WO2016192552A1

WO2016192552A1 - 一种基于网络图片的建成环境景观特征识别方法

Info

Publication number: WO2016192552A1
Application number: PCT/CN2016/083258
Authority: WO
Inventors: 赵渺希; 顾沁; 边宇; 贾锐澜; 吴江月
Original assignee: 华南理工大学
Priority date: 2015-05-29
Filing date: 2016-05-25
Publication date: 2016-12-08
Also published as: CN104933229A; SG11201709813SA; CN104933229B

Abstract

公开了一种基于网络图片的建成环境景观特征识别方法，包括：利用百度图片搜索引擎获取目标环境和类似建成环境的摄影图片库；记录目标环境中摄影拍摄行为中的拍摄站立点、拍摄视觉中心点和拍摄视线，并导入ArcGIS的分析平台，利用ArcGIS软件分析目标环境在网络图片中的视觉敏感区并对敏感度分析；利用目标环境和类似建成环境网络摄影图片库，记录两者网络摄影图片要素属性，利用独立样本T检验筛选出目标环境视觉特色要素；对目标建成环境的景观特征进行识别和分析。由此可以对城市建成环境景观进行视觉形象分析，具有可复制性和可操作性，并且利用网络图片的拍摄者视觉分析和拍摄行为的还原分析，具有时效性和客观性。

Description

一种基于网络图片的建成环境景观特征识别方法

技术领域

本发明涉及一种建成环境景观特征识别方法，尤其是一种基于网络图片的建成环境景观特征识别方法，属于城市规划领域中的城市景观研究领域。

背景技术

辨识城市环境的景观特征是城乡规划与设计的前提和基础，而民众的拍摄行为为识别简称环境的景观特征提供了大量素材。摄影图片进行旅游地视觉研究一直是学者关注的热点。

现阶段，有不少学者通过媒介表达研究城市或者街区的视觉意向，如刘敬凭借电影的画面来研究多个城市的空间意象，如赵渺希利用谷歌图片进行主因子分析，刻画了广东21个城市的景观风貌。但目前国内尚无利用网络图片进行建成环境景观辨识的相关研究。

杨俊宴、史宜在申请号为201310097613.7的发明专利申请中公开了一种城市天际轮廓线立面正射影像图的快速获取和测量方法，但是并没有对图像的内容和拍摄行为信息进行解读。

发明内容

本发明的目的是为了解决上述现有技术的缺陷，提供了一种基于网络图片的建成环境景观特征识别方法，该方法可以对城市建成环境景观进行网络视觉形象分析，具有可复制性和可操作性，并利用网络图片的拍摄者视觉分析和拍摄行为的还原分析，具有时效性和客观性。

本发明的目的可以通过采取如下技术方案达到：

一种基于网络图片的建成环境景观特征识别方法，包括以下步骤：

S1、利用百度图片搜索引擎获取目标环境和类似建成环境的摄影图片库；

S2、针对目标环境，使用AutoCAD记录摄影拍摄行为中的拍摄站立点、拍摄视觉中心点和拍摄视线进行记录；

S3、针对目标环境，将拍摄站立点、拍摄视觉中心点和拍摄视线导入ArcGIS的分析平台，利用ArcGIS软件分析景观地网络图片视觉敏感区并对敏感度分析；

S4、利用目标环境和类似建成环境网络摄影图片库，记录两者网络摄影图片要素属性，利用SPSS软件的独立样本T检验筛选出目标环境视觉特色要素；

S5、针对目标环境和类似建成环境，综合以上视觉信息分布情况，建立特征要素属性表，将行定义为特征要素，将列定义为拍摄站立点、视觉中心点、拍摄视线区域，进行要素重要性的判别，指导目标环境的景观格局优化。

