基于MS-RG混合图像分割模型的道路检测研究

来源：交通运输系统工程与信息杂志2019年第2期北京时间：

作者：刘步实，吕永波，吕万钧，李晶，欧阳琪

单位：北京交通大学 交通运输学院，北京 100044

摘要：道路场景因其结构的多样性、纹理变化的复杂性和自然曝光的不稳定性，使得传统基于道路分割的道路检测方法大多存在信息冗余，并且存在边界丢失、模糊等质量问题.本文首先在道路图像上使用 Meanshift均值漂移算法，通过空间内的概率密度呈梯形上升去寻找局部最优，并搜索属于同一模点的像素然后生成获得超像素块.然后利用 Meanshift算法获得的聚类超像素块进行多种子点区域生长，规范生长规则，克服不能得到封闭边界的缺陷，改进道路图像的分割效果.实验结果表明，本文提出的模型适用性强，相比于传统方法有效地提升了分割准确性和实时性，可准确识别出图像中的道路信息，确保车辆能够行驶在可行驶区域上.

关键词：智能交通,道路检测,图像分割,均值漂移,区域生长

基金资助：国家自然科学基金/ National Natural Science Foundation of China (61872036)；国家重点研发计划项目/ National Key Technologies Research & Development Program (2017YFC0804900).