【正文】 均值聚類是一個快速收斂的算法。采用基于各向異性擴散的偏微分方程，其初始值為輸入圖像，轉(zhuǎn)化為差分格式迭代求解濾波結(jié)果。本研究還將各向異性擴散方法應用于醫(yī)學圖像的去噪處理。K均值聚類是一個快速的圖像分割算法。但是這種算法存在不足，如聚類數(shù)無法自動確定，運算的開銷太大。Medicinal organ’s dummy 3Dreconstruction is an important direction of the development in modern surgery’s puterization and informationize field. It’s a bination of the latest techniques in puter science , mathematics , mechanics , surgery and biological engineering. In this paper, image preprocessing is appled in Medicinal organ’s dummy 3Dreconstruction,that make the result more better.Keywords: forest fire detection system。森林經(jīng)常遭到火災的破壞，在危害森林的諸因子中火災是一種最具破壞性的災害，每次大火都直接地危及林木、上壤甚至于微生物和野生動物。但是對于大面積的森林，依靠地面人力和飛機監(jiān)測，不但費用高，而且工作十分繁雜，特別是對于盲區(qū)的監(jiān)測精度很低，所以現(xiàn)在森林火災監(jiān)測主要依靠電子設備配合人工操作實現(xiàn)。最早的火災監(jiān)測主要是靠管理人員野外巡邏和建立監(jiān)測站，后來配以飛機的定期巡航。 基于圖像處理的火災監(jiān)測技術國內(nèi)外研究進展 (1) 圖像型火災監(jiān)測系統(tǒng)國內(nèi)外研究進展圖像是一種包含對象強度、形體、位置等信息的信號。在大空間火災監(jiān)控方面有ISL公司和Magnox Electric公司聯(lián)合開發(fā)的用于電站火災監(jiān)控的VSD8系統(tǒng)。當有火焰燃燒時，在經(jīng)CCD形成的視頻信號中，除強烈的火焰輻射造成的高亮度信號外，僅有很少量的紅外干擾信號，而這些信號往往表現(xiàn)為固定的圖像模式，可以采用簡單的算法加以分類，從而使火焰的識別率大大提高，并且減少了處理的數(shù)據(jù)量，提高了檢測識別的速度，但其探測手段主要集中于使用紅外型攝像機，并且，探測系統(tǒng)的算法抗干擾性還有待提高。例如一些己經(jīng)具有完備視頻監(jiān)視系統(tǒng)的場合，這就對識別火災的算法提出了較高要求。背景差分法的基本思想是用當前幀圖像與背景圖像相減來實現(xiàn)運動區(qū)域的分割，但在光照變化、人的走動或車燈晃動等干擾存在的情況下會形成假的運動區(qū)域，從而導致火災誤報警。另有學者提出了基于彩色信息的火災圖像分割算法，但這些算法大多數(shù)過分依賴經(jīng)驗閾值，如W. B. Horng等人采用HSI彩色模型分割火焰圖像，對H, S, I分量分別采用經(jīng)驗閾值來提取火焰區(qū)域。若選取的閾值不合適，就很難準確地提取出火焰區(qū)域，給后續(xù)的火災特征提取和識別增加難度。預處理的目的就是對其進行濾波（Filtering）或平滑（Smoothing），抑制噪聲、增強圖像特征提高信噪比。從信號分析的觀點看，圖像平滑本質(zhì)上是低通濾波。