作为一种实施方案，步骤S1中，所述利用百度图片搜索引擎获取目标环境和类似建成环境的摄影图片库，具体包括：

S11、利用百度图片查询目标环境名称，并按顺序下载所有图片搜索结果，将图片搜索结果中与目标环境无关的图片删除，选取图片搜索结果中前1200张图片，作为目标环境网络摄影图片库；

S12、利用百度图片分别查询若干类似建成环境名称，并分别按顺序下载所有图片搜索结果，将图片搜索结果中与各类似建成环境无关的图片删除，分别选取各个图片搜索结果中前200张图片，共1200张图片作为类似建成环境网络摄影图片库。

作为一种实施方案，步骤S2中，所述使用AutoCAD记录摄影拍摄行为中的拍摄站立点、拍摄视觉中心点和拍摄视线进行记录，具体包括：

S21、将目标环境网络摄影图片库按照拍摄的地理位置分类；

S22、在目标环境现场观察，对照目标环境网络摄影图片库中的每一张图片，以目标环境平面图作为工作底图，将每一张图片的对角线交点拍摄位置作为视觉中心点，通过现场还原的方式，在CAD平面图中分别将拍摄站立点、视觉中心点和拍摄视线画在CAD工作底图上。

作为一种实施方案，步骤S3中，针对目标环境，将拍摄站立点、拍摄视觉中心点和拍摄视线导入ArcGIS的分析平台，利用ArcGIS软件分析景观地网络图片视觉敏感区并对敏感度分析，具体包括：

S31、将拍摄站立点、视觉中心点和拍摄视线的CAD数据分别导入ArcGIS软件中进行GIS空间落位与坐标纠偏；

S32、打开ArcGIS软件中的ArcToolbox，利用Spatial Analyze工具对拍摄站立点和视觉中心点进行点密度分析操作，对拍摄视线进行线密度分析操作，分别得到目标环境拍摄站立点密度值、视觉中心点密度值和拍摄视线密度值；

S33、利用INT工具使目标环境拍摄站立点密度值、视觉中心点密度值和拍摄视线密度值变为整形数据，得到整型拍摄站立点密度分布、整型视觉中心点密度分布和整型拍摄视线线密度分布；

