運(yùn)用基于MATLAB平臺的數(shù)字圖像處理技術(shù)調(diào)查樓房入住率

藍(lán)質(zhì)斌，史家豪

（華南農(nóng)業(yè)大學(xué) 電子信息工程學(xué)院，廣東 廣州 510642）

運(yùn)用基于MATLAB平臺的數(shù)字圖像處理技術(shù)調(diào)查樓房入住率

藍(lán)質(zhì)斌，史家豪

（華南農(nóng)業(yè)大學(xué) 電子信息工程學(xué)院，廣東 廣州 510642）

改革開放以來，國家經(jīng)濟(jì)水平日益提高，高昂的樓價一直是困擾政府和老百姓的重大問題.調(diào)查樓房入住率通過統(tǒng)計(jì)樓房開燈率，從而統(tǒng)計(jì)小區(qū)的樓房利用率，有利于分析未來房價的動態(tài).本文的撰寫基于MATLAB GUI平臺，利用數(shù)字圖像處理技術(shù)，通過編寫圖像配準(zhǔn)、圖像校正、圖像分割等程序，并實(shí)驗(yàn)于廣州部分小區(qū)的入住率調(diào)查，分析真實(shí)的樓房需求.實(shí)驗(yàn)在結(jié)果上證明本設(shè)計(jì)的準(zhǔn)確性和速度上的優(yōu)越性.

開燈率；樓房入住率；MATLAB GUI；圖像配準(zhǔn)；圖像校正；圖像分割

1 引言

自1998年開始城鎮(zhèn)住房制度改革開始，城市化進(jìn)程不斷加快以及居民收入水平持續(xù)上升，商品住房需求日益增長.調(diào)查顯示，市場發(fā)展既得益于樓房實(shí)際需求的支撐，也有來自于房地產(chǎn)投資屬性以及保值增值功能帶來的助力.本設(shè)計(jì)旨在從消費(fèi)者角度摸清房地產(chǎn)市場真實(shí)需求，掌握目標(biāo)小區(qū)的入住率情況，以及入住戶數(shù)在時間和空間上的分布規(guī)律，為政府調(diào)控房地產(chǎn)市場提供基礎(chǔ)數(shù)據(jù)，以促進(jìn)房地產(chǎn)市場與社會經(jīng)濟(jì)和諧發(fā)展.

本課題通過拍攝夜間樓房照片統(tǒng)計(jì)樓房入住率.我們拍攝同一座樓在不同夜晚時間的多張照片，通過分析每個房屋單元的亮燈情況，來判斷該房屋是否有人入住，達(dá)到分析樓房的入住率的目的.當(dāng)拍攝樣品量較少時，人工計(jì)算工作量不大.然而，當(dāng)樣本量較大時，對于如何快速處理大量采集樣，以及完成后續(xù)入住率統(tǒng)計(jì)工作，需要一個科學(xué)高效的方法.

2 總體設(shè)計(jì)思路

圖1方案流程圖

本題組通過運(yùn)用圖像配準(zhǔn)、圖像矯正、圖像分割、圖像灰度統(tǒng)計(jì)等圖像處理技術(shù)，基于MATLAB軟件編寫簡明程序，可以較為快速統(tǒng)計(jì)樓房入住率.方案簡略流程圖如圖1所示.

以下將介紹本測量方案所用到的具體技術(shù).

2.1 圖像配準(zhǔn)融合

圖像融合的作用是將配準(zhǔn)之后的多張圖像融合為一張具有多張圖像信息的新圖像，方便后續(xù)的數(shù)據(jù)分析與應(yīng)用.

由于不同傳感器或者同一傳感器在不同時間、不同視點(diǎn)獲得的圖像在空間上存在針對性差異，所以在初始居民樓圖像獲取時會遇到諸如不同時間點(diǎn)獲取的照片中的居民樓角度、比例不相同等問題.為了解決這個問題，進(jìn)行數(shù)據(jù)融合處理工作之前，必須進(jìn)行圖像配準(zhǔn)工作.

2.1.1 最大互信息測度

為了使得到的圖像配準(zhǔn)，本課題采用最大信息互測度原理作為配準(zhǔn)原則，即當(dāng)含有相同內(nèi)容的兩幅圖像通過幾何變換在空間對齊時，它們所包含的灰度值的互信息量最大.

