[发明专利]一种基于标记分水岭和图像聚类的车辆定位方法

权利要求书

1.一种基于标记分水岭和图像聚类的车辆定位方法，包括如下步骤：

步骤1：读入一张需要检测车辆的图像，其中图像的高度为height，宽度为width；

步骤2：对原图进行canny边缘检测并对得到的轮廓进行查找，然后使用分水岭算法进行轮廓的分割，得到分水岭的分布图；

步骤3：对分水岭区域进行统计，得到分水岭的区域集合F＝{M_i|i＝1,2,3,…,n},其中n表示集合F中的分水岭区域个数；

步骤4：计算F中每个区域M_i的通道像素值；

步骤4具体为：

步骤4.1：根据颜色空间映射公式将RGB图像I₁转换成HSV通道的图像I₃；

步骤4.2：计算I₃图像中M_i区域的H,S,V通道的像素平均值，分别记为h_i,s_i,v_i；

步骤4.3：计算I₁图像中M_i区域的R,G,B通道的像素平均值，分别记为r_i,g_i,b_i；

步骤4.4：将M_i区域对应的通道平均像素值组合成六维向量R_i＝(h_i，s_i，v_i，r_i，g_i，b_i)；

步骤5：对六维向量集合{R_i＝(h_i，s_i，v_i，r_i，g_i，b_i)|i＝1,2,…,n}进行K-means聚类分析得到聚类图像，并对该图像进行膨胀腐蚀操作，得到二值图像C；

步骤6：根据图像C定位车辆，得到车辆的最小包络矩形R_min＝(x,y,w,h)；

步骤6具体为：

步骤6.1：根据式(1)计算每一行的白色像素点的数量，得到集合T＝{t_i|i＝0,1,2,…,height-1}，其中t_i表示第i行的白色像素点的数量；根据式(2)计算每一列的白色像素点的数量，得到集合Q＝{q_j|j＝0,1,2,…,width-1}，其中q_j表示第j列的白色像素点的数量；

其中，C(i,j)表示第i行第j列的像素的灰度值；

步骤6.2：根据式(3)计算得到车辆的最小包络矩形R_min＝(x,y,w,h)，其中max表示集合中的最大值，(x,y)表示R_min左上角的坐标，w和h分别表示R_min的宽度和高度；