冯瑞芳，易晓园

(四川大学锦城学院，四川 成都 611731)

1 引言

园林景观环境是一个复杂系统，现已成为影响城市建设、市容环境建设与城市管理水平的关键因素之一[1]。为贴合现代景观高品质和高效率的建造需求，应将设计过程以模块化形式进行呈现，能够增强创新能力、拓展设计资源[2-3]。但模块化包含的数据量较多，对信息进行有效融合是现阶段设计人员需要探究的重要问题。

针对信息融合问题，文献[4]设计了基于NARX神经网络的分簇数据融合模型。将NARX神经网络时序预测模型与基矢量量化下的分簇路由协议相融合，从时间和空间相关性上消除冗余，把融合后的少量数据传输给汇聚节点，增强数据收集效率。但该模型融合精度较差，实用性不高。文献[5]设计了自适应模糊C均值聚类的数据融合模型。将自适应模糊C均值聚类应用到数据融合中，通过引入自适应系数以发现不同形状和大小的聚类子集，将卡尔曼滤波原理与基于多层感知机的神经网络预测法应用到误差协方差估计中，提高融合可信度。但该模型计算效率较低，难以满足实际场景计算需求。

针对上述问题，本文以城市园林景观建设为背景，创建一种设计过程模块化信息融合模型。

2 三维城市园林景观生成

为协调城市园林景观整体布局、提高园林景观设计效率，利用遥感传感器生成城市园林景观三维景观。

由于运用遥感技术得到的城市初始图像具备周期性噪声与数量众多的冗余、山体阴影等[6]，为完成遥感图像的准确空间定位，要对城市初始遥感图像实施预处理，并对待处理图像展开分割和重组。……