[发明专利]一种基于K-means聚类的水火弯板3D扫描模块的提取方法

说明书

技术领域

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

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究的对象。随着3D扫描技术研究的深入，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究和深入的分析对于现实工程以及科学研究具有非常重要的意义。

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

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。

为了实现上述目的，本发明的技术方案如下：

一种基于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：

S1.确定聚类的个数K值：根据扫描数据集确定聚类的个数K；

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：

选定第k个聚类，并从中随机选出一个点设定为均值点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的误差平均和ESS；ESS=Σi=0n[xki-xk0‾2+yki-yk0‾2+zki-zk0‾2];]]>