S34、利用ArcGIS软件计算拍摄站立点敏感度、拍摄视觉中心点敏感度和拍摄视线敏感度；

S35、利用ArcGIS软件对拍摄站立点敏感度、拍摄视觉中心点敏感度和拍摄视线敏感度由高到低分为三个级别的视觉敏感度。

作为一种实施方案，步骤S34中，所述拍摄站立点敏感度、拍摄视觉中心点敏感度和拍摄视线敏感度的计算，具体为：

1)利用处理过的整型拍摄站立点密度值，ArcGIS属性表中新建字段，计算点密度平均值，点密度平均值

的计算公式为：

其中，n为栅格点的总数，b_i为栅格点数值；

2)将点密度值的计算结果导出到Excel，在Excel中计算标准差，标准差的计算公式为：

其中，M_i为标准差，n为栅格点的总数，b_i为栅格点数值，

为点密度平均值；

3)利用密度分析与栅格图层叠加分析技术，进行拍摄站立点敏感性分析，对于某一点的敏感度分析计算公式为：

其中，k_i为某点的敏感度，M_i为拍摄视线密度标准差，b_i为栅格点数值，

为拍摄视线密度平均值；

4)新建矢量格式数据，新建字段，将点平均密度值赋予到属性表当中；

5)利用根据字段值将矢量数据转换为栅格数据工具，将上述矢量数据分别转为栅格数据，得到代表点平均密度值栅格图层；

6)根据敏感度计算公式，利用ArcGIS中Map Algebra工具进行地图叠加计算，得到拍摄站立点敏感度分布图；

7)重复上述步骤1)至步骤6)的方法，得到拍摄视觉中心点敏感度分布图和拍摄视线敏感度分布图。

作为一种实施方案，步骤S4中，所述利用目标环境和类似建成环境网络摄影图片库，记录两者网络摄影图片要素属性，具体包括：

S41、根据目标环境网络摄影图片库和类似建成环境网络摄影图片库，将所有图片中的视觉要素记录在Excel表格中；

S42、对每张网络图片依次编号，将视觉要素作为每张编号图片的备选要素属性，若图片中出现某要素则记录为1，否则为0；

S43、添加图片归属属性，目标环境图片记录为1和类似建成环境图片记录为2，结果保存为目标环境网络摄影图片要素属性表和类似建成环境网络摄影图片要素属性表。

作为一种实施方案，步骤S4中，所述用SPSS软件的独立样本T检验筛选出目标环境视觉特色要素，具体包括：

S44、根据目标环境网络摄影图片要素属性表和类似建成环境网络摄影图片要素属性表，利用SPSS软件对目标环境和类似建成环境视觉要素进行独立样本T检验分析，独立样本T检验的公式为：

其中，t_k为T检验统计量，

和

分别为目标环境和类似建成环境中编号为k的摄影图片要素属性值，n_1，k和n_2，k分别为目标环境和类似建成环境中编号为k的摄影图片样本数量，S_1，k和S_2，k分别为目标环境和类似建成环境中编号为k的摄影图片要素属性值的样本方差；

S45、T检验统计量t_k即为各要素显著性指标，若某元素t_k值大于0.1，则舍去该元素，若某元素t_k值不大于0.1，则保留该元素作目标环境视觉特色要素并对应记录其t_k值，将得到目标环境视觉特色要素表；

S46、利用目标环境视觉特色要素表，对目标环境景观特色元素进行视觉特色度分级，从而筛选出目标环境视觉特色要素。

本发明相对于现有技术具有如下的有益效果：

1、本发明以客观的城市建成区地理数据和网络开放数据为基础，借助地理分析、统计分析、相关性分析等计量分析方法，通过分析网络媒介中民众拍摄行为过程分析城市建成环境景观的视觉热点，统计对比不同城市环境中特征视觉元素，辅助城市景观的设计与规划。

2、本发明通过还原网络摄影图片拍摄过程，弥补了城市建成环境景观特征评估和设计中的主观性及滞后性的不足。

3、本发明使用了一种针对城市建成环境景观的网络视觉形象分析方法，具有可复制性和可操作性，并利用网络图片的拍摄者视觉分析和拍摄行为的还原分析，具有时效性和客观性。

附图说明

图1为本发明实施例1的基于网络图片的建成环境景观特征识别方法的流程图。

图2为本发明实施例1的现场还原方式示意图。

图3为本发明实施例2的整型拍摄站立点密度分布图。

图4为本发明实施例2的整型视觉中心点分布图。

图5为本发明实施例2的整型拍摄视线密度分布图。

图6为本发明实施例2的拍摄站立点敏感度分布图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例1：

如图1所示，本实施例的基于网络图片的建成环境景观特征识别方法，包括以下步骤：

1)目标环境及类似建成环境网络摄影图片库的获取

建成环境是指城市中已经建设完成的城市环境，目标环境是指需要进行景观特征识别的建成环境，类似建成环境是指与目标环境同类别、具有相似性和可比较性的其他建成环境；利用类似建成环境与目标环境的显著性检验，可得到目标环境中较类似建成环境差异差异较为显著的元素，即为目标环境的特色元素。

1.1)利用百度图片查询目标环境名称，并按顺序下载所有图片搜索结果，将图片搜索结果中与目标环境无关的图片删除，选取图片搜索结果中前1200张图片，作为目标环境网络摄影图片库；

1.1)利用百度图片分别查询若干类似建成环境名称，并分别按顺序下载所有图片搜索结果，将图片搜索结果中与各类似建成环境无关的图片删除，分别选取各个图片搜索结果中前200张图片，共1200张图片作为类似建成环境网络摄影图片库；

