Entender cómo las personas perciben los paisajes urbanos es esencial para mejorar la calidad visual del entorno urbano y optimizar el diseño del espacio en las calles. Si bien las percepciones se moldean por la interacción de múltiples elementos visuales, los estudios existentes a menudo aíslan características semánticas individuales, pasando por alto sus combinaciones. Este estudio propone un Método de Extracción de Combinaciones de Elementos del Paisaje (SLECEM), que integra el modelo de detección de saliencia UniSal y la segmentación semántica para identificar combinaciones de paisajes que juegan un papel dominante en las percepciones humanas de los paisajes urbanos. Utilizando imágenes de vista de calle (SVIs) del área central del distrito de Futian, Shenzhen, China, construimos además un marco de análisis de acoplamiento de características y percepciones multidimensional. Los hallazgos clave son los siguientes: 1. Tanto las características visuales de bajo nivel (por ejemplo, color, contraste, dimensión fractal) como las características semánticas de alto nivel (por ejemplo, proporciones de árboles, cielo y edificios) influyen significativamente en las percepciones de los paisajes urbanos, con fuertes efectos no lineales de estas últimas. 2. La agrupación K-Means de combinaciones de elementos del paisaje salientes revela seis tipos distintos de paisajes urbanos y patrones de percepción. 3. Las combinaciones de características del paisaje reflejan mejor la percepción humana holística que las variables individuales. 4. Se proponen estrategias de diseño urbano personalizadas para diferentes objetivos de percepción del paisaje urbano (por ejemplo, belleza, seguridad y vitalidad). En general, este estudio profundiza en la comprensión de los mecanismos de percepción del paisaje urbano y propone un marco cuantitativo altamente operativo, ofreciendo orientación teórica sistemática y herramientas metodológicas para mejorar la capacidad de respuesta y sostenibilidad de los paisajes urbanos.