張 怡

(浙江水利水電學院 電氣工程學院，浙江 杭州 310018)

基于模糊聚類的顏色塊自動模式識別方法研究

張 怡

(浙江水利水電學院 電氣工程學院，浙江 杭州 310018)

在線圖像監(jiān)測的快速發(fā)展對計算機圖像識別技術(shù)的應(yīng)用提出了越來越迫切的需求.從計算機決策支持系統(tǒng)(DSS)的設(shè)計出發(fā)，根據(jù)在線圖像監(jiān)測的特點，分析了將模糊模式識別技術(shù)應(yīng)用于在線監(jiān)測圖像顏色識別與分類的優(yōu)越性，提出了一種適用于在線監(jiān)測圖像顏色自動識別與分類的方法.算法首先根據(jù)專家給出的樣本學習集獲取各類識別色中心，引入改進模糊C均值聚類方法和連通圖遍歷技術(shù)，在獲取該像素對應(yīng)顏色模式關(guān)于各種識別色中心的隸屬度的基礎(chǔ)上，基于顏色不突變的規(guī)律綜合分析整個圖像形成各個顏色圖塊，得到圖像各個區(qū)域的顏色分類結(jié)果.此方法可用于指導各行業(yè)類似顏色塊自動識別和分類技術(shù)的運用.

在線監(jiān)測；顏色；模糊模式識別；連通圖遍歷

近年來，醫(yī)學圖像診斷、文字識別、車牌識別、衛(wèi)星拍照等領(lǐng)域，越來越需要基于圖像處理的實時在線監(jiān)測技術(shù)的發(fā)展.在線圖像監(jiān)測技術(shù)的成功運用體現(xiàn)出方便、便利、安全等強大優(yōu)勢.計算機圖像處理技術(shù)實現(xiàn)的基礎(chǔ)之一，就是計算機能夠根據(jù)圖像顏色自動識別同一類顏色，進而組成一類色塊，構(gòu)成圖像處理的顏色分類基礎(chǔ).以往，很多在線監(jiān)測系統(tǒng)更多是依靠運行人員人為觀察與分析采集圖像，缺乏自動識別和分析功能，其原因是對背景復雜的圖像分析方法的研究還不夠系統(tǒng)和成熟.本文在研究圖像識別和分析系統(tǒng)的構(gòu)架基礎(chǔ)上，提出了一種基于連通圖遍歷的聚類方法實現(xiàn)監(jiān)測圖像的顏色識別和分類方法，同時考慮工業(yè)環(huán)境下采集的圖像由于畸變和噪聲所導致的圖像模糊處置正符合模糊理論精神，故引入模糊C均值聚類方法來提高算法的適用性和魯棒性[1-4].算例分析表明，該方法具備較強柔性處理能力的同時，又具備了較好的識別準確性.

1 系統(tǒng)介紹及算法簡介

圖1構(gòu)成了圖像采集的硬件系統(tǒng)，系統(tǒng)通過CCD圖像傳感器將監(jiān)測設(shè)備圖像進行采集，借助具備多通道處理能力的數(shù)據(jù)采集卡將采集到的所有圖像送入監(jiān)控計算機.監(jiān)控計算機配置有本地數(shù)據(jù)庫來保存圖像數(shù)據(jù)并將需處理的圖像通過通訊網(wǎng)絡(luò)傳送給主站計算機，主站計算機通過配套軟件系統(tǒng)進行處置并將處置結(jié)果展示給運行人員予以參考[5-6].

