在0.4~0.7。生成的图保证是连通的，避免出现孤立的节点，确保后续图编辑距离（Graph Edit Distance，GED）计算的有效性。

通过收集建筑布局的居住小区卫星图像构建原始数据集B，该原始数据集B来源于原始的卫星图，确保收集的数据为统一绘制比例并且包含较为完整的景观设计布局，便于后续数据标记与处理。

2）、数据集处理：

对原始数据集A计算每对图之间的图编辑距离（GED），该距离衡量了两个图在结构上的相似度（图3表示图编辑距离示意图，如图3所示，操作分别为删除→增补→重映射）。以启发式优化算法快速估计最小编辑操作次数（包括节点、边的增删与重映射），通过结合图编辑操作和启发式搜索来近似计算图编辑距离，在避免穷举所有可能的情况下，快速找到较优解，取首次迭代结果作为图对的GED标签。最终数据集A为11000个已经添加GED数据的图对文件，每个图对文件包括两个图（使用埃尔德什-雷尼随机图模型生成的是图对数据，即一个文件中会有两个图的信息，这里的两个图即为一个图对文件内的两个在数据集准备阶段生成的随机图）的graph（边列表）、label（节点度）以及图对的GED数据。

对原始数据集B进行预处理和划分，分别获得景观方案推荐模型的生成方案数据集与参考方案数据集。生成方案数据集主要为景观设计预设信息，包括从景观方案中提取的建筑、入口和场地边界，参考方案数据集侧重提取景观方案中的功能性要素，主要包括建筑、道路、公共绿地、广场等。

原始数据集B的数据预处理具体操作如下：

a、空间标准化：为了确保所有设计方案能够在统一的坐标系下进行比较与计算，需要对所有图形数据进行空间标准化。所有平面图将被转换为统一的坐标系，并根据设定的标准比例进行缩放，使得不同设计方案的空间尺度一致。

b、特征提取与规范化：首先，对原始数据集B中逐个图片使用SegNet语义分割模型（SegNet 是一种深度全卷积神经网络结构，是一种用于图像语义分割的模型）进行分割，获取每张平面图的景观设计要素分布。然后，对除场地边界以外的所有要素进行规范化处理，并通过计算每个要素的几何中心点来代表该要素，消除不同方案之间的绘图差异。

居住区平面图包含场地边界、出入口位置、建筑物位置、道路、公共绿地、出入口广场，如图4所示。

c、创建边界条件图与节点连接图：首先，通过提取场地边界数据，并分析建筑物与场地边界的空间关系，获得边界条件图。然后，根据不同要素之间的邻接关系，对计算所得的各要素节点分别创建全节点连接图、建筑节点连接图。其中，广场、绿地以8m*8m的矩形进行分割，提取分割后的矩形节点作为广场节点与公共绿地节点。

最终，生成方案数据集包含数据集内每个方案的方案图、边界条件图与建筑节点连接图数据（建筑节点连接图数据指的是上面获得的建筑节点连接图），参考方案数据集包含数据集内每个方案的方案图、全节点连接图与建筑节点连接图数据。

3）、模型构建与训练：

如图5所示，在训练阶段，以图神经网络（Graph Neural Network，GNN）为基础构建相似度图神经网络（即simGNN模型），该simGNN模型以图编辑距离（GED）数据作为监督，通过图卷积网络（Graph Convolutional Networks，GCN）、注意力机制（Attention Mechanism，ATT）、神经张量网络（Neural Tensor Network，NTN）和节点比较等技术，实现相似性度量。

a、输入特征构建：

相似度图神经网络通过全局标签集合生成节点特征，采用one-hot编码方式将每个节点的标签转换为固定维度的二进制向量，确保语义信息的结构化表达；将原始边列表转换为对称邻接矩阵，并表示为无向图；对原始图编辑距离（GED）数据进行归一化处理，通过指数函数转换，将数据映射到(0，1]区间，作为相似度的真值。