2)旅游地视觉敏感区域识别

2.1)摄影图片拍摄行为的目标环境现场还原

2.1.1)将目标环境网络摄影图片库按照拍摄的地理位置分类；

2.1.2)目标环境网络摄影图片的拍摄信息记录

在目标环境现场观察，对照目标环境网络摄影图片库中的每一张图片，以目标环境平面图作为工作底图，将每一张图片的对角线交点拍摄位置作为视觉中心点，通过如图2所示的现场还原方式，在CAD平面图中分别将拍摄点、视觉中心点和拍摄路线(即拍摄点与视觉中心点之间的连线)画在CAD工作底图上；

2.2)视觉敏感区域的识别

2.2.1)拍摄行为还原数据的处理

2.2.1.1)将拍摄站立点、拍摄焦点和拍摄路线的CAD数据分别导入ArcGIS软件中进行GIS空间落位与坐标纠偏；

2.2.1.2)打开ArcToolbox，利用Spatial Analyze工具对拍摄站立点和拍摄焦点进行点密度分析操作，对拍摄视线进行线密度分析操作，分别得到目标环境拍摄站立点密度值、视觉中心点密度值和拍摄视线密度值；

2.2.1.3)利用INT工具使其变为整形数据，得到整型拍摄站立点密度分布、整型视觉中心点密度分布和整型拍摄视线线密度分布；

2.2.2)视觉敏感度的计算

2.2.2.1)利用处理过的整型拍摄站立点密度值，ArcGIS属性表中新建字段，计算点密度平均值，点密度平均值

的计算公式为：

其中，n为栅格点的总数，b_i为栅格点数值；

2.2.2.2)将点密度值的计算结果导出到Excel，在Excel中计算标准差，标准差的计算公式为：

其中，M_i为标准差，n为栅格点的总数，b_i为栅格点数值，

为点密度平均值；

2.2.2.3)利用密度分析与栅格图层叠加分析技术，进行拍摄站立点敏感性分析，对于某一点的敏感度分析计算公式为：

为拍摄视线密度平均值；

2.2.2.4)新建矢量格式数据，新建字段，将点平均密度值赋予到属性表当中；

2.2.2.5)利用根据字段值将矢量数据转换为栅格数据工具，将上述矢量数据分别转为栅格数据，得到代表点平均密度值栅格图层；

2.2.2.6)根据敏感度计算公式，利用ArcGIS中Map Algebra工具进行地图叠加计算，得到拍摄站立点敏感度分布图；

2.2.2.7)拍摄视觉中心点敏感度分布图和拍摄视线敏感度分布图数据制作方法与上述一致，重复上述步骤可以得到拍摄视觉中心点敏感度分布图和拍摄视线敏感度分布图；

2.2.3)视觉敏感度分级

利用ArcGIS软件对拍摄站立点敏感度、拍摄视觉中心点敏感度和拍摄视线敏感度由高到低分为三个级别的视觉敏感度。

3)目标环境景观视觉特色要素构成分析

3.1)目标环境和类似建成环境图片视觉要素的确定

根据目标环境网络摄影图片库和类似建成环境网络摄影图片库，将所有图片中出现的植物、栏杆、窗户、水池、屋顶等作为视觉要素并记录在Excel表格中；

3.2)目标环境和类似建成环境网络摄影图片要素属性的判别

3.2.1)对每张网络图片依次编号，将视觉要素作为每张编号图片的备选要素属性，若图片中出现某要素则记录为1，否则为0；

3.2.2)添加图片归属属性，目标环境图片记录为1和类似建成环境图片记录为2，结果保存为目标环境网络摄影图片要素属性表和类似建成环境网络摄影图片要素属性表；

3.3)目标环境景观视觉特色要素的显著性判别

3.3.1)根据目标环境网络摄影图片要素属性表和类似建成环境网络摄影图片要素属性表，利用SPSS软件对目标环境和类似建成环境视觉要素进行独立样本T检验分析，独立样本T检验的公式为：