圖1 圖像監(jiān)測與分析系統(tǒng)總體結(jié)構(gòu)圖

對于一幅圖像，可分解出多項指標，而其中最重要的信息是色塊顏色和色塊形狀.這些色塊從圖像學上來說，都有一個顏色中心，并以這個顏色中心形成一塊顏色相近的顏色塊.要實現(xiàn)各個顏色塊的顏色分析，算法利用統(tǒng)計工具對典型樣本集進行加權(quán)平均，求取各個樣本色塊的顏色中心.在確定樣本集顏色中心的前提下，以這些顏色中心作為約束條件，將整個圖像每個像素點作為運算單位，通過模糊數(shù)學和圖遍歷算法，獲取每個像素點對應(yīng)典型樣本集各類顏色塊中心的隸屬度，并按照最優(yōu)隸屬進行分類.按照以往傳統(tǒng)分類方法，通常使用“最大隸屬度原則”，也就是將單個像素點按照其最大隸屬度一次性歸屬為某一顏色類，過程中不考慮該像素點歸屬于其它顏色類的隸屬情況，這樣，模糊聚類算法所獲得的結(jié)果無法得到充分利用.由此，本文特將多種模式識別的方法進行組合并予以改進，提出一種顏色識別新方法.其原理是基于一張圖像顏色不會發(fā)生突變、相鄰之間具有耦合的特性，通過引入模糊C均值聚類方法，并利用計算機技術(shù)進行圖遍歷算法，實現(xiàn)多層去模糊化處理聚類識別.這個方法的優(yōu)勢體現(xiàn)為在進行在線監(jiān)測圖像各個顏色色塊聚類分類的同一過程，也可以獲取完整圖像的整體顏色塊分布狀況，能夠更為有效地利用算法求取的模糊隸屬度所包含的各類豐富信息，同時模糊算法的引入也提高了整個算法的魯棒性和抗噪性.

2 典型顏色塊類中心學習

由圖1所示硬件采集裝置所獲取的在線監(jiān)測圖像中，在資深設(shè)備專家的遴選下，挑出足夠數(shù)量的若干例，并以之為基礎(chǔ)，形成典型顏色塊的顏色類中心，并由此構(gòu)建各個典型顏色塊類中心的學習集.具體方法是利用統(tǒng)計方法計算其顏色類中心對應(yīng)的RGB值(以RGB色系為例)，典型顏色塊顏色類中心的RGB分量值分別對應(yīng)該典型學習集全部樣本對應(yīng)RGB分量總加后取平均值而得，具體計算方法見下：

(1)

其標準差為：

(2)

式(1)、式(2)中：

N—樣本個數(shù)；

mean(R、G、B)—各個顏色塊顏色類中心的RGB分量值；

std(R、G、B)—RGB各分量的標準差.

由此可以得到若干典型設(shè)備顏色類中心，如電力系統(tǒng)中接近紅色的互感器、灰色的變壓器、黃色(A相)、綠色(B相)、紅色(C相)、白色安全帽(領(lǐng)導人員)、藍色安全帽(管理人員)、黃色安全帽(施工人員)、紅色安全帽(外來人員)等，這些顏色類中心下一步將用來指導監(jiān)測圖像的顏色識別.從圖像學可知，三原色RGB色系與常用的彩色刺激色系XYZ、PAL亮度色系YUV、Otha色系I1I2I3之間可以相互變換.故，可以根據(jù)需要分別計算在線監(jiān)測圖像在各個色系下的典型顏色塊類中心.

3 單個像素點模糊隸屬度求取

為計算在線監(jiān)測圖像中任意單個像素對于典型顏色塊顏色類中心的隸屬度，并為整個圖像的色塊分類和形狀分析打下基礎(chǔ).綜合比較，以采用模糊C均值聚類方法為宜[7-9].

傳統(tǒng)模糊C均值方法以X={x1,x2,…,xk,…,xn}代表樣本集，目標是使聚類準則函數(shù)式(3)為最小.

(3)

其中，隸屬度矩陣U={uji}是隸屬度函數(shù)；uji代表xj歸屬Ci類的隸屬度，要求滿足以下條件：

(1)uji∈[0,1],i=1,2,…,C;j=1,2,…,N；

傳統(tǒng)模糊C均值方法通過對目標準則函數(shù)Jm迭代優(yōu)化來完成算法，可得：

(4)

(5)

算法具體步驟為：

(1)設(shè)定樣本類別數(shù)為C，并設(shè)置允許誤差Emax，令t=1；

(2)根據(jù)式(5)求的類中心W(t)={w1,w2,…,wi,…,wc}；

(3)根據(jù)式(4)求的新隸屬度矩陣U(t+1)={uji}；

(4)計算誤差Δ=max‖U(t+1)-U(t)‖.