圖像中某一像素，求出以它為中心的一個鄰域范圍內(nèi)的像素的平均值，用這個平均值來代替該中心點的灰度值。常用的模板有：，算子核等于9；，算子核等于10；，算子核等于16。 比如有一幅圖中的像素的一部分灰度值如下：對應的點是：設是噪聲，選取的窗口，計算中值濾波的值，先把，九個點的灰度值看成一個數(shù)列{3，2，4，4，3，10，3，4，3}，排序{2，3，3，3，3，4，4，4，10}，取中值3，的值為3 。 中值濾波后的圖像 采用高斯函數(shù)作為加權(quán)函數(shù)，有五個原因： 1) 在二維空間中,高斯函數(shù)是旋轉(zhuǎn)對稱的。 3) 高斯函數(shù)的付立葉變換也是高斯函數(shù)，這樣我們可以在空域和頻域上做同樣的變換達到同樣的效果。 設計高斯濾波器的方法: 1) 使用二項式展開法。 高斯濾波后的圖像圖像由彩色轉(zhuǎn)化為灰度的過程叫做灰度化，由于位圖為點陣圖像，它的每一個像素點由R、G、B三個分量組成。實際的位圖中，0對應于RGB值均為0，1對應于RGB值均為255，二值化圖像的方法很多，閾值的選擇是二值化圖像的關鍵。同一幅灰度圖像，不同部位其明暗分可能是不同的。具體做法如下：圖像分為的方塊，對于每一個子塊計算其平均灰度值，然后將方塊中每個像素點的灰度值與平均灰度值進行比較，若大于平均值，則將該像素點的灰度值置為255，反之則置為0。先計算各子區(qū)的灰度平均值，以此平均值作為該子區(qū)的閾值。 設有圖像A、X。若不存在任何一個點，它既是A的元素，又是X的元素，即A和X的交集是空，則稱A不擊中X。 把結(jié)構(gòu)元素A平移后得到，若 包含于X，我們記下這個點，所有滿足上述條件的點組成的集合稱為被A腐蝕的結(jié)果。作用：能夠去除孤立的小點、毛刺和小橋（即連通兩塊區(qū)域的小點），而總的位置和形狀不變。 圖像的開運算 圖像的閉運算 、膨脹、開運算、閉運算數(shù)學形態(tài)學的基礎是集合論。我們把一種特殊定義的鄰域稱之為“結(jié)構(gòu)元素”（Structure Element），在每個像素位置上，它與圖像對應的區(qū)域進行特定的運算，運算的結(jié)果為相應像素的輸出圖像。假設在此處理的是可以表示成f(x, y)和b(x, y)的數(shù)字圖像函數(shù)，f(x, y)是輸入圖像，b(x, y)是結(jié)構(gòu)元素。所以輸出圖像會比輸入圖像看上去更加明亮，并且能減弱或者消除一些比結(jié)構(gòu)元素面積小的、暗的細節(jié)部分。所以輸出圖像會比輸入圖像看上去更加陰暗，并且能減弱或者消除一些比結(jié)構(gòu)元素面積小的、亮的細節(jié)部分。其方法經(jīng)常用于去除較小的明亮細節(jié)，而且能夠相對地保持整體的灰度級和較大的明亮區(qū)域不變。其方法經(jīng)常用于去除圖像中的暗細節(jié)部分，而相對地保持明亮部分不受影響。經(jīng)過開運算，f(x, y)曲面中所有比結(jié)構(gòu)元素范圍小的波峰和尖銳程度都減小了，從而能夠刪除圖像中在尺度上小于結(jié)構(gòu)元素的幾何結(jié)構(gòu)，起到了平滑圖像的外凸邊緣的作用；經(jīng)過閉運算，f(x, y)曲面中所有比結(jié)構(gòu)元素范圍小的波谷都被平滑，從而具有填充圖像中那些比結(jié)構(gòu)元素小的斷裂或凹入部分的功能，起到了平滑圖像的內(nèi)凸部分的作用。 開運算后的圖像 閉運算后的圖像相應的各種圖像處理方式的實現(xiàn)效果如上圖所示。 (a)原圖 (b)灰度化開運算 (c)灰度化閉運算 (d)均值濾波 (e)中值濾波 (f)高斯濾波 (h)各向異性擴散 (i)改進各向異性擴散 (j)邊緣增強改進各向異性擴散 灰度化開運算去除了較小的明亮細節(jié)，而且相對地保持整體的灰度級和較大的明亮區(qū)域不變，消除了細小物體、平滑較大物體的邊界的同時并不明顯改變其面積；灰度化閉運算去除了圖像中的暗細節(jié)部分，而相對地保持明亮部分不受影響，填充了物體內(nèi)細小空洞、平滑其邊界的同時并不明顯改變其面積；中值濾波和均值濾波對噪聲和邊緣信息不加區(qū)分，去除了一定的噪聲，同時使邊緣變模糊了；高斯濾波是各向同性的擴散，使用模板對原始圖像卷積運算，去除了噪聲，邊緣也模糊了，圖像整體變白了；各向異性擴散有效的平滑了噪聲，保持了邊緣信息，可以控制各向異性擴散強度，八向各向異性擴散比四向各向異性擴散效果好；邊緣增強改進各向異性擴散不僅在同質(zhì)區(qū)域內(nèi)濾除了噪聲，同時使邊緣加強了，更有利于對醫(yī)學圖像的觀察，改進后的邊緣增強改進各向異性擴散效果非常好，可以調(diào)節(jié)邊緣增強系數(shù)，使邊緣增加得很強，當邊緣增強系數(shù)為絕對值很小的負數(shù)時，圖像邊緣被模糊了。假設真實圖像為，火焰的分量的經(jīng)驗閾值為、輸出圖像為，那么有下列關系式：(2) 基于YCrCb區(qū)域顏色分量加強分割法文獻[1]中對人臉的識別檢測，通過分析人眼與嘴的顏色在YCrCb空間的分布情況，根據(jù)人眼具有很強的Cr分量，嘴含有更高的Cb分量較低的Cr分量而構(gòu)造區(qū)域顏色分量調(diào)整函數(shù)如下：其中。文獻[2]中的顏色遷移即對一幅灰色圖像按照彩色圖像上色，鑒于此可以對一幅用基于灰度的分割方法而得到的灰度疑似火區(qū)域圖進行上色，這樣就可以解決基于灰度分割方法過早丟失火焰彩色信息的缺點。將此數(shù)組初始化為源圖像上隨機的有效位置。火焰特征定義與提取火焰基本特征眾所周知，火災是失控的燃燒。早期火災火焰是非定常的，不同時刻火焰的形狀、面積、輻射強度等等都在變化。在這個階段，火災火焰的面積呈現(xiàn)連續(xù)的、擴展性的增加趨勢。2)邊緣變化：早期火災火焰的邊緣變化有一定的規(guī)律，同其它的高溫物體及穩(wěn)定火焰的邊緣變化不同。在早期火災階段，火焰的形狀變化、空間取向變化、火焰的抖動以及火焰的分合等，具有自己獨特的變化規(guī)律。5)分層變化：火焰內(nèi)部的溫度是不均勻的，并且表現(xiàn)出一定的規(guī)律。6)整體移動：早期火災火焰是不斷發(fā)展的火焰，隨著舊的燃燒物燃盡和新的燃燒物被點燃，火焰不斷移動著位置。紋理特征反映了一個區(qū)域中像素灰度級的空間分布屬性。XYZ 第二步：XYZ224。RGB空間的轉(zhuǎn)換如下：第一步：224。此外，由于顏色分布信息主要集中在低階矩中，因此僅采用顏色的一階矩、二階矩和三階矩就足以表達圖像的顏色分布。定義1 像素計數(shù)面積：最簡單的(未校準)面積計算方法是統(tǒng)計邊界內(nèi)部(也包括邊界上)的像素的數(shù)目。定義2 多邊形的周長：一個讓人更滿意的測量物體周長的方法是將物體邊界定義為以各邊界像素中心為頂點的多邊形，相應的周長就是一系列橫豎向和對角線方向（）的間距之和，這個和可以在用行程編碼取物體時累加，或建立鏈碼表示時對邊界進行一趟跟蹤的過程中累加。它們的幅度值反映了被測量邊界的復雜程度。主要方法有：特征空間聚類，基于隨機模型的方法。通常的彩色圖像分割或者利用顏色信息進行分割或者利用亮度信息進行分割,這兩者都未充分考慮彩色圖像的整體信息,從而影響了分割效果。(4) 如果，則回到第(2)步,將全部樣品重新分類,重新迭代計算；如果，則結(jié)束。