一种基于消失点的道路图像分割方法技术

一种基于消失点的道路图像分割方法，涉及一种图像处理方法。以解决传统的基于双目匹配的道路识别算法存在的道路识别结果的准确率较低、算法运行时间较长，以及基于深度学习道路识别算法的道路识别结果的准确率容易受到样本数据的影响的问题。本发明专利技术利用消失点的特性将图像中的道路部分与道路上空部分分隔开，这样就可以去掉图像中道路上空部分的冗余信息，提取去除道路上空部分后的道路彩色图像放入基于深度学习算法进行训练，或直接利用基于双目匹配的道路识别算法处理，去掉道路上空部分的冗余信息后图像整体面积减小，所以本算法缩短了运行时间，同时提高了道路识别的准确率，最终能够快速、高准确率的得到可行驶道路区域的图像。本发明专利技术用于图像处理技术领域用。

【技术实现步骤摘要】
一种基于消失点的道路图像分割方法
本专利技术涉及一种基于消失点的道路图像分割方法，属于图像处理

技术介绍
道路识别算法希望以快速的处理速度、较少的算法运行时间来获得高准确率的道路识别结果。目前主流的传统道路识别算法可以分为两种：基于双目匹配和基于深度学习的道路识别算法。传统的基于双目匹配的道路识别算法的缺点是道路识别结果的准确率较低、算法运行时间较长，因此在应用上受到了很大的限制。基于深度学习的道路识别算法得到的道路识别结果的准确率较高、运行时间较长，例如，专利《分割模型训练方法、道路分割方法、车辆控制方法及装置》(CN106558058A)采用无监督自由区域分割法对训练样本图像进行自由区域分割，以训练样本图像为输入图像，以自由区域分割图像为标注图像，对初始分割模型进行训练得到目标分割模型，进而得到可行驶道路区域。但基于深度学习的道路识别算法容易受到样本数量的影响而产生错误分割，而基于双目匹配的传统算法运行时间同样很长，精度低于深度学习算法。而且由前置摄像头采集的道路彩色图片主要由道路、以及道路上空部分组成，其中根据拍摄的角度不同，道路上空这部分区域会占图像整体大小的20％本文档来自技高网...

【技术保护点】
1.一种基于消失点的道路图像分割方法，其特征在于，所述基于消失点的道路图像分割方法具体是按照以下步骤进行的：步骤一、通过Canny边缘检测算法处理输入的道路彩色图像，得到灰度图像I1(x,y)的水平和竖直边缘信息；其中x和y分别是灰度图像内各点的横和纵坐标；步骤二、将输入的道路彩色图像变为灰度图像I(x,y)，采用Gabor滤波器提取出整个灰度图像I(x,y)的纹理特征；步骤三、将步骤一中的灰度图像I1(x,y)的水平和竖直边缘信息与步骤二中的灰度图像I(x,y)的纹理特征做交集运算，得到具有水平和竖直方向的纹理特征图像，通过引入置信度函数的方法，得到有效投票点；步骤四、利用步骤三得到的有效投...

【技术特征摘要】
1.一种基于消失点的道路图像分割方法，其特征在于，所述基于消失点的道路图像分割方法具体是按照以下步骤进行的：步骤一、通过Canny边缘检测算法处理输入的道路彩色图像，得到灰度图像I1(x,y)的水平和竖直边缘信息；其中x和y分别是灰度图像内各点的横和纵坐标；步骤二、将输入的道路彩色图像变为灰度图像I(x,y)，采用Gabor滤波器提取出整个灰度图像I(x,y)的纹理特征；步骤三、将步骤一中的灰度图像I1(x,y)的水平和竖直边缘信息与步骤二中的灰度图像I(x,y)的纹理特征做交集运算，得到具有水平和竖直方向的纹理特征图像，通过引入置信度函数的方法，得到有效投票点；步骤四、利用步骤三得到的有效投票点对有效投票点上方的待选消失点进行投票，得到票数最多的一个点作为消失点；步骤五、利用步骤四得到的消失点将道路与道路上空部分的彩色图像分割开：道路彩色图像的纵坐标y从上到下依次增加、横坐标x从左到右依次增加；将整个道路彩色图像的纵坐标小于消失点纵坐标的像素全部剪掉，得到去除道路上空部分后的道路彩色图像；去除道路上空部分后的道路彩色图像的宽度等于道路上空部分的彩色图像的宽度；步骤六、重复步骤一至五，得到N张去除道路上空部分后的道路彩色图像；将N张去除道路上空部分后的道路彩色图像放入基于深度学习算法中进行训练，或将N张去除道路上空部分后的道路彩色图像直接采用基于双目匹配算法进行处理；快速得到高准确率的可行驶道路区域图像。2.根据权利要求1所述的基于消失点的道路图像分割方法，其特征在于：步骤一中输入的道路彩色图像的大小是W*H*3；其中W代表道路彩色图像的宽度，H代表道路彩色图像的高度，3代表道路彩色图像的三个通道。3.根据权利要求2所述的基于消失点的道路图像分割方法，其特征在于：步骤二的采用Gabor滤波器提取出整个灰度图像I(x,y)的纹理特征的具体过程为：Gabor滤波器是通过高斯窗对灰度图像I(x,y)进行滤波，提取整个灰度图像I(x,y)的纹理特征，Gabor滤波器公式如下：将灰度图像I(x,y)与Gabor滤波器公式进行卷积，可以得到灰度图像I(x,y)中各点的能量响应其中，a＝xcosφ+ysinφ,b＝-xsinφ+ycosφ；为径向频率，c为倍频常数，这里e是自然对数函数的底数；i表示虚数的单位；φ为纹理方向，这里φ∈{0°,45°,90°，135°}；灰度图像I(x,y)中各点的能量响应幅度是和分别是灰度图像I(x,y)中各点能量响应的实部和虚部。4.根据权利要求3所述的基于消失点的道路图像分割方法，其特征在于：步骤三的通过引入置信度函数的方法，得到有效投票点的具体过程为：根据四个不同的纹理方向φ，得到四个不同的能量响应幅度和其中，代表四个能量响应幅度中最大的一个，其它能量响应幅度从大到小依次为和通过引入置信度函数的方法，去掉小于和等于能量响应幅度常数Eth的纹理特征，保留大于能量响应幅度常数Eth的纹...

【专利技术属性】
技术研发人员：付方发，王瑶，徐伟哲，王宇哲，牛娜，蔡祎炜，王进祥，王永生，来逢昌，谭紫阳，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江,23