一种复杂车路图像边界优化方法技术

本发明专利技术提出了一种复杂车路图像边界优化方法，实现了复杂车路环境下图像目标的分类。首先通过SegNet算法模型进行大量数据的训练仿真得到粗糙的车路目标分类特征，然后利用简单线性迭代聚类算法获得图像的过分割区域，结合SegNet算法得到的神经网络确定每个超像素区域中每个像素的类别，最后通过利用条件随机场精确的边界恢复能力来优化语义分割的结果，实现对车路图像进行边界和小区域目标误分割优化。结果表明，本发明专利技术的方法可以提高对象边界的分割精度。

An image boundary optimization method for complex vehicle road

【技术实现步骤摘要】
一种复杂车路图像边界优化方法
本专利技术属于图像处理
，涉及图像边界优化，具体涉及一种针对复杂车路图像的边界优化方法。
技术介绍
目前的车路图像边界优化方法，需要先对图像进行分割，对分割后的块图像进行局部处理。传统的图像分割算法有基于图像阈值的方法、基于边缘检测的方法、基于区域的图像分割方法等。但是由于道路场景的复杂性和类别的丰富性，传统的图像分割方法效果仍有待提高。自从2012年以来，深度学习算法，例如全连接卷积神经网络(FullyConvolutionalNetworks,FCN)，被快速运用到目标识别、目标检测等任务中，并取得了显著地成果。但FCN的缺点是得到的结果还不够精细，缺乏空间一致性，因此需要其他手段结合得到更为精细的图像分割结果。同时，目前的图像块局部处理主要为局部降噪，是针对局部的所有像素点进行，存在小区域目标误分割问题，对于块图像的边界去燥，并没有重点关注。
技术实现思路
本专利技术的目的在于提供一种针对复杂车路图像的边界优化算法,实现对复杂车路图像的边界和小区域目标误分割优化。为达到上述目本文档来自技高网...

【技术保护点】
1.一种针对复杂车路图像的边界优化方法，本方法对待优化的复杂车路图像进行图像边界优化得到复杂车路边界优化图像，其特征在于，包括以下步骤：/n步骤1：将待优化的复杂车路图像转化为初始的车路RGB图像，采用SegNet算法模型对初始车路RGB图像进行特征训练，得到初始车路RGB图像的粗糙特征图；/n步骤2：采用简单线性迭代聚类算法对粗糙特征图基于进行区域分割，找到与粗糙特征图中的任意像素点相似的所有像素点组成一个过分割区域，共得到多个过分割区域，每个过分割区域内均含有多个相似的像素，通过步骤1得到的粗糙特征图确定每个过分割区域的所有相似的像素所属的像素类别；/n步骤3：采用条件随机场方法，结合每个...

【技术特征摘要】
1.一种针对复杂车路图像的边界优化方法，本方法对待优化的复杂车路图像进行图像边界优化得到复杂车路边界优化图像，其特征在于，包括以下步骤：
步骤1：将待优化的复杂车路图像转化为初始的车路RGB图像，采用SegNet算法模型对初始车路RGB图像进行特征训练，得到初始车路RGB图像的粗糙特征图；
步骤2：采用简单线性迭代聚类算法对粗糙特征图基于进行区域分割，找到与粗糙特征图中的任意像素点相似的所有像素点组成一个过分割区域，共得到多个过分割区域，每个过分割区域内均含有多个相似的像素，通过步骤1得到的粗糙特征图确定每个过分割区域的所有相似的像素所属的像素类别；
步骤3：采用条件随机场方法，结合每个过分割区域的像素类别和步骤1得到的粗糙特征图对待优化的复杂车路图像进行图像边界降斑，得到复杂车路边界优化图像。


2.如权利要求1所述的针对复杂车路图像的边界优化方法，其特征在于，步骤2中，找到与粗糙特征图中的任意像素点相似的所有像素点，具体步骤包括：所述的粗糙特征图中的任意像素点对应一个(L，a，b)颜色值，同时建立所...

【专利技术属性】
技术研发人员：王会峰，柴彩萍，魏飞婷，杨文光，黄鹤，穆柯楠，张佳佳，倪敬雪，关丽敏，
申请(专利权)人：长安大学，
类型：发明
国别省市：陕西;61