蓝质斌，史家豪
（华南农业大学 电子信息工程学院，广东 广州 510642）
摘要：改革开放以来，国家经济水平日益提高，高昂的楼价一直是困扰政府和老百姓的重大问题.调查楼房入住率通过统计楼房开灯率，从而统计小区的楼房利用率，有利于分析未来房价的动态.本文的撰写基于MATLAB GUI平台，利用数字图像处理技术，通过编写图像配准、图像校正、图像分割等程序，并实验于广州部分小区的入住率调查，分析真实的楼房需求.实验在结果上证明本设计的准确性和速度上的优越性.
教育期刊网 http://www.jyqkw.com
关键词 ：开灯率；楼房入住率；MATLAB GUI；图像配准；图像校正；图像分割
中图分类号：TP391.41文献标识码：A文章编号：1673-260X（2015）05-0048-02
1 引言
自1998年开始城镇住房制度改革开始，城市化进程不断加快以及居民收入水平持续上升，商品住房需求日益增长.调查显示，市场发展既得益于楼房实际需求的支撑，也有来自于房地产投资属性以及保值增值功能带来的助力.本设计旨在从消费者角度摸清房地产市场真实需求，掌握目标小区的入住率情况，以及入住户数在时间和空间上的分布规律，为政府调控房地产市场提供基础数据，以促进房地产市场与社会经济和谐发展.
本课题通过拍摄夜间楼房照片统计楼房入住率.我们拍摄同一座楼在不同夜晚时间的多张照片，通过分析每个房屋单元的亮灯情况，来判断该房屋是否有人入住，达到分析楼房的入住率的目的.当拍摄样品量较少时，人工计算工作量不大.然而，当样本量较大时，对于如何快速处理大量采集样，以及完成后续入住率统计工作，需要一个科学高效的方法.
2 总体设计思路
本题组通过运用图像配准、图像矫正、图像分割、图像灰度统计等图像处理技术，基于MATLAB软件编写简明程序，可以较为快速统计楼房入住率.方案简略流程图如图1所示.
以下将介绍本测量方案所用到的具体技术.
2.1图像配准融合
图像融合的作用是将配准之后的多张图像融合为一张具有多张图像信息的新图像，方便后续的数据分析与应用.
由于不同传感器或者同一传感器在不同时间、不同视点获得的图像在空间上存在针对性差异，所以在初始居民楼图像获取时会遇到诸如不同时间点获取的照片中的居民楼角度、比例不相同等问题.为了解决这个问题，进行数据融合处理工作之前，必须进行图像配准工作.
2.1.1 最大互信息测度
为了使得到的图像配准，本课题采用最大信息互测度原理作为配准原则，即当含有相同内容的两幅图像通过几何变换在空间对齐时，它们所包含的灰度值的互信息量最大.
最大互信息的配准实质是搜索最佳的几何变换参数，使两幅或两幅以上居民楼照片的互信息达到最大.该方法采用整幅初始居民楼照片所有像素共同组成特征空间，再根据特征空间的特性确定一种相对应确定的空间变换，使一幅初始照片像经过该变换后和另一幅初始照片的互信息最大，最终实现两幅及以上图初始照片的配准.
2.1.2 Powell算法
值得注意的是，对于水平位移、垂直位移、旋转角度等输入参数，它们在互信息最大化时缺乏一个具体的函数表达式来衡量，因此进行最优化搜索时，难以利用求导计算梯度最优化方法搜索极值.因此本课题组采用Powell法，Powell法(方向加速法)是一种直接法，不需要计算目标转换函数梯度，仅通过比较目标函数数值大小移动迭代点即可求出极大值.Powell法对目标函数提出一套计算方案，使得经过若干次一维搜索后，产生一组共轭方向.在共轭方向上进行搜索可得到照片互信息的极值点[1].
2.1.3PV插值法
取得照片信息极值点之后，由于照片的拍摄存在不可避免的角度偏差，所以还需利用PV插值法来确定变换后某像素点对应原图中的像素点，PV插值法计算流程如下：
设点P为浮动图像上的一点，经反向变换得到的一个对应于参考对象上的浮点数Ta(x)，其四个最近邻像素点分别为(n1，n2，n3，n4)，每个Ta(x)点对应的权重Wi.
