褚哲　楊文倩

摘 要：傳統(tǒng)的地圖分割主要是對單幅圖像進(jìn)行分割，在實(shí)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(jié)合圖像融合的地圖分割方法，在傳統(tǒng)的FCM算法的基礎(chǔ)上引入多層級(jí)城市地圖綜合分割的概念，對不同層級(jí)圖像像素點(diǎn)隸屬度的選擇進(jìn)行了相關(guān)探索。首先，對傳統(tǒng)的模糊c均值理論進(jìn)行介紹；其次，介紹結(jié)合圖像融合的分割思路及具體實(shí)施過程；最后，通過仿真實(shí)驗(yàn)驗(yàn)證用這種算法進(jìn)行地圖分割提取路網(wǎng)的效果。本方法的思路主要是實(shí)現(xiàn)圖像信息的互補(bǔ)，在不同層級(jí)圖像中選擇較為清晰的分割結(jié)果。

關(guān)鍵詞：圖像分割；圖像融合；模糊聚類

中圖分類號(hào)：TP391.41

隨著公安工作的不斷推進(jìn)，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(yīng)用的新方法與新技術(shù)。目前公安視頻監(jiān)控綜合應(yīng)用滯后于視頻監(jiān)控基礎(chǔ)設(shè)施建設(shè)的步伐已成為公安信息化的突出問題。要實(shí)現(xiàn)視頻監(jiān)控的綜合應(yīng)用，一個(gè)很好的思路就是將包括視頻圖像、犯罪熱點(diǎn)等信息與傳統(tǒng)的地圖結(jié)合起來，在地圖上完成犯罪熱點(diǎn)分析、犯罪軌跡跟蹤等相關(guān)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(yīng)用于后續(xù)的軌跡推演、熱點(diǎn)分析。傳統(tǒng)的分割方法主要利用單幅圖像的信息進(jìn)行分割，信息往往不夠全面，在實(shí)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(jié)合圖像融合的地圖分割思路。

本文將首先介紹傳統(tǒng)的圖像分割方法，然后闡釋如何結(jié)合多層級(jí)圖像信息進(jìn)行圖像融合，最后按隸屬度相加與隸屬度選擇算法分別進(jìn)行實(shí)驗(yàn)，并分析仿真結(jié)果。

1 視頻偵查發(fā)展現(xiàn)狀

2003年公安部全面推進(jìn)“金盾工程”建設(shè)，即公安部公安信息化工程建設(shè)。在“金盾工程”的推動(dòng)下，公安信息系統(tǒng)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?xiàng)重要內(nèi)容就是建設(shè)公安部門專用的視頻監(jiān)控系統(tǒng)。2005年發(fā)生了倫敦地鐵爆炸案，視頻監(jiān)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(jiān)控系統(tǒng)建設(shè)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(huì)第一時(shí)間調(diào)取犯罪現(xiàn)場的監(jiān)控視頻，如果現(xiàn)場沒有監(jiān)控視頻，還可以在來去通道、路口、卡口等犯罪人員可能出現(xiàn)的地方提取監(jiān)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(tǒng)都相繼成立專門的視頻偵查隊(duì)伍。武漢市公安局成立了全國第一支視頻偵查支隊(duì)，并且通過在實(shí)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(shí)際調(diào)研中，我們發(fā)現(xiàn)視頻偵查與警務(wù)地理信息系統(tǒng)結(jié)合緊密，由此我們希望對得到的地圖進(jìn)行有效分割處理，提取有利于偵查辦案的路網(wǎng)信息。同時(shí)由于公安部門能得到較為豐富的多層級(jí)地圖，我們希望能將不同層級(jí)或比例尺下的地圖進(jìn)行綜合圖像信息的提取，基于此，我們進(jìn)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(jīng)過Bezdek[3]發(fā)展起來的一種模糊聚類算法，并已經(jīng)被廣泛應(yīng)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(shù)；U=uij是c×n的模糊矩陣，uij是第j個(gè)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(gè)聚類中心向量所構(gòu)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(jù)上述約束條件可以得到：

算法的具體步驟：

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

（2）用（6）式迭代計(jì)算U（k+1）。

（3）用（5）式計(jì)算V（k+1），令k=k+1。

（4）重復(fù)（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(diǎn)組成的，所以我們將隸屬度表示為uxij，表示像素點(diǎn)（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(jù)，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(jìn)行迭代。

