基于形状角与分块图像车辆轮廓分割算法.docVIP

基于形状角与分块图像车辆轮廓分割算法 　　摘 要： 为了减小对车辆进行外形超限测量时其他车辆对图像的影响，精确地将目标车辆的轮廓信息分割并测量，提出一种基于形状角、结合分块图像与边缘提取的分割算法。对获取图像进行帧差法削弱背景边缘信息的影响，再用Canny算子边缘提取，将得到的轮廓信息进行基于形状角的识别与提取。提出了一种对图像进行分块分类的图像分割法。该算法有效解决了测量中背景对前景的影响。实验结果表明该算法具有较高的鲁棒性与准确性。 　　关键词： 图像分割； 图像分块； 形状角； 边缘提取 　　中图分类号： TN919?34； TP391.4 文献标识码： A 文章编号： 1004?373X（2014）10?0056?03 　　Abstract： In order to reduce the influence of other vehicles on image， and segment and measure the outline information of the target vehicle accurately while the vehicle shape ultralimit measurement is executed， a shape angle based segmentation algorithm which is combined with block image and edge extraction is put forward in this paper. The frame differential method is adopted to weaken the influence of image edge information of the background， and then Canny operator edge detection is used to recognize and extract the obtained contour information on the basis of shape angle. An image segmentation method which classifies an image by segmenting the image into blocks is proposed. The algorithm effectively solves the influence of background on foreground during the measurement. Experimental results show that the algorithm has strong robustness and high accuracy. 　　Keywords： image segmentation； image block； shape angle； edge extraction 　　0 引 言 　　图像分割的技术已经广泛应用于医学、军事、考古修复、工业控制等多个方面。在交通领域中利用图像测量检测车辆外形超限更是与图像分割有着密切的联系。常用的图像分割方法主要有阈值分割法，边缘分割法和区域分割法三种。阈值分割法虽然方法简单，但是阈值的选取很大程度上影响图像分割效果，它只考虑像素本身灰度值而不考虑图像的空间分布使得分割结果对噪声很敏感。边缘分割法利用各种边缘检测算子检测边缘，利用边缘对图像进行分割。但图像中的边缘信息复杂，背景信息与噪声对边缘提取有非常大的影响。区域分割方法有诸多不足之处： 　　（1） 分割结果受种子点选取影响； 　　（2） 对噪声敏感； 　　（3） 对面积大的区域计算缓慢； 　　（4） 容易产生过分割现象。 　　为了较好地处理上述问题，文献[1]利用遗传算法结合二维最大熵值的图像分割法，加快的分割速度与效率。但是在遗传算法中多使用的评估函数的设计、初始种群的选择有一定的依赖性。文献[2]利用均值漂移法去除显微镜的灰度背景，该方法能够在保持图像基本特征的基础上将图像分割成一些子区域，但是在分割小目标和快速移动的目标时效果不佳。文献[3]利用均值漂移法结合蚁群聚类算法分割图像，在聚类分析时如何评定样本之间类似程度和如何根据样本类似程度将样本划分为不同群时存在很多问题。 　　本文提出一种基于形状角与分块图像的图像分割算法。首先对于交通视频采集图像利用帧差法削弱背景影响，选择Canny算子边缘检测。边缘化之后的图像会出现较多的轮廓，确定一个最大ROI区域，在此区域中利用形状角的几何不变性识别并检测车辆边缘轮廓。利用行列扫描确定该轮廓的最小矩形区域。最后在最小矩形区域中，以子块中包含轮