基于虚拟现实的滨水区耐潮湿型观赏植物智能筛选方法
时间：2020-11-02 10:58:07 来源：达达文档网 本文已影响 人 
刘静霞 吴怀静
摘 要：
近年来，在滨水区耐潮湿型观赏植物的信息识别工作中，经常采用智能筛选技术确保识别工作顺利进行，因此提出基于虚拟现实的滨水区耐潮湿型观赏植物智能筛选方法，使用X3D?EDIT设计软件构建植物的根、茎、叶、花等组成部分模型，对于结构以及外形较为复杂的植物结构，通过3ds MAX软件将材质、色彩、光照等效果相结合，转换成X3D文件，嵌入到虚拟环境中，实现观赏植物三维结构构建与可视化。同时采用色彩对比度方法提取观赏植物图像特征，并提取耐潮湿型观赏植物图像信息库中的图像特征，得到候选图像特征，将植物图像特征和候选图像特征同时嵌入到智能视觉节点内排序，该候选图像就是耐潮湿型观赏植物图像。实验结果表明，所提方法对滨水区耐潮湿型观赏植物智能筛选所用的时间平均值为24.17 ms，且筛选查全率高。
关键词：
耐潮湿型观赏植物; 智能筛选; 虚拟现实; 三维建模; 特征提取; 仿真实验
中图分类号：
TN915?34; S126 文献标识码：
A 文章编号：
1004?373X（2020）02?0157?03
Method of virtual reality based intelligent screening for moisture?resistant type ornamental plants in waterfront area
LIU Jingxia， WU Huaijing
Abstract：
In recent years， in the information identification of moisture?resistant type ornamental plants in waterfront area， the intelligent screening technology is often applied to ensure the smooth identification. Therefore， a method of virtual reality based intelligent screening for moisture?resistant type ornamental plants in waterfront area is proposed， and the X3D?EDIT design software is adopted to construct the component models of plant roots， stems， leaves， flowers and so on. For the plant structures with complex structures and shapes， the materials， colors， lighting and other effects of them are combined with the 3ds MAX software to convert them into X3D files and embed them into the virtual environment， so as to realize the construction and visualization of the three?dimensional structure of ornamental plants. At the same time， the image features of ornamental plant are extracted by means of the degree of color contrast method， and the image features in the image information database of the moisture?resistant type ornamental plant are extracted to obtain the candidate image features. The plant image features and the candidate image features are embedded into the intelligent vision node to sort at the same time. The candidate image is the moisture?resistant type ornamental plant image. The experimental results show that the average time consumed by the proposed method for the intelligent screening of moisture?resistant type ornamental plants in waterfront is 24.17 ms， and the screening recall rate is high.