但是,K均值聚類的結(jié)果易受聚類中心的個數(shù)k及初始聚類中心的影響,同時也受樣本的幾何形狀及排列次序的影響。模糊C均值聚類(FCM)算法是聚類方法中最為著名的,它是Dunn在推廣硬C均值(HCM)算法的基礎上提出的,Bezdek把這一工作進一步推廣到一個模糊目標函數(shù)聚類的無限簇,并證明了該算法的收斂性。 FCM是通過反復迭代優(yōu)化目標函數(shù)式(2)，即執(zhí)行如下步驟： (1)初始化聚類中心； (2)用隨機數(shù)初始化屬度矩陣； (3計算隸屬度矩陣：，(3) (4更新聚類中心：， (5)重復步驟(3)、(4)直至式(3)收斂。 (a)原圖C均值聚類 (b)灰度化開運算C均值聚類 (c)灰度化閉運算C均值聚類 (d)均值濾波C均值聚類 (e)中值濾波C均值聚類 (f)高斯濾波C均值聚類 (h)各向異性擴散C均值聚類 (i)改進各向異性擴散C均值聚類(j)邊緣增強改進各向異性擴散 （k)改進邊緣增強改進各向異性擴散 C均值聚類 C均值聚類分類后，圖的顏色會變，即灰度增加了。 圖像分割所謂圖像分割是指將圖像中具有特殊意義的不同區(qū)域區(qū)分開來，這些區(qū)域是互相不交叉的，每一個區(qū)域都滿足特定區(qū)域的一致性。 圖像分割在不同領域中有不同的叫法，如目標輪廓技術、閩值化技術、圖像區(qū)分、求差技術、目標檢測技術、目標識別技術、目標跟蹤技術等，這些技術本身或核心實際上也是圖像分割技術。這是因為一方面，它是目標表達的基礎，對特征測量、特征提取及度量有重要的影響；另一方面，因為圖像分割及其基于分割的目標表達、特征提取和參數(shù)測量等將原始圖像轉(zhuǎn)化為更抽象更緊湊的形式，使更高層次的圖像分析和理解成為可能?；蛘哒f分割應將圖像中的每個像素都分進某個區(qū)域中。條件⑤要求分割結(jié)果中同一個子區(qū)域內(nèi)的像素應當是連通的，即同一個子區(qū)域內(nèi)的任兩個像素在該子區(qū)域內(nèi)互相連通。下面討論基于模板匹配法的兩類和多類分類的情況。人工神經(jīng)網(wǎng)絡ANN一般工作過程為：網(wǎng)絡先進入工作期，此時各連結(jié)的權(quán)值固定，計算機單元的狀態(tài)變化，以求達到穩(wěn)定狀態(tài)緊接著進入學習期，此時各計算機單元狀態(tài)不變。目前，BP算法已成為應用最多且最重要的一種訓練前向神經(jīng)網(wǎng)絡的學習算法，亦是前向網(wǎng)絡得以廣泛應用的基礎。設期望輸出為，則誤差信號為，輸出端總得平方誤差為：其中為輸出端得個數(shù)，設訓練集中樣本的總數(shù)為個，則平方誤差的均值為：權(quán)值的修正量為：負號表示修正量按梯度下降方向，其中稱為局部梯度，當單元是一個輸出單元時，有：當單元是隱含單元時，有：為單元到后一層單元的連接權(quán)。第三章詳細介紹二值化開運算、二值化閉運算、灰度化開運算、灰度化閉運算、均值濾波、中值濾波、高斯濾波、各向異性擴散濾波等圖像預處理，各向異性擴散還有很多值得改進的地方，如本論文使用的是前向差分迭代格式來代替連續(xù)的微分，若把它改成后向的或者兩者結(jié)合，可能效果更好。但試想一下，原始圖像上把各種圖像預處理排列組合都用上，將會得到很多不同結(jié)果， 這方面還有待于研究。我的郵箱是deng8bing.致謝首先，要感謝蔣先剛教授，作為我的指導老師，為我選擇了一個相當有工程應用意義的課題，提供了大量有關資料，在我設計中遇到困難時，他悉心指導，提出了很多意見，使我的設計逐漸完善。最后要感謝我深愛的親人，是他們無私的幫助使我完成了大學學