結合圖像融合的地圖分割方法研究

褚哲　楊文倩

摘 要：傳統的地圖分割主要是對單幅圖像進行分割，在實際的公安工作中我們往往能拿到不同比例尺的圖像，基于此，本文提出了一種結合圖像融合的地圖分割方法，在傳統的FCM算法的基礎上引入多層級城市地圖綜合分割的概念，對不同層級圖像像素點隸屬度的選擇進行了相關探索。首先，對傳統的模糊c均值理論進行介紹；其次，介紹結合圖像融合的分割思路及具體實施過程；最后，通過仿真實驗驗證用這種算法進行地圖分割提取路網的效果。本方法的思路主要是實現圖像信息的互補，在不同層級圖像中選擇較為清晰的分割結果。

關鍵詞：圖像分割；圖像融合；模糊聚類

中圖分類號：TP391.41

隨著公安工作的不斷推進，視頻偵查已成為偵查的重要手段，各地也在不斷探索視頻偵查應用的新方法與新技術。目前公安視頻監控綜合應用滯后于視頻監控基礎設施建設的步伐已成為公安信息化的突出問題。要實現視頻監控的綜合應用，一個很好的思路就是將包括視頻圖像、犯罪熱點等信息與傳統的地圖結合起來，在地圖上完成犯罪熱點分析、犯罪軌跡跟蹤等相關工作。

對于給定的圖像，我們希望較好地把圖像中的信息提取出來，從而應用于后續的軌跡推演、熱點分析。傳統的分割方法主要利用單幅圖像的信息進行分割，信息往往不夠全面，在實際工作中，我們有可能獲得不同比例尺的圖像，基于此，我們提出了一種結合圖像融合的地圖分割思路。

本文將首先介紹傳統的圖像分割方法，然后闡釋如何結合多層級圖像信息進行圖像融合，最后按隸屬度相加與隸屬度選擇算法分別進行實驗，并分析仿真結果。

1 視頻偵查發展現狀

2003年公安部全面推進“金盾工程”建設，即公安部公安信息化工程建設。在“金盾工程”的推動下，公安信息系統不斷完善，初步形成資源共享的良好局面?！敖鸲芄こ獭钡囊豁椫匾獌热菥褪墙ㄔO公安部門專用的視頻監控系統。2005年發生了倫敦地鐵爆炸案，視頻監控在偵查破案中起到的重要作用引起了世界各國警方的高度重視。隨著視頻監控系統建設的日趨完善，目前視頻偵查已成為偵查破案的重要手段。在破案過程中，偵查員會第一時間調取犯罪現場的監控視頻，如果現場沒有監控視頻，還可以在來去通道、路口、卡口等犯罪人員可能出現的地方提取監控視頻。這為偵查破案提取了重要的線索。

目前，各地公安系統都相繼成立專門的視頻偵查隊伍。武漢市公安局成立了全國第一支視頻偵查支隊，并且通過在實際辦案中不斷探索，提煉了一套較為詳盡的視頻偵查操作流程[1]。在實際調研中，我們發現視頻偵查與警務地理信息系統結合緊密，由此我們希望對得到的地圖進行有效分割處理，提取有利于偵查辦案的路網信息。同時由于公安部門能得到較為豐富的多層級地圖，我們希望能將不同層級或比例尺下的地圖進行綜合圖像信息的提取，基于此，我們進行了如下探索。

2 模糊聚類原理

模糊c均值算法是由Dunn[2]提出并經過Bezdek[3]發展起來的一種模糊聚類算法，并已經被廣泛應用到圖像分割之中，其算法[4]可以描述如下：

其中，m>1是模糊系數；U=uij是c×n的模糊矩陣，uij是第j個樣本xj屬于第i類的隸屬度，隸屬度越大，說明該樣本與該類相似的程度越大；V=[v1，v2，…，vc]是由c個聚類中心向量所構成的s×c的矩陣；dij=‖xj-vi‖表示樣本xj到中心vi的距離?？梢缘玫剑?/p>

記Ij={（i，j）|xj=vi，1≤i≤c}。根據上述約束條件可以得到：

算法的具體步驟：

（1）設定聚類個數c和模糊指數m；初始化各類中心V（0）；設定迭代收斂的精確度ε>0；令迭代次數k=0。

（2）用（6）式迭代計算U（k+1）。

（3）用（5）式計算V（k+1），令k=k+1。

（4）重復（2）和（3），直到滿足終止條件：‖V（k）-V（k-1）‖≤ε，k≥1。

由于圖像是由二維像素點組成的，所以我們將隸屬度表示為uxij，表示像素點（i，j）屬于第 類的隸屬度。這里我們選擇顏色作為分割的依據，對于RGB圖像，我們可以把距離定義為dnij=‖xij-vn‖，表示示樣本xij到中心vn的距離[5]。算法的迭代步驟仍按照前述基本FCM算法步驟進行迭代。