最大互信息的配準(zhǔn)實(shí)質(zhì)是搜索最佳的幾何變換參數(shù)，使兩幅或兩幅以上居民樓照片的互信息達(dá)到最大.該方法采用整幅初始居民樓照片所有像素共同組成特征空間，再根據(jù)特征空間的特性確定一種相對應(yīng)確定的空間變換，使一幅初始照片像經(jīng)過該變換后和另一幅初始照片的互信息最大，最終實(shí)現(xiàn)兩幅及以上圖初始照片的配準(zhǔn).

2.1.2 Powell算法

值得注意的是，對于水平位移、垂直位移、旋轉(zhuǎn)角度等輸入?yún)?shù)，它們在互信息最大化時缺乏一個具體的函數(shù)表達(dá)式來衡量，因此進(jìn)行最優(yōu)化搜索時，難以利用求導(dǎo)計(jì)算梯度最優(yōu)化方法搜索極值.因此本課題組采用Powell法，Powell法（方向加速法）是一種直接法，不需要計(jì)算目標(biāo)轉(zhuǎn)換函數(shù)梯度，僅通過比較目標(biāo)函數(shù)數(shù)值大小移動迭代點(diǎn)即可求出極大值.Powell法對目標(biāo)函數(shù)提出一套計(jì)算方案，使得經(jīng)過若干次一維搜索后，產(chǎn)生一組共軛方向.在共軛方向上進(jìn)行搜索可得到照片互信息的極值點(diǎn)［1］.

2.1.3 PV插值法

取得照片信息極值點(diǎn)之后，由于照片的拍攝存在不可避免的角度偏差，所以還需利用PV插值法來確定變換后某像素點(diǎn)對應(yīng)原圖中的像素點(diǎn)，PV插值法計(jì)算流程如下：

設(shè)點(diǎn)P為浮動圖像上的一點(diǎn)，經(jīng)反向變換得到的一個對應(yīng)于參考對象上的浮點(diǎn)數(shù)Ta（x），其四個最近鄰像素點(diǎn)分別為（n1，n2，n3，n4），每個Ta（x）點(diǎn)對應(yīng)的權(quán)重Wi.

PV插值法的計(jì)算過程如圖2所示：

圖2 PV插值法示意圖

2.2 圖像矯正

經(jīng)由上一步的幾個算法運(yùn)行計(jì)算后.合成的新的照片已經(jīng)初步完成，但由于兩張圖片在拍攝過程中存在不可避免的角度和距離偏差，合成的圖像中還存在著一定的誤差，為此，還需進(jìn)行圖片矯正［2］.

本設(shè)計(jì)采用配準(zhǔn)技術(shù)進(jìn)行圖像矯正.

首先對兩幅圖像進(jìn)行特征提取得到特征點(diǎn)；通過進(jìn)行相似性度量找到匹配的特征點(diǎn)對；然后通過匹配的特征點(diǎn)對得到圖像空間坐標(biāo)變換參數(shù)；最后由坐標(biāo)變換參數(shù)進(jìn)行圖像配準(zhǔn).而特征提取是配準(zhǔn)技術(shù)中的關(guān)鍵，準(zhǔn)確的特征提取為特征匹配的成功進(jìn)行提供了保障.因此，尋求具有良好不變性和準(zhǔn)確性的特征提取方法，對于匹配精度至關(guān)重要.其流程圖如下：

圖3 圖像配準(zhǔn)的基本流程圖

MATLAB中IPT支持以控制點(diǎn)為基礎(chǔ)的點(diǎn)映射圖像配準(zhǔn).一旦選出了足夠的有效控制點(diǎn)，就可以利用IPT函數(shù)來推導(dǎo)出實(shí)現(xiàn)某種映射關(guān)系的空間變換.根據(jù)上面選擇的控制點(diǎn)對，可以用IPT函數(shù)cp2tform來導(dǎo)出待配準(zhǔn)圖像與基準(zhǔn)圖像之間的幾何變換關(guān)系.

