复杂户型图处理（paper-Unsupervised Wall Detector）—20180716-20180717

周一，一位深度学习的实习生加入我们组了解情况，看完了后拔凉的走了。。

产品经理也蛮无助的。。

开始研究论文：Unsupervised Wall Detector in Architectual Floor Plans (建筑平面图中的无监督墙体探测器)

1、Introduction  引言

in[3], detect parallel pairs; text information and an established set of graphical rules to guide the semantic wall detection.

先检测到平行线，然后文本信息和一组既定的图形规则被用于语义墙检测。

in[2], walls are modeled by dash lines and detected by morphological filter.

墙壁由虚线建模，并通过形态学滤波来检测。

in[5], using Hough Transform and image vectorization to find parallel lines.

使用霍夫变换和图像矢量化来找平行线，平行线内检测到黑色像素被认为是最终墙壁。

in[7], iteratively perform erosions followed by dilatations.

迭代地执行腐蚀膨胀操作来区分不同厚度的墙体。

模型不同-->制定以强烈符号为导向的最新策略（state-of-the-art strategy）

in[9], a supervised patch-based wall segmentation method

有监督的基于补丁的墙体分割方法

缺点：需要人工标记，适用于一组受控制的符号，不通用。

in this paper, unsupervised segmentation system, able to segment wall independently to their notation: automatically adapt to every wall notation, without the need of labeled data to learn their graphical appearance.

自动适应每种墙体符号，无需标记数据即可了解图形外观。

 

2、Methodology  方法

Wall-assumption：

（1）parallel lines 平行线

（2）rectangle 矩形

（3）appear in orthogonal directions  出现在正交方向

（4）different thickness  不同的厚度

（5）same pattern

（6）repetitively and naturally distributed  重复出现并自然分布

 

A、Pre-process  预处理

to filter unnecessary information and to facilitate the posterior segmentation.  过滤不必要的信息，促进后验分割。

[6][9] （1）binarized 二值化，减少输入空间的维数

（2）filter textual information using [10]  过滤文本信息

（3）detect and correct possible deviation

通过调整手写文本偏移的方法来检测和纠正可能的方向偏差。

（4）resolutions higher than 4000*4000 are down scaled  缩减

 

B、Black-walls detection  黑墙检测

black thick parallel lines-->the edge image  提取出黑墙的平行线

run lengths over the foreground pixels in the horizontal and vertical directions are quantized in a histogram.

在直方图中量化水平和竖直方向的前景像素。

Expectation Maximization algorithm  期望最大算法

正态分布sigma

使用canny边缘检测将黑墙的文档转换为边缘图像

 

C、Wall-segment candidates generation  墙段候选生成

（1）检测平行线

（2）计算平行候选之间的距离

（3）直方图统计，高频的，可能的宽度建模，低频的，不常见物体

（4）直方图平滑，最大频率区间分组

 

D、Wall Segmentation Ranking  墙壁分割排序

（1）Wall-candidates combination  墙候选组合

（2）Wall general attributes  一般属性

•SH  直方图中频率的总和，假设4（具有多个厚度的分段）

•CC  个体连接数量，假设6（墙应重复出现）

•AR  候选墙CC中的平均纵/横比，假设2（矩形）

•DiffD  比例差异，假设6（自然分布）

（3）Final Wall Segmentation  最终墙段

根据不同属性打分：

最终墙段是得分高的假设。

 

3、Experiments  实验

A、Datasets  数据集

B、Evaluation  评估

(1)using Jaccard Index(JI):

(2)recall

C、Results  结果

Our method is influenced by four parameters(rlbmin, α,σtw and r)

（1）rlbmin 表示黑色水平线生成被认为是可能线的最小长度，10pixels

（2）α angle interval  角度间隔  α= 15°

（3）σtw  灵敏度边界，用于检测具有厚度的平面图 75？ Over 25，有黑墙

（4）r 用于计算黑色像素分布差DiffD，相等大小区域r的数量，{9,16,25}

 

[7]，the notation oriented strategy, 基于符号方法

[9]，the notation invariant patch-based detection, 符号不变基于块的检测器

this paper，unsupervised notation invariant approach, 无监督符号不变方法