[发明专利]一种基于K-Means聚类和轮廓拓扑约束的违章建筑物识别方法

说明书

本发明公开了一种基于K‑Means聚类和轮廓拓扑约束的违章建筑物识别方法，包括以下步骤：采集到的图像信息经预处理后得到图像直线段，通过K‑Means聚类对图像直线中点进行分类；检测每类直线簇的直线数量，并计算直线间相对位置距离及角度关系；构建常见违章建筑物直线轮廓角度分布直方图，并将其与检测图像的直线角度分布情况相匹配，计算欧氏距离；然后根据每个直线簇直线数量、位置距离约束及角度分布与常见违章建筑物角度分布直方图相似度对违章建筑物特征进行识别。本发明解决了利用定点视频监控自动发现违章建筑物时，违章建筑物特征提取困难及受自然场景下各种物体干扰多的问题，大大提高了违章建筑物自动识别的效率和检测结果的鲁棒性。

技术领域

本发明涉及一种图像识别方法，尤其涉及一种基于K-Means聚类和轮廓拓扑约束的违章建筑物识别方法。

背景技术

当今社会，土地是人类赖以生存和发展的宝贵自然资源，土地资源的可持续利用是人类社会持续发展的基石。在人口日益膨胀的今天，尤其是在我国，土地承受着巨大的压力，人地关系日趋紧张。而违章建设、土地违法使用等现象作为土地占用的一大因素已十分严重，因此亟待高效准确地自动识别违章建筑。而识别违章建筑的过程极易受复杂现实场景的干扰，并难以区分违章建筑和场景中繁杂的自然物体。因此，提高违章建筑物识别的准确率，保证检测结果的鲁棒性以减少误报率显得十分重要。如何区分违章建筑和自然物体及排除对复杂现实场景的干扰因素是解决问题的关键。

在违章建筑识别过程中，由于场景内物体数量的众多，直接定点监控、采集视频信息或者图片信息易造成与自然物体和道路电线等部分人文物体混淆，导致违章建筑检测的误判。在现实情境中，违章建筑其形态往往呈多样性，难以有统一的特征描述。且违章建筑物是由于人自发的构建形成，本身就难以预测其结构形态，从而影响了违章建筑识别的准确率。针对于上述问题，结合建筑物轮廓约束区别于自然物体在形态特征上的特点，对于准确高效判定图像中是否存在建筑物技术的需求日益凸显。

发明内容

发明目的：本发明的目的是提供一种基于K-Means聚类和轮廓拓扑约束的违章建筑物识别方法，该方法对采集的图像信息进行聚类分析，去除自然场景中树木、丛林、自行车轿车等干扰因素，提高了违章建筑的识别率、减少了误报率，并大幅度提高了检测结果的鲁棒性。

技术方案：本发明所述的一种基于K-Means聚类和轮廓拓扑约束的违章建筑物识别方法，包括如下步骤：

(1)将采集到的图像信息预处理后，用LSD直线检测算法对其进行直线检测；得到直线端点坐标及数量N，计算直线长度L并对直线进行筛选，去除长度小于S/10000的直线，其中S为图像像素数量，且S≥10000；否则不去除。

进一步地，步骤(1)中，所述预处理包括：灰度化、二值化、形态学处理和Canny算子边缘检测。

(2)使用K-Means聚类算法，根据步骤(1)筛选出的直线中点进行聚类分类，并计算每个直线簇中直线的数量n、距离d及直线间角度分布。

进一步地，所述步骤(2)具体包括：

(21)选取K-Means聚类算法的k值为N/3，N为提取到的直线数量，对步骤(1)筛选出的直线中点进行K-Means聚类，得到每个直线簇的直线数量n；

(22)对聚类后的直线，由LSD直线检测得到直线端点的坐标(x_i,y_i)和(x_j,y_j)，则由勾股定理可得直线长度d；

(23)由直线两端点坐标可计算出聚类后各类所有直线的倾角，并将其转换到[0,90°]由大到小顺序排列，继而按倾角大小从大到小依次计算相邻两直线夹角。