光栅户型图指的是用来描述户型设计布局的光栅图像。在房屋虚拟装修中,让用户自己参与房间的布局和设计,不仅可以将自己的装修创意应用在自己的家居装修当中,还可以使用户获得最适合自己的户型配置。传统的户型模型生成主要由设计师根据户型的二维图手动添加户型结构,得到户型图的矢量化数据,然后基于高度方向上的先验知识进行三维重建得到三维的户型模型,但由于建筑的内部结构复杂,所包含的构件元素较多,人工提取矢量化数据不仅费时费力,而且效率低下。为了解决当前户型的虚拟装修展示中建模周期长、人工交互多的问题,本文设计了一套户型图识别的技术路线,实现了户型图中主要结构元素的分割和识别,并将其转化成三维建模所需的矢量化数据。本文的主要工作如下:(1)对户型图中普遍存在的结构元素提出了基于多属性分析的识别算法,实现了对户型图中比例尺、墙体、飘窗和柱子的识别。本文首先采用模板匹配的方法从图中检索到尺寸标识区域,通过识别尺寸标注数字和计算标尺端点的距离来得到比例尺,作为后续户型元素识别和户型三维重建的重要依据;其次,在检测墙体时,根据户型图外围轮廓中墙体颜色占比最高的特征提取出墙体区域,解决了在户型图识别中,因墙体颜色不同而检测难的问题,同时在墙体细化时对快速细化线算法进行了优化,使得墙体在提取中心线的时候能够保留墙体之间的角度关系;最后,根据飘窗和柱子的形态特征分别提出了基于凹凸性特征的飘窗识别算法和基于形态特征的柱子识别算法。(2)提出基于深度学习的门窗识别算法,实现对门窗的分类。由于门和窗都是嵌入在墙体之中,在形状上都是由一个矩形框和多段短线所组成,区别仅仅在于门比窗多出了一段弧线和竖直线,用传统的识别方法准确率较低,本文在提取出包含门窗的子图后,利用深度学习强大的分类能力对其进行识别,提高了门、窗识别的准确率。其中包括标注工具的设计和使用、门窗数据集的构建、门窗候选区的确定以及基于深度卷积神经网络的门窗分类。(3)构建户型图识别系统。主要包括数据输入模块,算法处理模块、人机交互模块、数据输出模块;加入人工交互模块后的系统可以让用户对系统的识别起到监督作用,在可视化的识别结果图中可以看到识别错误的地方,以便设计师迅速的进行修正。