最终输入包含两个图的节点特征矩阵、邻接矩阵以及目标值。

b、模型架构设计（如图5所示）：

b1、节点特征提取：

使用多层图卷积网络（GCNs）对每个输入图中的节点进行表示学习，生成节点级嵌入。

每个图均通过独立的图卷积网络（GCN）进行处理，GCN通过节点的邻接关系传递信息，逐步更新每个节点的嵌入表示，这些节点嵌入捕捉了节点的局部结构信息。输入图共享相同的GCN参数（指在处理不同的图时，所有图使用相同的权重和偏置参数来进行卷积计算，是图卷积网络的参数），确保特征空间的一致性。

b2、图级表示生成：

在获取每个节点的嵌入之后，模型通过注意力机制（ATT）将节点嵌入聚合为一个能够代表整个图的全局表示，可以捕捉图的整体结构信息。

通过对节点级嵌入与节点注意力权重进行加权求和，得到整个图的嵌入。

b3、图间相似性计算：

图间相似性计算主要包括节点级别的配对比较和神经张量网络两部分内容。

节点级的配对比较通过将两个图中对应节点的嵌入进行对比，获得节点配对相似度矩阵，并计算该矩阵的直方图；神经张量网络通过张量积操作结合每个图的图级嵌入和节点级表示，获得一个特征向量。

b4、预测相似度：

通过全连接层将获得的直方图和特征向量进行进一步处理，通过sigmoid函数输出归一化相似度得分y（即预测分数），y∈[0，1]。

模型损失函数采用均方误差（MSE）。优化过程采用Adam算法，初始学习率为0.001，并实施每50轮衰减30%的渐进式策略，以平衡收敛速度与稳定性。

（2）、居住区景观方案设计布局生成模型的数据处理如下（如图6所示）：

1）、获取生成方案全节点连接图：

根据最相似推荐方案进行生成方案全节点连接图的计算。首先，删除获得的参考方案全节点连接图中的建筑节点、出入口节点以及相关的连接线；然后，补充生成方案的建筑节点、出入口节点，获得生成方案的全节点连接图。

2）、获取要素布局图：

基于获得的生成方案的全节点连接图与生成方案的边界条件图进行要素布局图的绘制。

首先，根据建筑节点与边界条件图中建筑单元的对应关系将生成方案全节点连接图与边界条件图进行位置匹配，结果如图7中的（a）所示。对匹配后的结果需要进行下列处理：

a、节点位置调整：

按照相关设计规范规定，统一设定建筑单元入口侧5m、非入口面3m、山墙面2m范围内禁止设置道路、公共绿地、广场等要素，成为建筑边界约束线。根据建筑边界约束线，对道路节点、道路连接线广场节点、公共绿地节点进行部分删除操作，沿建筑边界约束线补充建筑节点与道路系统的连接。

根据场地红线边界，对边界外的广场节点、公共绿地节点进行删除；为保证道路系统的完整性，将边界外的道路节点调整至边界内部，调整规则为：记边界外节点a，计算边界红线距离点a最近的节点b，将节点a沿a→b方向移动2倍线段ab的距离，得到节点调整图。边界约束计算结果如图7中的（b）所示。

b、要素布局图绘制：

根据相关设计规定，设置居住区平面中主要道路宽度参照小区路8m，次要道路参考组团路尺寸4m。绿地、广场的绘制以每个节点代表8m*8m的面积进行绘制。最后，以建筑单元、道路、公共绿地、广场的顺序进行绘制，获得完整的居住区要素布局图绘制结果如图7中的（c）所示。

（3）、基于Stable Diffusion + Lora的景观方案生成模型的模型训练和数据处理如下：

1）、数据集准备：

使用爬虫工具对相关搜索引擎以“居住区景观平面图”、“小区景观平面图”“、居住区景观方案”为关键词进行数据爬取，对爬取所得数据清洗，剔除重复、不完整、不相关的图片，得到居住区景观平面图的原始数据集C。

2）、数据集处理：

处理后的数据集C包括平面图与标签文本。首先，对所有平面图进行格式化处理，统一尺寸为1024*1024，确保图像无变形且清晰，能够明确地表达方案中的景观设计内容。然后，对平面图的内容进行文本标签标注，去除标签文本中的无关信息以及可能的噪音，使标签文本能够清晰地描述景观设计的整体和局部的内容与风格。

