结合图像融合的地图分割方法研究

褚哲　杨文倩

摘 要：传统的地图分割主要是对单幅图像进行分割，在实际的公安工作中我们往往能拿到不同比例尺的图像，基于此，本文提出了一种结合图像融合的地图分割方法，在传统的FCM算法的基础上引入多层级城市地图综合分割的概念，对不同层级图像像素点隶属度的选择进行了相关探索。首先，对传统的模糊c均值理论进行介绍；其次，介绍结合图像融合的分割思路及具体实施过程；最后，通过仿真实验验证用这种算法进行地图分割提取路网的效果。本方法的思路主要是实现图像信息的互补，在不同层级图像中选择较为清晰的分割结果。

关键词：图像分割；图像融合；模糊聚类

中图分类号：TP391.41

随着公安工作的不断推进，视频侦查已成为侦查的重要手段，各地也在不断探索视频侦查应用的新方法与新技术。目前公安视频监控综合应用滞后于视频监控基础设施建设的步伐已成为公安信息化的突出问题。要实现视频监控的综合应用，一个很好的思路就是将包括视频图像、犯罪热点等信息与传统的地图结合起来，在地图上完成犯罪热点分析、犯罪轨迹跟踪等相关工作。

对于给定的图像，我们希望较好地把图像中的信息提取出来，从而应用于后续的轨迹推演、热点分析。传统的分割方法主要利用单幅图像的信息进行分割，信息往往不够全面，在实际工作中，我们有可能获得不同比例尺的图像，基于此，我们提出了一种结合图像融合的地图分割思路。

本文将首先介绍传统的图像分割方法，然后阐释如何结合多层级图像信息进行图像融合，最后按隶属度相加与隶属度选择算法分别进行实验，并分析仿真结果。

1 视频侦查发展现状

2003年公安部全面推進“金盾工程”建设，即公安部公安信息化工程建设。在“金盾工程”的推动下，公安信息系统不断完善，初步形成资源共享的良好局面。“金盾工程”的一项重要内容就是建设公安部门专用的视频监控系统。2005年发生了伦敦地铁爆炸案，视频监控在侦查破案中起到的重要作用引起了世界各国警方的高度重视。随着视频监控系统建设的日趋完善，目前视频侦查已成为侦查破案的重要手段。在破案过程中，侦查员会第一时间调取犯罪现场的监控视频，如果现场没有监控视频，还可以在来去通道、路口、卡口等犯罪人员可能出现的地方提取监控视频。这为侦查破案提取了重要的线索。

目前，各地公安系统都相继成立专门的视频侦查队伍。武汉市公安局成立了全国第一支视频侦查支队，并且通过在实际办案中不断探索，提炼了一套较为详尽的视频侦查操作流程[1]。在实际调研中，我们发现视频侦查与警务地理信息系统结合紧密，由此我们希望对得到的地图进行有效分割处理，提取有利于侦查办案的路网信息。同时由于公安部门能得到较为丰富的多层级地图，我们希望能将不同层级或比例尺下的地图进行综合图像信息的提取，基于此，我们进行了如下探索。

2 模糊聚类原理

模糊c均值算法是由Dunn[2]提出并经过Bezdek[3]发展起来的一种模糊聚类算法，并已经被广泛应用到图像分割之中，其算法[4]可以描述如下：

其中，m>1是模糊系数；U=uij是c×n的模糊矩阵，uij是第j个样本xj属于第i类的隶属度，隶属度越大，说明该样本与该类相似的程度越大；V=[v1，v2，…，vc]是由c个聚类中心向量所构成的s×c的矩阵；dij=‖xj-vi‖表示样本xj到中心vi的距离。可以得到：

记Ij={（i，j）|xj=vi，1≤i≤c}。根据上述约束条件可以得到：

算法的具体步骤：

（1）设定聚类个数c和模糊指数m；初始化各类中心V（0）；设定迭代收敛的精确度ε>0；令迭代次数k=0。

（2）用（6）式迭代计算U（k+1）。

（3）用（5）式计算V（k+1），令k=k+1。

（4）重复（2）和（3），直到满足终止条件：‖V（k）-V（k-1）‖≤ε，k≥1。

由于图像是由二维像素点组成的，所以我们将隶属度表示为uxij，表示像素点（i，j）属于第 类的隶属度。这里我们选择颜色作为分割的依据，对于RGB图像，我们可以把距离定义为dnij=‖xij-vn‖，表示示样本xij到中心vn的距离[5]。算法的迭代步骤仍按照前述基本FCM算法步骤进行迭代。