Keywords：
moisture?resistant type ornamental plant; intelligent screening; virtual reality; 3D modeling; feature extraction; simulation experiment
0 引 言
随着科技不断进步，多媒体信息越来越多样化，面对信息量不断增加的情况，人脑无法满足多种信息的识别工作，因此在信息识别工作中经常需要引用信息的智能筛选技术，以人类眼部特征为基础进行图像识别的智能筛选[1]，能够保障智能筛选工作的顺利进行。
滨水区作为城市绿地系统中的重要组成部分，耐潮湿型观赏植物是滨水区最重要的景观元素，耐潮湿型观赏植物的栽种不仅可以提高居住舒适度，改善自然环境，且具有强烈的艺术感染力[2]。本文提出一种基于虚拟现实的滨水区耐潮湿型观赏植物智能筛选方法。该方法能有效提高滨水区的耐潮湿观赏型植物智能筛选各方面性能，使信息识别工作顺利进行。
1 基于X3D的观赏植物建模与可视化
基于X3D的虚拟观赏植物建模与可视化主要是通过某种采集仪器对观赏植物的空间数据进行采集，通过计算机内部的三维建模语言编辑程序，将采集的观赏植物空间数据显现在计算机上，实现对观赏植物整个生长过程的三维模拟。
1.1 虚拟现实的观赏植物建模与可视化开发原理
在构建三维观赏植物结构模型的基础上构建虚拟观赏植物，根、茎、叶、花是完整观赏植物的主要组成部分，使用X3D?EDIT设计软件对以上几个部分进行模型构建。虚拟现实技术不仅能够对观赏植物进行三维可视化，而且还可以利用Script编辑程序、API编辑程序等对三维可视化虚拟观赏植物进行编辑[3?4]，对虚拟观赏植物相关信息进行显示和反映。图1为虚拟观赏植物建模流程图。
1.2 观赏植物形态结构模型构建与可视化
三维虚拟植物构建方法一般分为两种：一种是使用X3D软件对程序进行编辑;另外一种是使用辅助建模软件进行模型构建。当使用X3D软件对程序进行编辑时，由于观赏植物的主要组成部分是根、茎、叶、花，则需要对组成部分的外观形态和结构规律信息进行收集，并使用挤压节点Extrusion对这几部分的模型进行构建。但由于某些结构以及外形较为复杂，因此X3D语句结构无法构建出精准度高的三维空间模型。此时需要另外一种方法，即使用辅助建模软件进行模型构建[5]，一般采用AutoCAD软件进行三维模型构建。当实现观赏植物模型的初步构建之后，将X3D文件导出到计算机中，在计算机中对X3D源程序需要更改的部分进行编写。为了提高虚拟观赏植物模型的整体效果，可以采用3ds MAX软件进行编写，将材质、色彩、光照等效果相结合，转换成X3D文件，嵌入到虚拟环境中，实现虚拟观赏型植物三维结构构建。
1.3 耐潮湿型观赏植物特征提取
采用色彩对比度方法提取第1.2节构建的观赏植物根、茎、叶、花等结构三维图像特征。由于存在不同图像、不同区域、不同特征点权值这一原理，因此提出了色彩对比度方法。由于人类视觉对事物色彩对比的敏感度很高[6]，因此对人类视觉进行模拟，并对具有很高对比度的图像特征进行提取。因为人类视觉对色彩对比具有很强的敏感度，由此通过色彩对比度进行计算，不仅算法简单而且的精准度很高，为基于虚拟现实耐潮湿型观赏植物筛选方法提供了依据。
从耐潮湿型观赏植物图像信息库中选择图像，并将该图像命名为[L]，假设[B]为图像[L]的特征集合，[SB]为图像[L]中特征集合[B]的色彩对比度，则可用公式表示为：
[SB=?B∈LDISBk，Bi] （1）
式中：[Bk]和[Bi]分别代表观赏植物图像特征及耐潮湿型观赏植物图像信息库内图像[L]的某个特征;而[DISBk，Bi]代表[Bk]和[Bi]之间的空间位移。
使用色彩对比度方法对图像进行分割，区域色彩对比度[Sa]的公式可表示为：
[Sa=aj≠akDISaj，akwj] （2）