若誤差Δ>允許誤差Emax，則退回第2步，否則計算結(jié)束.

從以上邏輯實現(xiàn)來看，傳統(tǒng)模糊C均值聚類得到的類中心僅僅是計算最優(yōu)解(該解為多次迭代獲取)，用于分類時還需要干預來對這些類中心進行解讀使其符合分類定義.從在線監(jiān)測圖像顏色識別的實施過程來看，專家進行圖像顏色塊分類時，先天已經(jīng)形成了一個典型色類的主觀印象(這一印象符合大家對分類的認同).專家在進行識別判讀時就是把對比對象與各個典型顏色類進行比較，并將之劃分到最合適類的過程.這就相當于，在計算模糊C均值聚類算法的目標函數(shù)時將類中心提前固定，這樣類中心固定的模糊C均值聚類算法不需迭代，可以通過一次計算求得約束條件下的最優(yōu)解.改進的模糊C均值聚類算法簡化為：

(1)由式(1)計算典型樣本各顏色塊類中心；

(2)根據(jù)式(4)求取計算對象對應(yīng)各顏色類的隸屬度矩陣；

(3)通過模糊數(shù)學工具對隸屬度矩陣去模糊化；

(4)獲取最終分類結(jié)果.

從以上邏輯實現(xiàn)來看，類中心固定的模糊C均值算法實施過程與專家判讀過程是一致的，且過程不需迭代，又可以快速求取最優(yōu)解，故利用類中心固定FCM算法進行在線監(jiān)測圖像自動分類較傳統(tǒng)FCM算法具有明顯優(yōu)勢.

4 在線監(jiān)測圖像顏色塊分析

經(jīng)過前文提出的改進模糊C均值聚類方法，可以求取到整個圖像各個像素點歸屬于各典型顏色塊類的隸屬度矩陣U={uji}，通過對該隸屬度矩陣進行去模糊化處理，可以得到每個計算單位的類別歸屬.去模糊化的經(jīng)典方法“最大隸屬原則”具有簡單便捷的特點，但該方法僅僅注重了最大隸屬的成分，沒有充分利用模糊C均值方法獲取的隸屬度矩陣所包含的豐富信息，難以進一步優(yōu)化分類結(jié)果.

為充分利用算法結(jié)果并實現(xiàn)最優(yōu)分類，本文依據(jù)模糊數(shù)學思想提出模糊點的概念.工程實踐表明，圖像采集、傳輸、處理等環(huán)節(jié)都可能引入模糊點[10].在此定義模糊點為，計算單位(像素點)，若其最大隸屬度值不大于次大隸屬度值20%以上的點.對于模糊點，如果僅基于點運算并按照“最大隸屬原則”對其分類，其結(jié)果往往可能是錯誤的.為避免這類情況的發(fā)生，較好抑制消除噪聲的影響，本文提出一種新的思路.該思路基于顏色塊不突變的原理，即某點顏色的歸屬同時取決于自身的顏色屬性歸屬及相鄰點的顏色屬性歸屬，也就是在算法中將相鄰域運算考慮進來.

工程實踐表明，圖像顏色往往是成塊分布的，同一顏色塊像素點會相互連通構(gòu)成一個同色區(qū)域，其中的像素點顏色往往具有不突變的特點.于是，可以利用計算機連通圖遍歷算法，在計算單位(像素點)分類獲取過程中，充分考慮鄰域的屬性情況，由此可以確定整個監(jiān)測圖像所有區(qū)域的顏色分布信息結(jié)果(顏色類和形態(tài))，從而將圖像分解形成多個顏色接近的色塊，在實現(xiàn)分類的同時還未下一步處理打下基礎(chǔ).