3）、模型构建与训练：

设计方案生成模型采用Stable Diffusion和Lora相结合的架构，StableDiffusion模型和Lora模型组合得到景观方案生成模型，因为直接训练SD模型对数据量和算力要求都比较高，所以通过训练Lora轻量级微调模型对SD大模型进行微调（间接训练），以实现高效的图像生成任务。Stable Diffusion作为基础模型，引入Lora技术对模型进行适应性微调，使模型更加适应居住区景观平面图上的表现，同时减小训练的计算成本。设计方案生成模型的网络结构示意如图8所示。

如图8所示，z，zt，zt-1为不同时间步长下的潜在表示，“zt”表示当前的潜在状态，“zt-1”表示前一个时间步的潜在状态；Q、K和V分别表示查询（Query，Q）、键（Key，K）和值（Value，V）；A、B表示权重矩阵；在模型进行生成时，初始图像通过VAE编码器转化为潜在特征z，在潜在特征z中添加高斯噪声进行扩散过程，形成噪声图像zt。提示词通过文本编码器获得文本嵌入∂。去噪过程结合文本嵌入∂与噪声图像zt通过多次迭代逐步去除噪声，获得去噪后的潜在特征zt-1。ControlNet（条件控制网络）可以根据预处理后的条件信息c进一步控制图像生成过程。最后，去噪后的潜在噪声zt-1通过VAE解码器重建为像素级图像，完成基于初始图像和提示词的图像生成。

a、模型训练：

Lora模型训练的原理是通过在现有预训练模型的基础上进行适应性微调来提升特定任务的性能，通过引入低秩矩阵来高效地对大模型进行微调，避免了完整训练所需的巨大计算和存储成本。

模型以处理后的数据集C作为训练数据集，选择适合景观类任务的预训练大模型作为基础，保留其原始权重。在基础模型的关键层中插入低秩矩阵，并冻结原始的预训练权重，进队低秩矩阵进行训练。

训练过程中，使用梯度下降优化算法（Adam算法）对低秩矩阵进行优化，以最小化损失函数，提高生成图像的质量；根据任务的复杂性设置合适的学习率和批次大小，确保训练过程的稳定性和效率。在训练配置方面，方法将训练步数控制在4000-15000步之间，同时每张图片的训练采样次数控制在20-50次之间。

b、居住区景观平面方案生成：

使用获得的Lora模型进行居住区景观平面方案的生成。按照居住区景观平面方案设计要求，选择合适的景观类大模型，结合训练好的Lora模型及各项模型默认的参数推荐值，生成符合需求的居住区景观平面图。默认预设参数（SD模型使用时的参数）主要包括：正反向引导词、采样方法、尺寸、提示词引导系数以及随机数种子等。

在模型训练过程中，固定随机数种子，使用图表筛选出表现优异的模型迭代步数与Lora模型权重值。通过分析不同权重和步数下模型的表现，选择最佳的参数配置，确保生成的居住区景观平面图不仅符合设计要求，还能在视觉效果和空间布局上达到理想的标准。

通过Lora模型训练与居住区景观平面方案生成两个步骤，模型可以实现基于Stable Diffusion的高效景观平面图生成过程。在Lora的微调下，模型能够在数据量较少的情况下快速适应景观平面图数据集，并在生成任务中展现出较高的质量与效率。

本发明使用基于相似性推荐的方法进行居住区景观平面图的生成，高效利用小样本、高质量的居住区景观方案，学习推荐方案中的各种景观要素的分布、适应场地边界，实现基于小样本的居住区景观平面生成。本发明基于相似性推荐技术，快速从已有的设计方案中筛选出最适合当前需求的布局数据，并在此基础上进行场地适应性调整，最终生成符合实际需求的景观平面布局图。

本发明创新的关键点和有益效果：

（1）、本发明突破景观领域传统端-端式生成的局限，有机结合推荐、调整、风格化处理三个关键步骤，整合为连贯的设计生成方法，设计并实现了基于相似性推荐的居住区景观平面图生成方法，有效降低数据集数量对生成质量的影响。