PV插值法的计算过程如图2所示：
2.2 图像矫正
经由上一步的几个算法运行计算后.合成的新的照片已经初步完成，但由于两张图片在拍摄过程中存在不可避免的角度和距离偏差，合成的图像中还存在着一定的误差，为此，还需进行图片矫正[2].
本设计采用配准技术进行图像矫正.
首先对两幅图像进行特征提取得到特征点；通过进行相似性度量找到匹配的特征点对；然后通过匹配的特征点对得到图像空间坐标变换参数；最后由坐标变换参数进行图像配准.而特征提取是配准技术中的关键，准确的特征提取为特征匹配的成功进行提供了保障.因此，寻求具有良好不变性和准确性的特征提取方法，对于匹配精度至关重要.其流程图如下：
MATLAB中IPT支持以控制点为基础的点映射图像配准.一旦选出了足够的有效控制点，就可以利用IPT函数来推导出实现某种映射关系的空间变换.根据上面选择的控制点对，可以用IPT函数cp2tform来导出待配准图像与基准图像之间的几何变换关系.
2.3 图像分割
图像矫正后，两幅图像已经基本融合完毕.下一步是进行图像分割，将整张图像分割成独立小块，再识别某套房当天是否有居民入住.利用图像分割并且参考楼房的平面结构图，可以分割出楼房的所有套房，再分析这些被分割出来的小模块.简略算法流程如下（1）计算子快行列间隔；（2）计算子快像散坐标取值范围；（3）以子块像素坐标为依据，提取子块图片；（4）取得各分割子块并予以显示.
3 运行结果
本系统每次运行周期可同时读入4张图像，即将某一天晚上4个规定时间拍摄的4张图片进行统一处理，并将输入的图像都配准融合为一张新图像，此时的合成图片被程序拉伸成矩形并以灰度图的形式输出显示.
图4为4个时刻的照片.
再之后，我们对图像进行分割，统计每个分割区域的亮度，从而可以计算楼房的入住率
(1)数据处理速度：由于输入图像分辨率较高，因此在运行图像显示，配准融合等步骤时较为缓慢，但相比于同时同标准的人工测算，系统速度可达人工测算速度数千倍.
(2)统计精确性：通过计算楼房的开灯率，既是入住率，试验例示中，该居民楼当晚的入住率是62.50%，比对系统统计的用户数与人工统计的用户数（肉眼计数入住率为64.00%），系统的误差控制在3%以内.
4 总结
本设计还存在一些不足，比如运行速度、扩展功能等.希望在以后能够优化配准算法以及处理图像的方法，从而提高数据处理速度.另外在扩展功能方面，希望能够有将多天的统计数据进行比对分析、建立统计楼房入住率的数据库等.
最后，希望本系统能够得到广泛的推广应用，从消费者角度摸清房地产市场的真实需求，掌握最新小区的入住率情况，以及在时间和空间上的分布规律，为政府调控房地产市场提供基础数据，以促进房地产市场与社会经济和谐发展做出贡献.
致谢：在本次论文的撰写中，我们得到了林芳教授的精心指导，不管是从开始定方向查资料准备还是在最后论文修改的过程中，一直都耐心地给予我们指导和意见.在此，我们对林芳教授表示诚挚的感谢以及真心的祝福.
教育期刊网 http://www.jyqkw.com
参考文献:
〔1〕陈显毅.图像配准技术及其MATLAB编程实现[M].北京:电子工业出版社,2009.21-179.
〔2〕宋智礼.图像配准技术及其应用的研究[D].上海:复旦大学,2010.
〔3〕李显宏.MATLAB7.X界面设计与编译技巧[M].北京:电子工业出版社,2006.203-296.
〔4〕Wang, C, Jiang, M. Review of Image Registration Methods for Medical Images [D].北京:北京大学数学科学学院,2006.