算法中，定義像素點可存在三種狀態(tài)：①尚未處理狀態(tài)：該計算單位尚未被遍歷過，其顏色分類結(jié)果未知；②處理進行狀態(tài)：該計算單位已被遍歷過，但尚未有明確顏色分類結(jié)果；③處理完畢狀態(tài)：該計算單位已有明確的顏色類分類結(jié)果.

為實現(xiàn)同一顏色塊的區(qū)域劃分隔離，算法在此基礎(chǔ)上定義一個當前顏色類處理堆棧，其進棧第一個對象為某一顏色類確定的非模糊點.算法通過引入連通圖遍歷方法，在遍歷過程中利用該堆棧，設(shè)計的去模糊處理方法(基于相鄰區(qū)域)為：

第1步 各計算單位(像素點)均為尚未處理狀態(tài)，取圖像左上位置第一個計算單位(像素點)為起始處理對象，判斷當前計算單位是否為尚未處理的非模糊點.如判斷為非，則按照從上至下，從左至右的順序進行掃描繼續(xù)查找尚未處理的非模糊點.如判斷為是，則設(shè)置該點狀態(tài)為處理完畢狀態(tài)(顏色分類屬于其隸屬度最大的類)，令當前處理類別即為該類別，并將其壓入堆棧，跳至第2步進行處理.若掃描到結(jié)束位置，均未發(fā)現(xiàn)合適的非模糊點，則從頭掃描，對尚未分類的模糊點按第3步分類，直到整個圖像所有像素點都處理分類完畢.

第2步 判斷顏色類處理堆棧是否為空.若判斷為非空，則執(zhí)行出棧處理，若該點為模糊點，則跳轉(zhuǎn)至第3步進行處理，否則判斷該非模糊點顏色類別是否為當前類別，若是，則設(shè)置該計算單位狀態(tài)為處理完畢狀態(tài)，該點屬于其隸屬度最大的顏色類別.并以該點為基準，按從上至下，從左至右的掃描順序?qū)⒃擖c周圍3×3計算單位的相鄰區(qū)域中尚未處理的像素點壓棧，繼續(xù)執(zhí)行第2步.若判斷為空，則屬于當前顏色類的顏色塊已遍歷完成，返回第1步繼續(xù)在上次掃描位置尋找非模糊點.

第3步 當前計算單位為模糊點時，判斷該點周圍3×3計算單位的相鄰區(qū)域中是否存在尚未處理狀態(tài)點.若判斷為非，則結(jié)合其相鄰區(qū)域顏色類已確定的計算單位信息決定其顏色類別歸屬.具體判據(jù)是取該點周圍3×3鄰域所有像素點顏色類別信息，并取這些點歸屬最多的顏色類做為該模糊點所屬顏色類.設(shè)置該點狀態(tài)為處理完畢狀態(tài)，轉(zhuǎn)向第2步處理.若判斷為有，則設(shè)置當前處理點狀態(tài)為處理進行狀態(tài)，將其重新壓回堆棧，并將其周圍區(qū)域尚未處理的點壓入堆棧，轉(zhuǎn)向第2步進行處理.

第4步 統(tǒng)計各顏色區(qū)域并將像素點最多的顏色類指定為該區(qū)域歸屬的顏色類，在分類完成的同時，也為后續(xù)進一步分析和判斷打下基礎(chǔ).

從該算法的邏輯實現(xiàn)來看，算法通過引入計算機連通圖遍歷、模糊點相鄰區(qū)域判斷兩種方法，從而實現(xiàn)了在對像素顏色更為準確分類的同步過程中，也完整得到了監(jiān)測圖像顏色塊分布和形態(tài)信息.按照上述邏輯可實現(xiàn)程序編寫，算例分析表明，該方法實用有效，識別率超過90%，本方法對于顏色塊自動分類有較好的識別性能.

