一种自适应的区域生长算法用于道路分割

肖晓明，马　智，蔡自兴，唐 琎
中南大学信息科学与工程学院，湖南长沙

摘　　　要：针对汽车在高速公路上行驶的道路区域分割问题，以路面颜色特征为研究对象，提出了一种将聚类分析应用于区域生长准则的算法，实现道路分割。为了提高算法的精确度，对图像进行预处理，消除车道线对道路分割的干扰。根据图像预处理之后道路信息分布的特点，将图像分为３块子区域分别用不同的算法进行检测。对于道路信息丰富，非道路信息也较多的中部区域，在传统区域生长的基础上结合聚类分析，提出了一种自适应生长准则的区域生长算法。该算法既能适应高速公路各种行驶环境，且实时性好、可靠性高、鲁棒性强。

关　键　词：颜色特征；智能车辆；道路图像分割；聚类分析；区域生长

１　引　言
近几十年来，随着科学技术的发展，特别是计算机技术、信息技术、人工智能、电子技术的突飞猛进，为智能车辆的开发研究奠定了坚实的基础，智能车辆进入了深入、系统、大规模研究阶段。自８０年代以来，智能车辆技术取得了突破性的发展，如德国的ＶａＭＰ测量系统、美国的Ｎａｖｌａｂ系统、意大利的ＡＲＧＯ系统等［１］。道路识别是一种较基本的智能车辆自动驾驶功能，其技术要求是根据摄像机采集的车体前方的场景图像，确定合适的行车路径，以保证车辆始终在正确的车道（尽可能在车道中央）上行驶，是检测车道线和图像中障碍物的基础。目前，各种基于视觉的道路分割技术基本采用下面两种途径：一种是分道线检测法［２］，通过对边缘或分道线的识别拟合或者建模来实现道路的检测。在这种传统的注重几何特征的计算机视觉研究中，颜色信息未得到充分利用。另一种道路分割技术是整体路面法［３］，充分利用公路路面在色彩、灰度或者纹理方面的一致性和连续性，选用区域生长等分割算法来对道路路面进行分割，这种方法鲁棒性较弱，环境改变后的适应能力较差。为了加强道路分割的鲁棒性和实时性，本文提出一种以彩色图像为基础，利用聚类分析提高区域生长自适应能力的算法，该算法对各种道路环境和天气环境都能取得很好的检测结果，是一个可靠性高、实时性好、鲁棒性强的道路分割算法。

登录网站后可下载文件

相关阅读:

• ...2014/12/05 14:35·一种自构建神经网络的内模控制方法