一种基于K-means聚类的水火弯板3D扫描模块的提取方法
【专利摘要】本发明公开一种基于K-means聚类的水火弯板3D扫描模块的提取方法，主要应用于造船业中水火弯板的3D扫描模块的提取领域，其主要包括以下步骤：（1）确定聚类中心个数K值；（2）选取初始聚类中心；（3）计算各点对象与各个聚类的相似度，然后将各个对象点依据相似度最大原理进行归类；（4）更新重新归类后的各聚类中心的坐标；（5）重复（3）、（4）步骤，直至聚类中心不再发生变化。本发明是以K-means聚类算法为基本出发点，结合工程项目实际完成3D扫描图形模块的提取工作，采用该方法能够分类提取出利用3D扫描仪扫描出的三维图像的各个模块，达到分类、模块化提取的效果。
【专利说明】一种基于K-means聚类的水火弯板3D扫描模块的提取方法
【技术领域】
[0001] 本发明涉及一种基于K-means聚类算法的水火弯板是3D扫描图像模块的提取方 法，主要应用于造船业中船体外板3D扫描成形模块的提取。
【背景技术】
[0002] 随着科学技术的发展，人们生活水平得到显著提高，物质需求也随之上升。而在图 像处理领域，传统的2D图像正逐步被3D图像所取代。3D扫描成形技术在最近十几年得到 了迅猛的发展，并被成功的运用于电影、军事、医疗等领域，从而在世界范围内引起广泛的 关注，并成为各研发机构争相研宄的对象。随着3D扫描技术研宄的深入，围绕其衍生出的 3D扫描图像的轮廓识别、模块提取技术也引起了各方的注意。如现今流行的人脸识别、数字 识别、三维空间重构等技术都运用了3D扫描图像的轮廓识别、模块提取技术。由此可见，围 绕3D扫描成像衍生出的3D扫描图像的轮廓识别、模块提取技术在三维图像处理技术中占 有不容忽视的重要作用。因此，对现有的3D扫描图像的轮廓识别、模块提取技术展开广泛 的研宄和深入的分析对于现实工程以及科学研宄具有非常重要的意义。
[0003] 聚类分析是数据挖掘及机器学习领域内的重点问题之一，在数据挖掘、模式识别、 决策支持、机器学习及图像分割等领域有广泛的应用，是最重要的数据分析方法之一。而 K-means算法是一种使用最广泛的基于划分的聚类分析算法，是十大经典数据挖掘算法之 一。它的基本思想是：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭 代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。该算法的最大优势在于简 洁和快速，而其关键在于初始中心的选择和相似度的计算，特点是各聚类内尽可能紧凑，而 各聚类之间尽量分开。在以往的经历中，K-means算法已经被成功运用于多个领域，并取得 了良好的聚类效果。
【发明内容】
[0004] 本发明为了完善现有3D扫描图像模块的提取工作，提出一种基于K-means聚类的 水火弯板3D扫描模块的提取方法，该提取方法以K-means聚类算法为基本出发点，结合工 程项目实际完成3D扫描图形模块的提取工作，采用该方法能够分类提取出利用3D扫描仪 扫描出的三维图像的各个模块，达到分类、模块化提取的效果。
[0005] 为了实现上述目的，本发明的技术方案如下：
[0006] -种基于K-means聚类的水火弯板3D扫描模块的提取方法，通过3D扫描获取水 火弯板的扫描数据集，对扫描数据集进行聚类分析获取聚类结果，进而提取出3D扫描模 块；所述对扫描数据集进行聚类分析获取聚类结果的方式为：
[0007] SI.确定聚类的个数K值：根据扫描数据集确定聚类的个数K ;
[0008] S2.在K个聚类中分别选取各个聚类的初始聚类中心点，其选取过程为：
[0009] 选定第k个聚类，并从中随机选出一个点设定为均值点（,yM ,ziQ)，采用 以下公式计算出第k个聚类中其他点与所设定均值点（&，^T,U)的误差平均和
【权利要求】
1. 一种基于K-means聚类的水火弯板3D扫描模块的提取方法，其特征在于，通过3D扫 描获取水火弯板的扫描数据集，对扫描数据集进行聚类分析获取聚类结果，进而提取出3D 扫描模块；所述对扫描数据集进行聚类分析获取聚类结果的方式为：
51. 确定聚类的个数K值：根据扫描数据集确定聚类的个数K;
52. 在K个聚类中分别选取各个聚类的初始聚类中心点，其选取过程为：
重复选取第k个聚类中的其他点作为均值点，求出选取均值点之外的点与选取均值点 的误差平方和ESS;获取误差平方和ESS最小的点作为第k个聚类的初始聚类中心（xk，yk， zk)，按此方式分别选取出K个聚类的初始聚类中心； (xki，yki，zki)为第k个聚类中第i个点的三维坐标值，k= 1，2，…，K，n表示第k个 聚类中的所有点对象的总数；
53. 计算相似度：利用欧几里得距离公式求出K个聚类中剩余N-K个点对象分别到各 个聚类的初始聚类中心点的距离，点i到第k个聚类的初始聚类中心点的距离为：
Upyi，Zi)为K个聚类中第i个点对象的三维坐标值，N表示K个聚类中所有点对象的 总数； 对欧几里得距离取倒数后得到相似度：
当欧几里得距离为0时，相似度为1，即点对象与聚类中心重合；
54. 对所有点对象进行归类 根据相似度将聚类中所有的点对象归类到与其最相似的聚类中，即将点对象分配到与 其相似度最大的聚类中；
55. 更新聚类中心 利用均值计算公式对各个聚类中所有点的三维坐标进行均值计算，求出的均值坐标点 作为新的聚类中心：
S6.重复迭代步骤S3、S4、S5,直到所有的聚类中心坐标保持不变或者所有样本点的方 差不再变化时，停止迭代运算，所得到的各个聚类即为所提取出的3D扫描模块。
2.根据权利要求1所述的基于K-means聚类的水火弯板3D扫描模块的提取方法，其特 征在于，所述步骤S1根据扫描数据集确定聚类的个数K的具体方式为： 当用户知道扫描数据集中包含多少个聚类时，K值由用户指定； 当用户不清楚数据集有多少个聚类或者对聚类的个数还不能明确时，则会对扫描数据 集进行2次重采样产生2个数据子集，再用相同的聚类算法对2个数据子集进行聚类，产生 2个具有k个聚类的聚类结果，计算2个聚类结果的相似度的分布情况；重复采用此方法， 试探多个k，找到使相似度最高的k值，即为所求的K值。
【文档编号】G06F17/30GK104484345SQ201410706240
【公开日】2015年4月1日 申请日期:2014年11月28日 优先权日:2014年11月28日
【发明者】韦宝刚, 程良伦 申请人:广东工业大学