2.3 圖像分割

圖像矯正后，兩幅圖像已經(jīng)基本融合完畢.下一步是進(jìn)行圖像分割，將整張圖像分割成獨(dú)立小塊，再識別某套房當(dāng)天是否有居民入住.利用圖像分割并且參考樓房的平面結(jié)構(gòu)圖，可以分割出樓房的所有套房，再分析這些被分割出來的小模塊.簡略算法流程如下（1）計(jì)算子快行列間隔；（2）計(jì)算子快像散坐標(biāo)取值范圍；（3）以子塊像素坐標(biāo)為依據(jù)，提取子塊圖片；（4）取得各分割子塊并予以顯示.

3 運(yùn)行結(jié)果

本系統(tǒng)每次運(yùn)行周期可同時讀入4張圖像，即將某一天晚上4個規(guī)定時間拍攝的4張圖片進(jìn)行統(tǒng)一處理，并將輸入的圖像都配準(zhǔn)融合為一張新圖像，此時的合成圖片被程序拉伸成矩形并以灰度圖的形式輸出顯示.

圖4為4個時刻的照片.

圖4 某晚4個時刻的照片

（圖中由左至右分別是19：00、20：00、21：00、22：00時刻拍攝的圖片）

圖5是4個時刻融合后的新圖片.

圖5 拉成規(guī)整形狀的樓房圖以及融合后的圖片

再之后，我們對圖像進(jìn)行分割，統(tǒng)計(jì)每個分割區(qū)域的亮度，從而可以計(jì)算樓房的入住率

（1）數(shù)據(jù)處理速度：由于輸入圖像分辨率較高，因此在運(yùn)行圖像顯示，配準(zhǔn)融合等步驟時較為緩慢，但相比于同時同標(biāo)準(zhǔn)的人工測算，系統(tǒng)速度可達(dá)人工測算速度數(shù)千倍.

（2）統(tǒng)計(jì)精確性：通過計(jì)算樓房的開燈率，既是入住率，試驗(yàn)例示中，該居民樓當(dāng)晚的入住率是62.50%，比對系統(tǒng)統(tǒng)計(jì)的用戶數(shù)與人工統(tǒng)計(jì)的用戶數(shù)（肉眼計(jì)數(shù)入住率為64.00%），系統(tǒng)的誤差控制在3%以內(nèi).

4 總結(jié)

本設(shè)計(jì)還存在一些不足，比如運(yùn)行速度、擴(kuò)展功能等.希望在以后能夠優(yōu)化配準(zhǔn)算法以及處理圖像的方法，從而提高數(shù)據(jù)處理速度.另外在擴(kuò)展功能方面，希望能夠有將多天的統(tǒng)計(jì)數(shù)據(jù)進(jìn)行比對分析、建立統(tǒng)計(jì)樓房入住率的數(shù)據(jù)庫等.

最后，希望本系統(tǒng)能夠得到廣泛的推廣應(yīng)用，從消費(fèi)者角度摸清房地產(chǎn)市場的真實(shí)需求，掌握最新小區(qū)的入住率情況，以及在時間和空間上的分布規(guī)律，為政府調(diào)控房地產(chǎn)市場提供基礎(chǔ)數(shù)據(jù)，以促進(jìn)房地產(chǎn)市場與社會經(jīng)濟(jì)和諧發(fā)展做出貢獻(xiàn).

致謝：在本次論文的撰寫中，我們得到了林芳教授的精心指導(dǎo)，不管是從開始定方向查資料準(zhǔn)備還是在最后論文修改的過程中，一直都耐心地給予我們指導(dǎo)和意見.在此，我們對林芳教授表示誠摯的感謝以及真心的祝福.

〔1〕陳顯毅.圖像配準(zhǔn)技術(shù)及其MATLAB編程實(shí)現(xiàn)［M］.北京：電子工業(yè)出版社，2009.21-179.

〔2〕宋智禮.圖像配準(zhǔn)技術(shù)及其應(yīng)用的研究［D］.上海：復(fù)旦大學(xué)，2010.

〔3〕李顯宏.MATLAB7.X界面設(shè)計(jì)與編譯技巧［M］.北京：電子工業(yè)出版社，2006.203-296.

〔4〕Wang，C，Jiang，M.Review ofImageRegistration Methods for Medical Images［D］.北京：北京大學(xué)數(shù)學(xué)科學(xué)學(xué)院，2006.

TP391.41

A

1673-260X（2015）05-0048-02

華南農(nóng)業(yè)大學(xué)大學(xué)生創(chuàng)新項(xiàng)目（SCX13083）