其中，t_k为T检验统计量，

和

3.3.2)T检验统计量t_k即作为各要素显著性指标，若某元素t_k值大于0.1，则舍去该元素，若某元素t_k值不大于0.1，则保留该元素作目标环境视觉特色要素并对应记录其某元素t_k值，将得到目标环境视觉特色要素表；

3.4)目标环境景观视觉特色要素的视觉特色分级

利用目标环境视觉特色要素表，对目标环境景观特色元素进行视觉特色度分级，从而筛选出目标环境视觉特色要素；

4)城市建成区域景观特征的综合评价

综合以上视觉信息分布情况，建立特征要素属性表，将行定义为特征要素，将列定义为拍摄站立点、视觉中心点、拍摄视线区域，进行要素重要性的判别，指导目标环境的景观格局优化。

实施例2：

本实施例是一个应用实例，选取广州番禺区余荫山房景区，提供了一种基于网络图片的景区视觉信息综合评价方法，余荫山房景区位于广东省广州市番禺区南村镇东南角北大街，是典型的岭南园林。

1)余荫山房网络摄影图片库的获取

1.1)利用百度图片查询关键词“余荫山房”，并按顺序下载所有图片搜索结果，将图片搜索结果中与余荫山房无关的图片删除，选取图片搜索结果中前1200张图片，作为余荫山房网络摄影图片库；

1.2)利用百度图片分别查询广州类似建成环境关键词，本例选取“越秀公园”、“天河公园”、“荔湾湖公园”、“大夫山森林公园”、“东山湖公园”、“人民公园”，并分别按顺序下载所有图片搜索结果。将图片搜索结果中与公园无关的图片删除，分别选取各公园图片搜索结果中前200张图片，共1200张图片作为全市公园网络摄影图片库；

2)余荫山房视觉敏感区域识别

2.1)摄影图片拍摄行为的余荫山房现场还原

2.1.1)将余荫山房网络摄影图片库按照拍摄的地理位置分类

2.1.2)采用3名规划专业人员在余荫山房现场观察，对照余荫山房网络摄影图片库中的每一张图片，以描画的余荫山房景区CAD地图作为工作底图，利用AutoCAD软件，建立拍摄站立点、视觉中心点、拍摄视线三个图层；在拍摄站立点图层上用point命令标注每一张图片的拍摄站立点在视觉中心点图层上用point命令标注每一张图片的对角线交点拍摄位置作为拍摄焦点，在视觉中心点图层上用line命令连接拍摄站立点和拍摄焦点作为拍摄视线；

2.2)视觉敏感区域的识别

2.3.1)拍摄行为还原数据的处理

2.3.1.1)将拍摄站立点、拍摄焦点和拍摄视线的CAD数据分别导入ArcGIS软件中进行GIS空间落位与坐标纠偏；

2.3.1.2)打开ArcToolbox，利用Spatial Analyze工具对拍摄站立点和拍摄焦点进行点密度分析操作，对拍摄视线进行线密度分析操作，分别得到余荫山房拍摄站立点密度值、视觉中心点密度值和拍摄视线密度值；

2.3.1.3)利用INT工具使其变为整形数据，得到整型余荫山房整型拍摄站立点点密度分布、整型视觉中心点密度分布和整型拍摄视线密度分布，分别如图3、图4和图5所示；

2.3.2)视觉敏感度的计算

2.3.2.1)利用处理过的整型拍摄站立点点密度值，ArcGIS属性表中新建字段，计算点密度平均值，点密度平均值的计算公式为：

其中，n为栅格点的总数，b_i为栅格点数值，得到点密度平均值为31.99；

2.3.2.2)将点密度值的计算结果导出到Excel，在Excel中计算标准差，标准差的计算公式为：

其中，M_i为标准差，n为栅格点的总数，b_i为栅格点数值，

为点密度平均值，得到标准差M_i为103.58；

为拍摄视线密度平均值；

2.2.2.6)根据敏感度计算公式，利用ArcGIS中Map Algebra工具进行地图叠加计算，得到拍摄站立点敏感度分布图，如图6所示；

2.2.3)视觉敏感度分级

利用ArcGIS软件对拍摄站立点敏感度、拍摄视觉中心点敏感度及视线敏感度进行分级：若k_i∈[0，5)则为1级视觉敏感度，若k_i∈[5，9)则为2级视觉敏感度，k_i∈[9，13]则为3级视觉敏感度。

