盧云鵬 王建軍* 張薺勻 白崇岳 胡燕威

（山東理工大學(xué)，機(jī)械工程學(xué)院，山東 淄博255049）

1 概述

采用航空CCD 相機(jī)采集地面影像，對(duì)地物識(shí)別，廣泛應(yīng)用于耕地面積、森林覆蓋率、城市建設(shè)規(guī)劃等領(lǐng)域。獲得的每一小幅圖像經(jīng)平滑處理和匹配，可形成一幅完整圖像，以便于與三維地形圖匹配。由于航空攝影距離遠(yuǎn)，圖像分辨率低，地物不明顯，采用人工對(duì)地物分類費(fèi)時(shí)費(fèi)力。因此，采用計(jì)算機(jī)對(duì)航空攝影地物自動(dòng)分類和識(shí)別，具有重要現(xiàn)實(shí)意義。

目前常用聚類分析對(duì)彩色圖像進(jìn)行處理，實(shí)現(xiàn)對(duì)地物的自動(dòng)分類和識(shí)別[1]。聚類分析基本原理是把性質(zhì)相似的對(duì)象歸于一類，而不同類之間則存在較大差異[2]。錢小燕等[3]對(duì)兩幅不同環(huán)境下的航空?qǐng)D片進(jìn)行聚類分析，產(chǎn)生若干聚類域，利用顏色實(shí)現(xiàn)匹配顏色聚類域?qū)崿F(xiàn)分類。張斌等[4]提出了一種基于聚類分析的輪胎X 光圖像表面雜質(zhì)檢測方法。周光華等[5]介紹了模糊聚類分析在醫(yī)學(xué)圖像分割、醫(yī)學(xué)圖像壓縮等的應(yīng)用。王驍?shù)萚6]利用聚類分析分割管路區(qū)域，實(shí)現(xiàn)了管路圖像亞像素精度邊緣提取。

本文基于顏色聚類，對(duì)航空影像進(jìn)行地物分類研究，并對(duì)地表破壞面積和綠植覆蓋率進(jìn)行計(jì)算，可應(yīng)用于土地流失、國土資源估算等方面。

2 原理描述

2.1 聚類分析

2.2 判別分析

3 實(shí)驗(yàn)過程與結(jié)果

以圖1(a)航空?qǐng)D像為例說明彩色圖像聚類分析和判別過程。首先從不同的地物區(qū)域取訓(xùn)練樣本，共取15 個(gè)，取點(diǎn)如圖1(b)所示，其中1-12 點(diǎn)（綠色點(diǎn)）為進(jìn)行聚類分析的實(shí)驗(yàn)點(diǎn)，RGB 顏色值如表1 所示。而13-15 點(diǎn)是三個(gè)待判別點(diǎn)（紅色方塊點(diǎn)位置）。采用系統(tǒng)聚類法對(duì)12 個(gè)聚類實(shí)驗(yàn)點(diǎn)聚類分析。圖2 是分類樹圖，可見，12 個(gè)點(diǎn)主要有三個(gè)明顯聚集區(qū)，采用k 均值聚類法進(jìn)一步聚類。對(duì)12 個(gè)實(shí)驗(yàn)點(diǎn)進(jìn)一步采用k 均值聚類處理，聚類結(jié)果如表2 所示。3 個(gè)類的中心位置，即變量均值，分別為：m1(0.7892，0.7824，0.6941)；m2(0.3588，0.3941，0.3000)；m3(0.6059，0.6500，0.5578)。每一個(gè)類中所有點(diǎn)到聚類中心距離分別為：d1=0.0095; d2=0.0899; d3=0.0047。12 個(gè)樣本點(diǎn)中，每個(gè)點(diǎn)到每個(gè)聚類中心的距離如表3 所示。

圖1 航空攝影圖像及其樣本點(diǎn)

圖2 基于系統(tǒng)聚類法的聚類樹圖

表1 12 個(gè)樣本點(diǎn)顏色值

表2 12 個(gè)樣本實(shí)驗(yàn)點(diǎn)的k 均值聚類結(jié)果

表3 12 個(gè)樣本點(diǎn)到每個(gè)聚類中心的距離

從圖1(b)所選樣本點(diǎn)分布看，特意選取三組點(diǎn)，即1、2、3、4為一組是屋頂面；5、6、7、8 為一組是樹木覆蓋區(qū)；9、10、11、12 為一組為道路面。從k 均值聚類結(jié)果，聚類將三類很好的分開了，結(jié)果符合實(shí)際地物狀況。取圖上三個(gè)待決策點(diǎn)（紅色點(diǎn)13-15）進(jìn)行判決分類， 三個(gè)點(diǎn)的 RGB 值分別為：x13(0.4431，0.4824，0.3882)；x14 (0.7490，0.7412，0.6902)；x15(0.5804，0.6118，0.5216)。

采用歐氏距離公式進(jìn)行判別分析：

x13 點(diǎn)的顏色向量值[0.4431,0.4824,0.3882]，到三個(gè)聚類中心的 距 離 分 別 為：dx13m1=0.3033；dx13m2=0.0227；dx13m3=0.0834。在三者中，dx13m2=0.0227 最小，故點(diǎn)x13 屬于第二類，看原圖點(diǎn)13 是樹叢中的取點(diǎn)，故判決符合實(shí)際情況。

x14 點(diǎn)顏色向量值[0.7490,0.7412,0.6902]，到三個(gè)聚類中心的距離分別為：dx14m1 =0.0033；dx14m2 =0.4250；dx14m3 =0.0463。在三者中，dx14m1= 0.0033 最小，故點(diǎn)x14 屬于第一類，看原圖點(diǎn)14 是空?qǐng)龅刂械娜↑c(diǎn)，故判決符合實(shí)際情況。

x15 點(diǎn)顏色向量值[0.5804,0.6118,0.5216]，到三個(gè)聚類中心的 距 離 分 別 為：dx15m1=0.1025；dx15m2=0.1456；dx15m3=0.0034。在三者中，dx15m3 =0.0034 最小，故點(diǎn)x15 屬于第三類，看原圖點(diǎn)15 是道路中的取點(diǎn)，故判決符合實(shí)際情況。

從以上實(shí)驗(yàn)方法可見，首先通過預(yù)先獲得典型地物的樣本點(diǎn)的顏色值，進(jìn)行K-means 聚類分析，然后對(duì)未分類的待判斷點(diǎn)進(jìn)行距離判別分析，可成功的實(shí)現(xiàn)地物的分類和判別。

4 結(jié)論

通過對(duì)航攝彩色圖像進(jìn)行聚類分析和判別分析，可以對(duì)圖像的地物進(jìn)行較有效的分類，并用不同的顏色對(duì)圖像進(jìn)行重新繪制，以突出我們感興趣的部分，實(shí)現(xiàn)信息的挖掘和整理。本文通過實(shí)例操作，證明聚類方法對(duì)地物識(shí)別可行。