藍質(zhì)斌，史家豪

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

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

藍質(zhì)斌，史家豪

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

改革開放以來，國家經(jīng)濟水平日益提高，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)計樓房開燈率，從而統(tǒng)計小區(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，通過編寫圖像配準、圖像校正、圖像分割等程序，并實驗于廣州部分小區(qū)的入住率調(diào)查，分析真實的樓房需求.實驗在結果上證明本設計的準確性和速度上的優(yōu)越性.

開燈率；樓房入住率；MATLAB GUI；圖像配準；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.本設計旨在從消費者角度摸清房地產(chǎn)市場真實需求，掌握目標小區(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)市場提供基礎數(shù)據(jù)，以促進房地產(chǎn)市場與社會經(jīng)濟和諧發(fā)展.

本課題通過拍攝夜間樓房照片統(tǒng)計樓房入住率.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，達到分析樓房的入住率的目的.當拍攝樣品量較少時，人工計算工作量不大.然而，當樣本量較大時，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)計工作，需要一個科學高效的方法.

2 總體設計思路

圖1方案流程圖

本題組通過運用圖像配準、圖像矯正、圖像分割、圖像灰度統(tǒng)計等圖像處理技術，基于MATLAB軟件編寫簡明程序，可以較為快速統(tǒng)計樓房入住率.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.

2.1 圖像配準融合

圖像融合的作用是將配準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)分析與應用.

由于不同傳感器或者同一傳感器在不同時間、不同視點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，進行數(shù)據(jù)融合處理工作之前，必須進行圖像配準工作.

2.1.1 最大互信息測度

為了使得到的圖像配準，本課題采用最大信息互測度原理作為配準原則，即當含有相同內(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.

最大互信息的配準實質(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，最終實現(xiàn)兩幅及以上圖初始照片的配準.

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)表達式來衡量，因此進行最優(yōu)化搜索時，難以利用求導計算梯度最優(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，不需要計算目標轉(zhuǎn)換函數(shù)梯度，僅通過比較目標函數(shù)數(shù)值大小移動迭代點即可求出極大值.Powell法對目標函數(shù)提出一套計算方案，使得經(jīng)過若干次一維搜索后，產(chǎn)生一組共軛方向.在共軛方向上進行搜索可得到照片互信息的極值點［1］.

2.1.3 PV插值法

取得照片信息極值點之后，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對應原圖中的像素點，PV插值法計算流程如下：

設點P為浮動圖像上的一點，經(jīng)反向變換得到的一個對應于參考對象上的浮點數(shù)Ta（x），其四個最近鄰像素點分別為（n1，n2，n3，n4），每個Ta（x）點對應的權重Wi.

PV插值法的計算過程如圖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行計算后.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，還需進行圖片矯正［2］.

本設計采用配準技術進行圖像矯正.

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

圖3 圖像配準的基本流程圖

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

2.3 圖像分割

圖像矯正后，兩幅圖像已經(jīng)基本融合完畢.下一步是進行圖像分割，將整張圖像分割成獨立小塊，再識別某套房當天是否有居民入住.利用圖像分割并且參考樓房的平面結構圖，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）計算子快行列間隔；（2）計算子快像散坐標取值范圍；（3）以子塊像素坐標為依據(jù)，提取子塊圖片；（4）取得各分割子塊并予以顯示.

3 運行結果

本系統(tǒng)每次運行周期可同時讀入4張圖像，即將某一天晚上4個規(guī)定時間拍攝的4張圖片進行統(tǒng)一處理，并將輸入的圖像都配準融合為一張新圖像，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，我們對圖像進行分割，統(tǒng)計每個分割區(qū)域的亮度，從而可以計算樓房的入住率

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

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

4 總結

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

最后，希望本系統(tǒng)能夠得到廣泛的推廣應用，從消費者角度摸清房地產(chǎn)市場的真實需求，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)市場提供基礎數(shù)據(jù)，以促進房地產(chǎn)市場與社會經(jīng)濟和諧發(fā)展做出貢獻.

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，不管是從開始定方向查資料準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.圖像配準技術及其MATLAB編程實現(xiàn)［M］.北京：電子工業(yè)出版社，2009.21-179.

〔2〕宋智禮.圖像配準技術及其應用的研究［D］.上海：復旦大學，2010.

〔3〕李顯宏.MATLAB7.X界面設計與編譯技巧［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：北京大學數(shù)學科學學院，2006.

TP391.41

A

1673-260X（2015）05-0048-02

華南農(nóng)業(yè)大學大學生創(chuàng)新項目（SCX13083）