3)余荫山房视觉特色要素构成分析

3.1)余荫山房和全市公园的图片的视觉要素的确定

根据全市公园网络摄影图片库和余荫山房网络摄影图片库，将所有图片中出现的植物、栏杆、窗户、水池、屋顶、门、亭子、壁画、人、假山、雕塑、家具、字画、桥、连廊、路牌、瀑布、塔、灯笼、鱼、楼梯、牌坊作为视觉要素并记录在Excel表格中；

3.2)判别余荫山房和全市公园网络摄影图片要素属性

3.2.1)对每张网络图片依次编号，将视觉要素作为每张编号图片的备选要素属性，若图片中出现某要素则记录为1，否则为0，如下表1所示；

表1 网络图片要素属性表

3.2.2)添加图片归属属性，余荫山房图片记录为1，全市公园图片记录为2，将结果保存为余荫山房和全市公园网络摄影图片要素属性表；

3.3)余荫山房视觉特色要素的显著性判别

3.3.1)根据余荫山房和全市公园网络摄影图片要素属性表，利用SPSS软件对余荫山房和全市公园网络摄影图片要素进行独立样本T检验分析，独立样本T检验的公式为：

其中，t_k为T检验统计量，即为各要素显著性指标，

和

分别为余荫山房和全市公园中编号为k的摄影图片要素属性值，n_1，k和n_2，k分别为余荫山房和全市公园中编号为k的摄影图片样本数量，S_1，k和S_2，k分别为分别为余荫山房和全市公园中编号为k的摄影图片要素属性值的样本方差；独立样本T检验结果，如下表2所示；

表2 独立样本T检验结果表

3.3.2)由独立样本T检验结果表可以得到各要素显著性指标t_k，若某元素t_k值大于0.2则舍去该元素，若某元素t_k值不大于0.2则保留该元素作余荫山房视觉特色要素并对应记录其t_k值，将得到余荫山房视觉特色要素表。

3.4)余荫山房视觉特色要素的视觉特色分级

利用余荫山房视觉特色要素表，对余荫山房是觉特色元素进行视觉特色度分级，对于某元素的显著性指标p_i，若p_i∈[0，0.005)则为1级视觉特色，若p_i∈[0.005，0.01)则为2级视觉特色，若p_i∈[0.01，0.1]则为3级视觉特色，如下表3所示；

视觉要素	p值	视觉分级
植物	0.000	1
栏杆	0.000	1
窗	0.000	1
水池	0.001	1
屋顶	0.005	2
门	0.000	1
亭子	0.000	1
壁画	0.000	1
假山	0.000	1
雕塑	0.000	1
家具	0.000	1
字画	0.006	2
桥	0.001	1
连廊	0.000	1

瀑布	0.010	3
灯笼	0.000	1
鱼	0.000	1
楼梯	0.023	3
牌坊	0.105	3

表3 视觉特色要素的视觉特色分级表

4)旅游地视觉信息综合评价

综合以上视觉信息分布情况，建立特征要素属性表，将行定义为特征要素，将列定义为拍摄站立点、视觉中心点、拍摄视线区域，进行要素重要性的判别，指导目标环境，即余荫山房的景观格局优化；

余荫山房中灯笼的出现频次较高，在节庆日课对灯笼的悬挂位置给出建议；又如，通过对视线区域的识别，对园林的盆栽摆放给出建议；再如，通过拍摄站立点区域的识别，优化原来园林中长廊和看台的设计，合理引导人流组织。