3 结合图像融合的分割算法

在实际的图像分割中我们往往希望充分利用现有的图像信息，基于这种情况，我们提出了结合多层级图像融合的地图分割方法，希望能达到一定程度的信息互补[6]。我们的思路是选择同一区域合适的若干层级图像，对于不同层级的图像进行适当的放缩，使它们的图像大小一样，对于这些不同层级的图像分别进行图像分割。对于每一像素点，我们选取在这几个层级中较为清晰的分类作为分类结果，所以这是一个决策的过程。

3.1 隶属度相加算法

具体实验步骤如下：

（1）选取合适的层级，如m层和m+1层。

（2）将m层地图瓦片放大为原来的4倍，再拆分为4个256×256的地图瓦片，找到两个层级之间地图瓦片的一一对应关系。

（3）对m和m+1层的每一组对应地图瓦片分别进行一次模糊c均值划分，把得到的隶属度um1ij，um2ij，…，umnij和 进行一次合成，即选择um1ij，um2ij，…，umnij与 对应隶属度的和作为（i，j）点的新隶属度u1ij，u2ij，…，unij，并记录新的隶属度矩阵。

（4）根据新隶属度对每一张256×256的图片进行分割，存储分割图片。

（5）把分割结果进行图像拼接，合成完整的分割结果。

3.2 隶属度选择算法

具体实验步骤如下：

（1）选取合适的层级，如m层和m+1层。

（2）将m层地图瓦片放大为原来的4倍，再拆分为4个256×256的地图瓦片，找到两个层级之间地图瓦片的一一对应关系。

（3）对m和m+1层的每一组对应地图瓦片分别进行一次模糊c均值划分，把得到的隶属度um1ij，um2ij，…，umnij和 进行一次决策，选取对应同一像素点隶属度之间离散程度较大的点的隶属度作为该像素点的隶属度，这里我们用方差表示，即选择um1ij，um2ij，…，umnij与 中方差较大的一组隶属度作为（i，j）点的新隶属度u1ij，u2ij，…，unij，并记录新的隶属度矩阵。

（4）根据新隶属度对每一张256×256的图片进行分割，存储分割图片。

（5）把分割结果进行图像拼接，合成完整的分割结果。

4 实验结果与分析

4.1 实验结果

实验中，我们以公安大学木樨地校区15、16层级地图作为分割对象来提取路网，在Matlab2010环境下进行仿真实验，其中15层级木樨地校区对应16张256×256像素的图像，而16层级对应64张256×256像素的图像，为了方便观察，我们把它们拼接起来，如图1所示：

我们采用隶属度相加算法与隶属度选择算法分别进行图像分割、拼接，得到的路网如图2所示：

4.2 分析

实验分成两部分：第一，采用隶属度相加算法进行分别进行图像分割、拼接，得到木樨地校区的路网；第二，采用隶属度选择算法分别进行图像分割、拼接，得到木樨地校区的路网。由实验结果可以看出：

（1）两组方法都可以较好地分割出我们所需要的路网；

（2）采用隶属度选择得到的路网更加完整，细节信息也更为丰富。

所以我们采用隶属度选择的算法较好，能更好的分割出我们所需要的路网。

5 结束语

目前视频侦查与地图的深度结合应用已成为视频侦查的一个重要方向，而从地图中较好地分割出路网则是这一应用的前提。本文提出了一种基于多层级地图融合的路网提取思路，并且给出两种具体算法：隶属度相加算法与隶属度选择算法。实验结果显示，这两种方法都能较好地分割出路网信息，而隶属度选择算法的效果更好。

参考文献：

[1]王禹，黄明方，徐扬.视频侦查实战技能[M].北京：中国人民公安大学出版社，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，崔广才，李岩芳，胡雅婷.模糊聚类算法及应用[M].北京：国防工业出版社，2011.

[5]朱小雨.基于FCM聚类的彩色图像分割算法研究[D].吉林大学，2011.

[6]姚为.像素级和特征级遥感图像融合方法研究与应用[D].大连理工大學，2011.

作者简介：褚哲（1989-），男，安徽人，硕士，研究方向：视频处理，图像侦查；杨文倩（1988-），女，陕西人，硕士，研究方向：视频处理，图像侦查。

作者单位：中国人民公安大学，北京 100038