5 結(jié) 論

圖像的在線監(jiān)測識別技術(shù)日趨重要，基于計算機實現(xiàn)智能識別和圖像處理分析是此技術(shù)的重要基礎(chǔ).本文在研究在線檢測圖像顏色識別特點的基礎(chǔ)上，提出一種適用于在線監(jiān)測的顏色自動識別和分類方法，且該法對于類似顏色色塊自動分類具有普遍的指導意義.方法是基于固定類中心的改進模糊C均值聚類方法，快速計算圖像各像素點對于各典型顏色塊的隸屬度矩陣，并在此矩陣的基礎(chǔ)上，在連通圖遍歷的框架下通過引入相鄰區(qū)域模糊點判別方法，能夠快速實現(xiàn)同時獲取整個圖像的顏色和形態(tài)信息.研究將重點解決采集圖像質(zhì)量不高，相機聚焦不準確造成漏報和誤報問題.伴隨計算機技術(shù)和圖像處理、識別算法的不斷完善，圖像處理與識別技術(shù)在在線圖像監(jiān)測中將得到進一步的深入研究與應(yīng)用實踐，這將對未來的在線監(jiān)測和控制技術(shù)的進步產(chǎn)生深遠的影響.

[1] 項 春,嚴愛芳,楊 為.計算機圖形學在旋轉(zhuǎn)機械故障診斷中的應(yīng)用[J].浙江水利水電?？茖W校學報,2001,13(3)：60-62.

[2] SHARMA GANRAV,JOEL TRUSSELL H. Digital Color Imaging[J].IEEE Trans on Imaging Processing,1997,6(7)：901-932.

[3] CHEN SHOUYU. Fuzzy Recognition Theoretical Model[J].Fuzzy Math,1993,1(2)：261-269.

[4] 劉普寅,吳孟達.模糊理論及其應(yīng)用[M].長沙：國防科技大學出版社,1998.

[5] 趙忠旭,王愛民,沈蘭蓀.舌像分析儀中彩色校正的研究[J].電子測量與儀器學報,1999,13(3)：1-5.

[6] 吳健康.數(shù)字圖象分析[M].北京：人民郵電出版社,1989.

[7] KAMEL M S,SELIM Z. New Algorithms for Solving the Fuzzy Clustering Problem[J].Pattern Recognition,1994,27(3)：421-428.

[8] 黃鳳崗,宋克歐.模式識別[M].哈爾濱：哈爾濱工程大學出版社,1998.

[9] 崔 海,康劍莉.基于片相似各項異性擴散的BP神經(jīng)網(wǎng)絡(luò)的磨粒識別研究[J].浙江水利水電學院學報,2016,28(3)：77-80.

[10] 何 斌,馬天予,王運堅.Visual C++數(shù)字圖像處理[M].北京：人民郵電出版社,2001.

StudyofComputerPatternRecognitionMethodforColourBlocksBasedonFuzzyClustering

ZHANG Yi

(College of Electrical Engineering,Zhejiang University of Water Resources and Electric Power,Hangzhou 310018,China)

The rapid development of online image monitoring has put forward more and more urgent needs for the application of computer image recognition technology. According to the design of Decision Support System (DSS) and the characteristics of online image monitoring,this paper analyzes the advantages of applying fuzzy pattern recognition technique to online monitoring image colour identification and classification,and proposes a new method. Firstly,the algorithm acquires all kinds of identification colour center based on sample learning sets given by experts and introduces fuzzy c-means clustering method and connected graph traversal technique. Based on identification colour membership of pixel’s corresponding colour pattern and colour’s no-mutation rules,this paper comprehensively analyzes the whole image to form each colour pattern and to obtain the colour identification results of each area. This method is prevalently instructional to similar colour automatic identification.

online monitoring; colour; fuzzy pattern recognition; connected graph traversal

2016-07-06

張 怡(1977-)，女，浙江杭州人，碩士，講師，主要研究方向為電力系統(tǒng)自動化、新能源技術(shù)、計算機技術(shù)在電力系統(tǒng)中的應(yīng)用.

TP391.4

A

1008-536X(2016)10-0080-04