（2）、本发明将居住区景观平面图中的设计条件与设计要素转化为合理的图结构，进而利用图神经网络模型评估设计条件之间的相似性，针对不同的设计条件给出当前最优的景观设计方案。

（3）、本发明引入规则化的节点调整和要素绘制，确保生成的居住区景观平面图符合空间、功能等需求，增加生成结果的规范性和可执行性；同时借助生成模型提高视觉效果，提高了景观设计的工作效率。

进一步地，如图2所示，基于上述基于相似性推荐的居住区景观平面图生成方法，本发明还相应提供了一种基于相似性推荐的居住区景观平面图生成系统，其中，所述基于相似性推荐的居住区景观平面图生成系统包括：

景观方案推荐模型，用于对建筑节点连接图进行相似性分析，并根据相似性分析结果输出参考方案全节点连接图；

设计布局生成模型，用于根据参考方案全节点连接图、生成方案建筑节点图和生成方案边界条件图进行设计布局，得到生成方案景观要素布局图；

景观方案生成模型，用于对生成方案景观要素布局图进行风格化处理，得到目标居住区的生成方案景观平面效果图。

进一步地，如图9所示，基于上述基于相似性推荐的居住区景观平面图生成方法和系统，本发明还相应提供了一种终端，所述终端包括处理器10、存储器20及显示器30。图9仅示出了终端的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。

所述存储器20在一些实施例中可以是所述终端的内部存储单元，例如终端的硬盘或内存。所述存储器20在另一些实施例中也可以是所述终端的外部存储设备，例如所述终端上配备的插接式硬盘，智能存储卡（Smart Media Card， SMC），安全数字（SecureDigital， SD）卡，闪存卡（Flash Card）等。进一步地，所述存储器20还可以既包括所述终端的内部存储单元也包括外部存储设备。所述存储器20用于存储安装于所述终端的应用软件及各类数据，例如所述安装终端的程序代码等。所述存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器20上存储有基于相似性推荐的居住区景观平面图生成程序40，该基于相似性推荐的居住区景观平面图生成程序40可被处理器10所执行，从而实现本申请中基于相似性推荐的居住区景观平面图生成方法。

所述处理器10在一些实施例中可以是一中央处理器（Central Processing Unit，CPU），微处理器或其他数据处理芯片，用于运行所述存储器20中存储的程序代码或处理数据，例如执行所述基于相似性推荐的居住区景观平面图生成方法等。

所述显示器30在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。所述显示器30用于显示在所述终端的信息以及用于显示可视化的用户界面。所述终端的处理器10、存储器20及显示器30通过系统总线相互通信。

在一实施例中，当处理器10执行所述存储器20中基于相似性推荐的居住区景观平面图生成程序40时实现如上所述基于相似性推荐的居住区景观平面图生成方法的步骤。

本发明还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有基于相似性推荐的居住区景观平面图生成程序，所述基于相似性推荐的居住区景观平面图生成程序被处理器执行时实现如上所述的基于相似性推荐的居住区景观平面图生成方法的步骤。

综上所述，本发明提供一种基于相似性推荐的居住区景观平面图生成方法、系统、终端及计算机可读存储介质，所述方法包括：获取目标居住区的建筑节点连接图，将所述建筑节点连接图输入到景观方案推荐模型，所述景观方案推荐模型对所述建筑节点连接图进行相似性分析，并根据相似性分析结果输出参考方案全节点连接图；获取生成方案建筑节点图和生成方案边界条件图，将所述参考方案全节点连接图、所述生成方案建筑节点图和所述生成方案边界条件图输入到设计布局生成模型，所述设计布局生成模型根据所述参考方案全节点连接图、所述生成方案建筑节点图和所述生成方案边界条件图进行设计布局，得到生成方案景观要素布局图；将所述生成方案景观要素布局图输入到景观方案生成模型，所述景观方案生成模型对所述生成方案景观要素布局图进行风格化处理，得到所述目标居住区的生成方案景观平面效果图。本发明基于相似性推荐技术，快速从已有的设计方案中筛选出最适合当前需求的布局数据，并在此基础上进行场地适应性调整，最终生成符合实际需求的景观平面布局图，有效降低数据集数量对生成质量的影响，提高了景观设计的工作效率。

