基于多特征准则改进区域生长的非结构化道路识别

2017-04-18 13:03:05孟凡杰王新晴吕高旺任国亭
电脑知识与技术 2016年35期

孟凡杰+王新晴+吕高旺+任国亭

摘要:针对非结构化道路识别困难和传统区域生长算法随机性大的问题,提出了一种多特征准则改进区域生长的非结构化道路检测算法。融合Otsu多阀值理论平滑滤波确定道路平滑度特征,利用平滑度、饱和度、色度构造融合特征。将多特征融入改进区域生长算法中,针对非结构化道路进行识别。结果表明,该算法能有效区分非结构化道路与环境信息,相比传统区域生长能有效排除相似环境区域的干扰,减少误判率。

关键词:多特征;改进区域生长;非结构化道路;融合识别

中图分类号:TP18 文献标识码:A 文章编号:1009-3044(2016)35-0200-02

随着无人驾驶系统需求的增长,基于机器视觉的道路识别技术成为目前研究的热点[1-3]。目前识别算法主要有:基于道路特征的算法,主要应用道路与背景区域差异的统计特征(如边缘梯度[4],道路方向[5]等[6])来实现分割。基于模型的算法[7]。 基于神经网络的算法 [8-9]。

区域生长(region seeds growing,RSG)以“种子点”向外延伸的生长方式,可有效避免识别区域外的干扰[10-11],但针对非结构化道路,传统区域生长算法随机性大、识别后边界模糊。鉴于上述,本文研究并提出一种基于多特征准则改进区域生长的非结构化道路识别算法,定义融合Otsu算法[12]与自适应滤波器的道路平滑度特征,结合区域生长与融合特征算法优势,更符合人眼识别道路“由近及远”的特点,能够更有效地识别非结构化道路。

1 融合特征构造

1.1融合Otsu算法与自适应滤波器的道路平滑度特征

登录APP查看全文