一种基于mrf的道路场景分割方法.pdfVIP

12 2012年第2卷 第12期 一种基于 MRF 的道路场景分割方法# 张浩峰 （南京理工大学计算机科学与工程学院，南京 210094） 摘要：道路场景分割在道路环境理解中是一个非常重要的环节。针对道路场景分割对于不同 的场景可能会产生误分割的问题，论文采用基于 PSO 的改进马尔科夫随机场方法对道路场 景进行分割，首先使用 Gabor 对道路场景进行预处理,然后使用改进马尔科夫随机场方法中 的势函数计算图像能量，最后用 PSO 对图像的能量进行优化，得到道路场景分割结果。通 过大量实验表明，该方法是一种有效的道路场景分割算法。 关键词：马尔科夫随机场；粒子群优化；道路场景分割；灰度共生矩阵 中图分类号：TP391.41 A MRF Based Road Scene Segment Method ZHANG Haofeng (School of Computer ScicenceEngineering,Nanjing University of ScienceTechnology, NanJing 210094) Abstract: Road scene segmentation is very important feature in the road environment understanding. To solve the problem of wrong segmentation of different road scene, this paper uses particle swarm optimization (PSO) algorithm with the improved Markov random field method to segment the road scene. First, Gabor is used for road scene preprocessing. Then the image energy is computed using the Markov method with improved potential function. Last, the road scene segmentation result was optimized via PSO. A lot of experimental results show that this method is effective for scene segmentation. Keywords: Markov Random Field; Particle Swarm Optimization; Road Scene Segmentation; Gray Level Co-occurrence Matrix 0 引言 道路场景分割是智能机器人环境理解的一项关键技术，道路场景分割的好坏，将 一定程度上决定智能机器人自主导航成功的与否。 道路场景分割算法基本可以划分为两个类别，一种是基于道路模型的道路场景分 割算法，另一种是基于道路特征的场景分割算法，也是应用比较广的一种。 基于道路模型的算法主要是通过建立数学模型，进而划分出场景中的道路场景， 而数学模型的建立则是利用道路的几何形态。最为简单的是直线模型[1] ，即假设两条道 路边是直线，道路部分则被认为是两条直线中间的区域，这种模型仅仅适用于结构化 道路；为了解决更为复杂的道路，Wang Y.等人[2]提出利用 B-Snake 曲线来建立道路模 型，这种算法成功的关键在于能够找到根据不同的道路场景匹配相似的