湖泊公园作为城市典型的蓝绿空间,提供着重要的生态调节服务与景观游憩服务,具有多种环境及社会效益,对改善城市游憩环境、提高人类福祉和公共健康大有裨益。然而在城市水资源危机和快速城市化的背景下,湖泊的生态环境遭到破坏,影响了城市人居环境的健康可持续发展,因此保护和改善城市湖泊资源,促进湖泊公园景观质量提升,已经成为城市建设亟待解决的课题。从公众感知偏好视角挖掘景观特质,揭示景观视觉要素对游人潜在情感倾向的影响机制,有助于创造真正“以人为本”的景观,满足人们对高品质人居环境的需求。本研究以武汉市中心城区的已建成的20处湖泊公园为研究对象,利用多种计算机视觉算法对来自社交媒体的35631张景观图片进行参数化分析,提取和量化图片中的景观特征,包括图像分类与内容识别、图像语义分割与图像色彩量化三大板块:（1）利用Google Cloud Vision算法,通过数据准备、图像标签分析、人工标签添加、模型训练、模型效度评估和批量预测这六个模块,构建景观要素分类、空间尺度分类和景观元素识别Auto ML模型,分析湖泊公园的景观类型、空间尺度与景观元素。（2）通过DeepLab v3+算法分割图像内容,得到绿视率、天空可见度和建筑可见度三项指标。（3）利用OpenCV和K-means聚类算法提取图像的主色彩及其HSV特征值,实现图像的色彩聚类与量化。基于图像参数化处理提取的景观特征归纳景观意象的三大维度:景观构成、景观占比和景观色彩,构建基于公众感知的多维度景观意象量化测度框架。通过多种数理统计方法和空间分析法定量化分析景观意象的感知共性与感知特性,探讨公众的偏好取向以及影响感知偏好差异的原因,揭示湖泊公园景观意象的时空变化规律。本研究得到的主要结论如下:（1）景观构成维度:在景观类型层面,湖泊公园中自然景观的感知显著高于人文景观,其中水体景观、林木景观和历史文化是湖泊公园的核心景观类型;在空间尺度层面,公众对不同尺度（宏中微）的景观不存在显著的偏好差异,且人们更偏好于大尺度空间广阔深远的自然景观和小尺度精细化设计的人文景观;在景观元素层面,常绿树、湖泊、草地、背景建筑群和倒影是湖泊公园的代表景观元素,且公众对不同公园景观的感知偏好差异较大,其中代表公园特色的特异性景观更容易得到人们的高度感知,表明了景观特质挖掘与差异化景观建设的重要性。除此之外,人们在不同季节中对各景观类型和景观元素的的偏好也存在一定的差异。（2）景观占比维度:湖泊公园的平均绿视率（GVI）、天空可见度（SVI）和建筑可见度（BVI）分别为0.3597、0.1863和0.0741,整体来看公众更偏好于中等绿视率（0.3＜GVI＜0.5）、中等空间开敞度（0.10＜SVI＜0.25）和较低建筑可见度（0.01＜BVI＜0.1）的景观,除此之外,人们对不同景观类型和空间尺度的景观占比具有不同的偏好特征。（3）景观色彩维度:人文景观的色彩相较于自然景观更加多样化,组内差异更大。整体来看,湖泊公园景观的主导色相为蓝绿色,并呈现低饱和度、中亮度的色彩特征,从色彩心理学的角度看,在湖泊公园中人们更偏好于色彩柔和的、低视觉刺激的、能够让人心情平静、舒缓放松的景观。总体来看,人们偏好的湖泊公园景观意象呈现出自然性与历史性相结合、同质性与异质性相共存、视觉元素配比合理、时空变化规律显著、色彩视觉效果多样的特征。根据以上研究结果,本研究从保持自然本真性、重视历史底蕴、增加景观旷奥变化、挖掘景观特质、优化景观视觉元素和合理设计景观色彩方面为湖泊公园的景观视觉质量提升提出了建议。本研究丰富了景观偏好的分析方法与内容框架,为以大数据图片实现感知偏好分析的相关研究提供了新的方法思路与技术支持,对指导湖泊公园和城市景观的建设具有理论与实践应用价值。