需要说明的是，在本文中，术语“包括”“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者终端中还存在另外的相同要素。

当然，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件（如处理器，控制器等）来完成，所述的程序可存储于一计算机可读取的计算机可读存储介质中，所述程序在执行时可包括如上述各方法实施例的流程。其中所述的计算机可读存储介质可为存储器、磁碟、光盘等。

应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (8)

1.一种基于相似性推荐的居住区景观平面图生成方法，其特征在于，所述基于相似性推荐的居住区景观平面图生成方法包括：

获取目标居住区的建筑节点连接图，将所述建筑节点连接图输入到景观方案推荐模型，所述景观方案推荐模型对所述建筑节点连接图进行相似性分析，并根据相似性分析结果输出参考方案全节点连接图；

所述获取目标居住区的建筑节点连接图，将所述建筑节点连接图输入到景观方案推荐模型，所述景观方案推荐模型对所述建筑节点连接图进行相似性分析，并根据相似性分析结果输出参考方案全节点连接图，具体包括：

获取目标居住区的生成方案建筑节点连接图和多个参考方案建筑节点连接图，并输入到基于相似性推荐的景观方案推荐模型；

所述景观方案推荐模型使用图卷积网络将所述生成方案建筑节点连接图与每个所述参考方案建筑节点连接图分别编码为低维嵌入向量，并利用注意力机制计算节点间的匹配权重，得到所述生成方案建筑节点连接图与每个所述参考方案建筑节点连接图之间的相似性分数，并输出相似性分数最高的参考方案对应的参考方案全节点连接图；

获取生成方案建筑节点图和生成方案边界条件图，将所述参考方案全节点连接图、所述生成方案建筑节点图和所述生成方案边界条件图输入到设计布局生成模型，所述设计布局生成模型根据所述参考方案全节点连接图、所述生成方案建筑节点图和所述生成方案边界条件图进行设计布局，得到生成方案景观要素布局图；

所述设计布局生成模型根据所述参考方案全节点连接图、所述生成方案建筑节点图和所述生成方案边界条件图进行设计布局，得到生成方案景观要素布局图，具体包括：

删除参考方案全节点连接图中的建筑节点、出入口节点以及相关连接线，补充生成方案的建筑节点和出入口节点，获得生成方案全节点连接图；

基于生成方案全节点连接图与生成方案边界条件图进行位置匹配、节点位置调整和要素绘制，绘制得到生成方案景观要素布局图；

将所述生成方案景观要素布局图输入到景观方案生成模型，所述景观方案生成模型对所述生成方案景观要素布局图进行风格化处理，得到所述目标居住区的生成方案景观平面效果图；

基于相似性推荐的方法进行居住区景观平面图的生成，高效利用小样本、高质量的居住区景观方案，学习推荐方案中的各种景观要素的分布、适应场地边界，实现基于小样本的居住区景观平面生成。

2.根据权利要求1所述的基于相似性推荐的居住区景观平面图生成方法，其特征在于，所述景观方案推荐模型的训练过程包括：

使用随机图模型随机生成图对数据，构建原始数据集A，收集建筑布局的居住小区卫星图像，构建原始数据集B；

通过结合图编辑操作和启发式搜索，计算所述原始数据集A中每对图之间的图编辑距离，所述图编辑距离用于衡量两个图在结构上的相似度；

对所述原始数据集B进行预处理和划分，分别获得景观方案推荐模型的生成方案数据集与参考方案数据集；

通过全局标签集合生成节点特征，将每个节点的标签转换为固定维度的二进制向量，将原始边列表转换为对称邻接矩阵，并表示为无向图，对图编辑距离进行归一化处理，通过指数函数转换，将数据映射到预设区间，作为相似度的真值，输入到景观方案推荐模型的数据包括两个图的节点特征矩阵、邻接矩阵以及目标值；