式中：各圖像分割区域以及权值分别是[aj]和[wj];[ak]代表观赏植物图像分割区域;[DISaj，ak]表示分割区域[aj]和[ak]之间的位移，可通过式（3）进行计算;
[DISaj，ak=i=1ni=1nfkiDISdk，dj] （3）
要对耐潮湿型观赏植物图像色彩对比度标准值设置后，才能进行两分割区域间位移计算[7?8]，用[e]表示该耐潮湿型观赏植物图像色彩对比度标准值。对式（3）计算获取的数据进行汇总，得到原图像[L]的色彩对比度值，此时该色彩对比度值如果并不等于色彩对比度标准值[e]，则成为候选图像并将该候选图像发送到视觉模拟节点中，智能视觉节点会接收到以图片和数字两种格式传送的候选图像特征。
1.4 耐潮湿型观赏植物智能筛选
耐潮湿型观赏植物智能筛选方法以观赏植物的图像特征为依据[9]，将候选图像中的耐潮湿型观赏植物图像筛选出来。图2为筛选流程。
耐潮湿型观赏植物智能筛选方法能够将观赏植物图像特征和候选图像特征同时嵌入到自身智能视觉节点内，并在该节点内进行排序，若该排序与观赏植物的特征排序接近度最高[10]，则该候选图像就是最终的筛选结果。
2 仿真实验
为验证本文方法下筛选性能最优，对比几何限制筛选方法、C/S架构筛选方法和本文方法筛选性能。实验模拟某植物部门滨水区植物系统筛选网络，构建一个图像信息库，其中包含了200多种不同耐潮湿型观赏植物图像，使用几何限制筛选方法、C/S架构筛选方法和本文方法对图像信息库中的3组耐潮湿型观赏植物图像进行筛选。图3为耐潮湿型观赏植物图像。
将三种方法筛选结果与图3中的耐潮湿型观赏植物图像相比较，使用Visual.c 6.0软件绘制三种方法的筛选精度波动率、查全率和筛选效率的数据输出结果。图4、图5以及表1分别是绘制完成精度波动率对比图、查全率对比图、筛选效率对比表。
由图4、图5可知，几何限制筛选方法、C/S架构筛选方法的精度波动率都高于本文方法，而查全率却都低于本文方法。主要原因是几何限制筛选方法和C/S架构筛选方法，在对耐潮湿型观赏植物进行智能筛选时，图像特征提取不完整，影响筛选准确率。
表1表明，几何限制筛选方法使用筛选时间是C/S架构筛选方法所用时间2.4倍，是本文方法所用时间3.7倍，本文方法对耐潮湿型观赏植物图像筛选所用的时间平均值为24.17 ms，所用时间最短。通过上述实验结果分析，本文方法的筛选性能最好。
3 结 论
虚拟现实技术已经被广泛应用于科学研究与可视化、军事模拟、农业等领域。作为虚拟技术的尖端X3D虚拟现实技术不仅具有强大计算能力、逼真渲染效果，还具有高效传输速度，近年来该技术在农业领域得到全方面发展。为了对滨水区的耐潮湿观赏型植物进行智能筛选，本文在虚拟现实的基础上提出一种基于虚拟现实的滨水区耐潮湿型观赏植物智能筛选方法，该方法在未来的耐潮湿型观赏植物研究方面具有深远意义。
参考文献
[1] 李春晓，孙瑞志，戴佚舟，等.基于Unity3D的中国古代农耕虚拟场景智能展示平台[J].农业工程学报，2017，33（1）：308?314.
[2] 谢媛媛，苏加坤，应旭辉，等.基于人工智能技术的烟气暴露大鼠代谢生物标志物筛选方法研究[J].分析测试学报，2017，36（6）：13?18.
[3] 唐湘滟，蔡寬麒，程杰仁，等.基于智能算法的技术等级评估方法研究[J].计算机工程与科学，2018，40（1）：165?174.
[4] 曾范星，岳桦.郑州市71种春季观花植物的主要观赏特性研究[J].河南农业科学，2016，45（9）：107?113.
[5] 吴永清，胡秀，梁韩枝，等.观赏植物白花龙的离体快繁条件筛选[J].南方农业学报，2018，49（3）：536?542.
[6] 甘伟，刘学敏，孙静.回归正交评价指标智能筛选法用于色谱分离条件的快速优化[J].色谱，2015，33（2）：140?145.
[7] 张辉，王盼，肖军浩，等.一种基于三维建图和虚拟现实的人机交互系统[J].控制与决策，2018，33（11）：58?65.
[8] 王军锋，余隋怀，IMRE Horvath.基于用户视觉能力的交互设备筛选方法[J].计算机应用研究，2016，33（11）：3228?3231.
[9] 肖伯祥，郭新宇，吴升.基于位置动力学的植物动态虚拟仿真方法[J].中国农业科技导报，2017，19（3）：56?62.
[10] 周曙光.关于运动员动作图像特征提取仿真研究[J].计算机仿真，2017，34（1）：384?387.
作者简介：刘静霞（1979—），女，河南武陟人，硕士，讲师，研究方向为计算机应用、风景园林规划设计。
吴怀静（1979—），女，河南南阳人，硕士，讲师，研究方向为计算机应用、城市与区域规划。