3 結合圖像融合的分割算法

在實際的圖像分割中我們往往希望充分利用現有的圖像信息，基于這種情況，我們提出了結合多層級圖像融合的地圖分割方法，希望能達到一定程度的信息互補[6]。我們的思路是選擇同一區域合適的若干層級圖像，對于不同層級的圖像進行適當的放縮，使它們的圖像大小一樣，對于這些不同層級的圖像分別進行圖像分割。對于每一像素點，我們選取在這幾個層級中較為清晰的分類作為分類結果，所以這是一個決策的過程。

3.1 隸屬度相加算法

具體實驗步驟如下：

（1）選取合適的層級，如m層和m+1層。

（2）將m層地圖瓦片放大為原來的4倍，再拆分為4個256×256的地圖瓦片，找到兩個層級之間地圖瓦片的一一對應關系。

（3）對m和m+1層的每一組對應地圖瓦片分別進行一次模糊c均值劃分，把得到的隸屬度um1ij，um2ij，…，umnij和 進行一次合成，即選擇um1ij，um2ij，…，umnij與 對應隸屬度的和作為（i，j）點的新隸屬度u1ij，u2ij，…，unij，并記錄新的隸屬度矩陣。

（4）根據新隸屬度對每一張256×256的圖片進行分割，存儲分割圖片。

（5）把分割結果進行圖像拼接，合成完整的分割結果。

3.2 隸屬度選擇算法

具體實驗步驟如下：

（1）選取合適的層級，如m層和m+1層。

（2）將m層地圖瓦片放大為原來的4倍，再拆分為4個256×256的地圖瓦片，找到兩個層級之間地圖瓦片的一一對應關系。

（3）對m和m+1層的每一組對應地圖瓦片分別進行一次模糊c均值劃分，把得到的隸屬度um1ij，um2ij，…，umnij和 進行一次決策，選取對應同一像素點隸屬度之間離散程度較大的點的隸屬度作為該像素點的隸屬度，這里我們用方差表示，即選擇um1ij，um2ij，…，umnij與 中方差較大的一組隸屬度作為（i，j）點的新隸屬度u1ij，u2ij，…，unij，并記錄新的隸屬度矩陣。

（4）根據新隸屬度對每一張256×256的圖片進行分割，存儲分割圖片。

（5）把分割結果進行圖像拼接，合成完整的分割結果。

4 實驗結果與分析

4.1 實驗結果

實驗中，我們以公安大學木樨地校區15、16層級地圖作為分割對象來提取路網，在Matlab2010環境下進行仿真實驗，其中15層級木樨地校區對應16張256×256像素的圖像，而16層級對應64張256×256像素的圖像，為了方便觀察，我們把它們拼接起來，如圖1所示：

我們采用隸屬度相加算法與隸屬度選擇算法分別進行圖像分割、拼接，得到的路網如圖2所示：

4.2 分析

實驗分成兩部分：第一，采用隸屬度相加算法進行分別進行圖像分割、拼接，得到木樨地校區的路網；第二，采用隸屬度選擇算法分別進行圖像分割、拼接，得到木樨地校區的路網。由實驗結果可以看出：

（1）兩組方法都可以較好地分割出我們所需要的路網；

（2）采用隸屬度選擇得到的路網更加完整，細節信息也更為豐富。

所以我們采用隸屬度選擇的算法較好，能更好的分割出我們所需要的路網。

5 結束語

目前視頻偵查與地圖的深度結合應用已成為視頻偵查的一個重要方向，而從地圖中較好地分割出路網則是這一應用的前提。本文提出了一種基于多層級地圖融合的路網提取思路，并且給出兩種具體算法：隸屬度相加算法與隸屬度選擇算法。實驗結果顯示，這兩種方法都能較好地分割出路網信息，而隸屬度選擇算法的效果更好。

參考文獻：

[1]王禹，黃明方，徐揚.視頻偵查實戰技能[M].北京：中國人民公安大學出版社，2014.

[2]Dunn J C.A fuzzy relative of the ISODATA process and its use in detecting compact well separated clusters[J].J.Cubernet，1973（03）：32-57.

[3]Bezdek J C.Pattern Recognition with Fuzzy Objective Function Algorithms[M].New York：Plenum Press，1981.

[4]曲福恒，崔廣才，李巖芳，胡雅婷.模糊聚類算法及應用[M].北京：國防工業出版社，2011.

[5]朱小雨.基于FCM聚類的彩色圖像分割算法研究[D].吉林大學，2011.

[6]姚為.像素級和特征級遙感圖像融合方法研究與應用[D].大連理工大學，2011.

作者簡介：褚哲（1989-），男，安徽人，碩士，研究方向：視頻處理，圖像偵查；楊文倩（1988-），女，陜西人，碩士，研究方向：視頻處理，圖像偵查。

作者單位：中國人民公安大學，北京 100038