综上所述，本发明以客观的城市建成区地理数据和网络开放数据为基础，借助地理分析、统计分析、相关性分析等计量分析方法，通过分析网络媒介中民众拍摄行为过程分析城市建成环境景观的视觉热点，统计对比不同城市环境中特征视觉元素，辅助城市景观的设计与规划。

以上所述，仅为本发明专利优选的实施例，但本发明专利的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明专利所公开的范围内，根据本发明专利的技术方案及其发明专利构思加以等同替换或改变，都属于本发明专利的保护范围。

Claims

一种基于网络图片的建成环境景观特征识别方法，其特征在于：所述方法包括以下步骤：

S1、利用百度图片搜索引擎获取目标环境和类似建成环境的摄影图片库；

S2、针对目标环境，使用AutoCAD记录摄影拍摄行为中的拍摄站立点、拍摄视觉中心点和拍摄视线进行记录；

S3、针对目标环境，将拍摄站立点、拍摄视觉中心点和拍摄视线导入ArcGIS的分析平台，利用ArcGIS软件分析景观地网络图片视觉敏感区并对敏感度分析；

S4、利用目标环境和类似建成环境网络摄影图片库，记录两者网络摄影图片要素属性，利用SPSS软件的独立样本T检验筛选出目标环境视觉特色要素；

S5、针对目标环境和类似建成环境，综合以上视觉信息分布情况，建立特征要素属性表，将行定义为特征要素，将列定义为拍摄站立点、视觉中心点、拍摄视线区域，进行要素重要性的判别，指导目标环境的景观格局优化。
根据权利要求1所述的一种基于网络图片的建成环境景观特征识别方法，其特征在于：步骤S1中，所述利用百度图片搜索引擎获取目标环境和类似建成环境的摄影图片库，具体包括：

S11、利用百度图片查询目标环境名称，并按顺序下载所有图片搜索结果，将图片搜索结果中与目标环境无关的图片删除，选取图片搜索结果中前1200张图片，作为目标环境网络摄影图片库；

S12、利用百度图片分别查询若干类似建成环境名称，并分别按顺序下载所有图片搜索结果，将图片搜索结果中与各类似建成环境无关的图片删除，分别选取各个图片搜索结果中前200张图片，共1200张图片作为类似建成环境网络摄影图片库。
根据权利要求1所述的一种基于网络图片的建成环境景观特征识别方法，其特征在于：步骤S2中，所述使用AutoCAD记录摄影拍摄行为中的拍摄站立点、拍摄视觉中心点和拍摄视线进行记录，具体包括：

S21、将目标环境网络摄影图片库按照拍摄的地理位置分类；

S22、在目标环境现场观察，对照目标环境网络摄影图片库中的每一张图片，以目标环境平面图作为工作底图，将每一张图片的对角线交点拍摄位置作为视觉中心点，通过现场还原的方式，在CAD平面图中分别将拍摄站立点、视觉中心点和拍摄视线画在CAD工作底图上。
根据权利要求3所述的一种基于网络图片的建成环境景观特征识别方法，其特征在于：步骤S3中，针对目标环境，将拍摄站立点、拍摄视觉中心点和拍摄视线导入ArcGIS的分析平台，利用ArcGIS软件分析景观地网络图片视觉敏感区并对敏感度分析，具体包括：

S31、将拍摄站立点、视觉中心点和拍摄视线的CAD数据分别导入ArcGIS软件中进行GIS空间落位与坐标纠偏；

S32、打开ArcGIS软件中的ArcToolbox，利用Spatial Analyze工具对拍摄站立点和视觉中心点进行点密度分析操作，对拍摄视线进行线密度分析操作，分别得到目标环境拍摄站立点密度值、视觉中心点密度值和拍摄视线密度值；