3 結(jié)合圖像融合的分割算法

在實(shí)際的圖像分割中我們往往希望充分利用現(xiàn)有的圖像信息，基于這種情況，我們提出了結(jié)合多層級(jí)圖像融合的地圖分割方法，希望能達(dá)到一定程度的信息互補(bǔ)[6]。我們的思路是選擇同一區(qū)域合適的若干層級(jí)圖像，對于不同層級(jí)的圖像進(jìn)行適當(dāng)?shù)姆趴s，使它們的圖像大小一樣，對于這些不同層級(jí)的圖像分別進(jìn)行圖像分割。對于每一像素點(diǎn)，我們選取在這幾個(gè)層級(jí)中較為清晰的分類作為分類結(jié)果，所以這是一個(gè)決策的過程。

3.1 隸屬度相加算法

具體實(shí)驗(yàn)步驟如下：

（1）選取合適的層級(jí)，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(gè)256×256的地圖瓦片，找到兩個(gè)層級(jí)之間地圖瓦片的一一對應(yīng)關(guān)系。

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

（4）根據(jù)新隸屬度對每一張256×256的圖片進(jìn)行分割，存儲(chǔ)分割圖片。

（5）把分割結(jié)果進(jìn)行圖像拼接，合成完整的分割結(jié)果。

3.2 隸屬度選擇算法

具體實(shí)驗(yàn)步驟如下：

（1）選取合適的層級(jí)，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(gè)256×256的地圖瓦片，找到兩個(gè)層級(jí)之間地圖瓦片的一一對應(yīng)關(guān)系。

（3）對m和m+1層的每一組對應(yīng)地圖瓦片分別進(jìn)行一次模糊c均值劃分，把得到的隸屬度um1ij，um2ij，…，umnij和 進(jìn)行一次決策，選取對應(yīng)同一像素點(diǎn)隸屬度之間離散程度較大的點(diǎn)的隸屬度作為該像素點(diǎn)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(diǎn)的新隸屬度u1ij，u2ij，…，unij，并記錄新的隸屬度矩陣。

（4）根據(jù)新隸屬度對每一張256×256的圖片進(jìn)行分割，存儲(chǔ)分割圖片。

（5）把分割結(jié)果進(jìn)行圖像拼接，合成完整的分割結(jié)果。

4 實(shí)驗(yàn)結(jié)果與分析

4.1 實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)中，我們以公安大學(xué)木樨地校區(qū)15、16層級(jí)地圖作為分割對象來提取路網(wǎng)，在Matlab2010環(huán)境下進(jìn)行仿真實(shí)驗(yàn)，其中15層級(jí)木樨地校區(qū)對應(yīng)16張256×256像素的圖像，而16層級(jí)對應(yīng)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(jìn)行圖像分割、拼接，得到的路網(wǎng)如圖2所示：

4.2 分析

實(shí)驗(yàn)分成兩部分：第一，采用隸屬度相加算法進(jìn)行分別進(jìn)行圖像分割、拼接，得到木樨地校區(qū)的路網(wǎng)；第二，采用隸屬度選擇算法分別進(jìn)行圖像分割、拼接，得到木樨地校區(qū)的路網(wǎng)。由實(shí)驗(yàn)結(jié)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(wǎng)；

（2）采用隸屬度選擇得到的路網(wǎng)更加完整，細(xì)節(jié)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(wǎng)。

5 結(jié)束語

目前視頻偵查與地圖的深度結(jié)合應(yīng)用已成為視頻偵查的一個(gè)重要方向，而從地圖中較好地分割出路網(wǎng)則是這一應(yīng)用的前提。本文提出了一種基于多層級(jí)地圖融合的路網(wǎng)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(shí)驗(yàn)結(jié)果顯示，這兩種方法都能較好地分割出路網(wǎng)信息，而隸屬度選擇算法的效果更好。

參考文獻(xiàn)：

[1]王禹，黃明方，徐揚(yáng).視頻偵查實(shí)戰(zhàn)技能[M].北京：中國人民公安大學(xué)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(yīng)用[M].北京：國防工業(yè)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(xué)，2011.

[6]姚為.像素級(jí)和特征級(jí)遙感圖像融合方法研究與應(yīng)用[D].大連理工大學(xué)，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(xué)，北京 100038