使用多层图卷积网络对每个输入图中的节点进行表示学习，生成节点级嵌入；

在获取每个节点的嵌入之后，通过注意力机制将节点嵌入聚合为一个代表整个图的全局表示，用于捕捉图的整体结构信息；

将两个图中对应节点的嵌入进行对比，获得节点配对相似度矩阵，并计算节点配对相似度矩阵的直方图，通过张量积操作结合每个图的图级嵌入和节点级表示，获得一个特征向量；

通过全连接层根据直方图和特征向量进行预测，输出归一化相似度得分；

其中，所述景观方案推荐模型的损失函数采用均方误差，优化过程采用Adam算法。

3.根据权利要求2所述的基于相似性推荐的居住区景观平面图生成方法，其特征在于，所述预处理包括：空间标准化、特征提取与规范化、以及边界条件图与节点连接图创建。

4.根据权利要求3所述的基于相似性推荐的居住区景观平面图生成方法，其特征在于，所述对所述原始数据集B进行预处理，具体包括：

对所述原始数据集B中的所有图形数据进行空间标准化，将所有平面图转换为统一的坐标系，并根据设定的标准比例进行缩放，以使得不同设计方案的空间尺度一致；

对所述原始数据集B中每个平面图使用SegNet语义分割模型进行分割，获取每张平面图的景观设计要素分布，对除场地边界以外的所有要素进行规范化处理，并通过计算每个要素的几何中心点代表对应的每个要素，以消除不同方案之间的绘图差异；

提取所述原始数据集B中的场地边界数据，并分析建筑物与场地边界的空间关系，获得边界条件图，根据不同要素之间的邻接关系，对各要素节点分别创建全节点连接图和建筑节点连接图；

所述生成方案数据集包括：每个方案的方案图、边界条件图与建筑节点连接图；

所述参考方案数据集包括：每个方案的方案图、全节点连接图与建筑节点连接图。

5.根据权利要求1所述的基于相似性推荐的居住区景观平面图生成方法，其特征在于，所述景观方案生成模型的训练过程包括：

使用爬虫工具根据预设关键词进行数据爬取，对爬取得到的数据进行清洗，剔除重复、不完整和不相关的图片，得到居住区景观平面图的原始数据集C，原始数据集C包括平面图与标签文本；

对所有平面图进行格式化处理，对平面图的内容进行文本标签标注，去除标签文本中的无关信息以及噪音，得到处理后的数据集C；

使用稳定扩散模型和低秩适配模型组合得到景观方案生成模型；

使用处理后的数据集C作为训练数据集，保留稳定扩散模型的原始权重，在稳定扩散模型的关键层中插入低秩矩阵，并冻结原始的预训练权重，对低秩矩阵进行训练；

在训练过程中，使用梯度下降优化算法对低秩矩阵进行优化，以最小化损失函数，根据任务的复杂性设置学习率和批次大小；

按照居住区景观平面方案设计要求，使用训练好的景观方案生成模型，生成符合需求的生成方案景观平面效果图。

6.一种基于相似性推荐的居住区景观平面图生成系统，其特征在于，所述基于相似性推荐的居住区景观平面图生成系统应用于权利要求1-5任一项所述的基于相似性推荐的居住区景观平面图生成方法，所述基于相似性推荐的居住区景观平面图生成系统包括：

景观方案推荐模型，用于对建筑节点连接图进行相似性分析，并根据相似性分析结果输出参考方案全节点连接图；

设计布局生成模型，用于根据参考方案全节点连接图、生成方案建筑节点图和生成方案边界条件图进行设计布局，得到生成方案景观要素布局图；

景观方案生成模型，用于对生成方案景观要素布局图进行风格化处理，得到目标居住区的生成方案景观平面效果图。

7.一种终端，其特征在于，所述终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于相似性推荐的居住区景观平面图生成程序，所述基于相似性推荐的居住区景观平面图生成程序被所述处理器执行时实现如权利要求1-5任一项所述的基于相似性推荐的居住区景观平面图生成方法的步骤。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有基于相似性推荐的居住区景观平面图生成程序，所述基于相似性推荐的居住区景观平面图生成程序被处理器执行时实现如权利要求1-5任一项所述的基于相似性推荐的居住区景观平面图生成方法的步骤。