S33、利用INT工具使目标环境拍摄站立点密度值、视觉中心点密度值和拍摄视线密度值变为整形数据，得到整型拍摄站立点密度分布、整型视觉中心点密度分布和整型拍摄视线线密度分布；

S34、利用ArcGIS软件计算拍摄站立点敏感度、拍摄视觉中心点敏感度和拍摄视线敏感度；

S35、利用ArcGIS软件对拍摄站立点敏感度、拍摄视觉中心点敏感度和拍摄视线敏感度由高到低分为三个级别的视觉敏感度。
根据权利要求4所述的一种基于网络图片的建成环境景观特征识别方法，其特征在于：步骤S34中，所述拍摄站立点敏感度、拍摄视觉中心点敏感度和拍摄视线敏感度的计算，具体为：

1)利用处理过的整型拍摄站立点密度值，ArcGIS属性表中新建字段，计算点密度平均值，点密度平均值
的计算公式为：

其中，n为栅格点的总数，b_i为栅格点数值；

2)将点密度值的计算结果导出到Excel，在Excel中计算标准差，标准差的计算公式为：

其中，M_i为标准差，n为栅格点的总数，b_i为栅格点数值，
为点密度平均值；

3)利用密度分析与栅格图层叠加分析技术，进行拍摄站立点敏感性分析，对于某一点的敏感度分析计算公式为：

其中，k_i为某点的敏感度，M_i为拍摄视线密度标准差，b_i为栅格点数值，
为拍摄视线密度平均值；

4)新建矢量格式数据，新建字段，将点平均密度值赋予到属性表当中；

5)利用根据字段值将矢量数据转换为栅格数据工具，将上述矢量数据分别转为栅格数据，得到代表点平均密度值栅格图层；

6)根据敏感度计算公式，利用ArcGIS中Map Algebra工具进行地图叠加计算，得到拍摄站立点敏感度分布图；

7)重复上述步骤1)至步骤6)的方法，得到拍摄视觉中心点敏感度分布图和拍摄视线敏感度分布图。
根据权利要求1所述的一种基于网络图片的建成环境景观特征识别方法，其特征在于：步骤S4中，所述利用目标环境和类似建成环境网络摄影图片库，记录两者网络摄影图片要素属性，具体包括：

S41、根据目标环境网络摄影图片库和类似建成环境网络摄影图片库，将所有图片中的视觉要素记录在Excel表格中；

S42、对每张网络图片依次编号，将视觉要素作为每张编号图片的备选要素属性，若图片中出现某要素则记录为1，否则为0；

S43、添加图片归属属性，目标环境图片记录为1和类似建成环境图片记录为2，结果保存为目标环境网络摄影图片要素属性表和类似建成环境网络摄影图片要素属性表。
根据权利要求6所述的一种基于网络图片的建成环境景观特征识别方法，其特征在于：步骤S4中，所述用SPSS软件的独立样本T检验筛选出目标环境视觉特色要素，具体包括：

S44、根据目标环境网络摄影图片要素属性表和类似建成环境网络摄影图片要素属性表，利用SPSS软件对目标环境和类似建成环境视觉要素进行独立样本T检验分析，独立样本T检验的公式为：

其中，t_k为T检验统计量，
和
分别为目标环境和类似建成环境中编号为k的摄影图片要素属性值，n_1，k和n_2，k分别为目标环境和类似建成环境中编号为k的摄影图片样本数量，S_1，k和S_2，k分别为目标环境和类似建成环境中编号为k的摄影图片要素属性值的样本方差；

S45、T检验统计量t_k即为各要素显著性指标，若某元素t_k值大于0.1，则舍去该元素，若某元素t_k值不大于0.1，则保留该元素作目标环境视觉特色要素并对应记录其t_k值，将得到目标环境视觉特色要素表；

S46、利用目标环境视觉特色要素表，对目标环境景观特色元素进行视觉特色度分级，从而筛选出目标环境视觉特色要素。