基于区域生长的道路图像分割技术研究

对一幅给定的道路图像,首先计算其梯度图像,然后利用HOUGH变换确定粗略道路区。根据灰度直方图全局峰值个数选取区域核心点。采用近邻函数准则聚类算法选取区域生长阈值,结合单一型链接区域生长和质心型链接区域生长作为生长准则进行区域生长,得出道路区的区域描述。

基于二维灰度图象的道路区域获取方法

针对二维灰度图象给出了一种获取道路区域的方法。首先基于边缘特性利用灰度直方图把初始生长点限定在道路区以内,然后确定区域生长阈值,以待生长点与已生长邻点的灰度接近性和已生成区域的均值接近性作为生长准则,形成准确的道路区域。

基于统计测试的道路图象边界提取方法

分析了室外机器人地面自主车辆实现其自主性的关键技术———视觉导航， 认为视觉导航的主要信息来源于对道路结构的分析． 文中对图象上的某一位置是否存在某级线段做出假设，由二维离散空间上线段的几何表示给出了假设的描述，用统计测试方法验证提出的假设，从而，得到了道路边界的多级线段描述． 算法利用了边缘的全局信息， 适应性较强，得出的道路边界位置准确性较好，并具有较高的速度．

启发式边界跟踪道路图象分割方法

给出了一种启发式边界跟踪道路图象分割方法,对道路图象首先运用一种具有智能的高通滤波器进行预处理,达到平滑噪声保留边界的目的,然后利用梯度算于检测出边缘,在边缘图象的基础上,以边界的局部方向作为启发信息,从图象底部开始跟踪出道路边界,并修补间断边界,最后用道路边界的长度特征和平滑性实施后处理,得出最终道路边界。

提取准确道路边界的空间分析方法

在边缘图像的基础上,以局部方向作为启发信息,跟踪道路边界,得到第一类道路边界的线段表示。结合单一型链接区域生长和质心型链接区域生长技术进行区域生长,得到第二类道路边界的线段表示。在两类边界信息中分析线段的空间接近性和空间连续性,获得准确的道路边界。