[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

说明书

本发明提出了一种通过标记分水岭和图像聚类进行车辆检测和定位的彩色图像分割方法。通过使用本发明的方法对车辆进行定位操作，可以有效避免地面图像特别是黄线等与车辆边缘部位的连接，避免干扰图像对车辆定位的影响，并且该车辆定位方法不受光照的影响，且在车辆本身颜色与地面接近的情况下也能很好的进行定位，可以在复杂环境下得到良好的车辆定位效果。

技术领域

本发明涉及计算机视觉及智能交通领域，具体是一种通过比较车辆区域与马路区域的特征信息差别来进行车辆粗定位的方法。

背景技术

随着我国经济的发展，车辆急剧增加。车型识别作为智能交通系统研究的关键技术之一对于道路交通管理和高速公路收费都具有重要的实用价值，并且这些应用场景对车型识别的准确率要求也越来越高，车辆定位是车型识别的前提，因此提高车辆定位准确率是提高车型识别准确率是提高车型识别准确率的关键。

当前有许多学者提出了不同的车辆定位方法，主要可以分为基于视频帧差法的车辆定位方法、基于车辆及其学习的车辆定位方法以及基于车辆边缘信息的车辆定位方法等。

其中与本发明较为接近的技术方案为：文献(张明恒,王华莹,郭烈.基于改进K-Means算法的车辆识别方法[J].计算机技术与发展,2012,22(5):53-56.)提出采用K-Means算法进行三次随机选择初始聚类中心和聚类数，最后选择对图像的L分量进行聚类，对图像进行聚类之后采用大津法(OSTU)进行分割，图像进行分割以后被分为目标和背景两部分，再次利用区域生长法将一些孔洞进行填充，再利用阈值面积消去法将较小的噪声区域去除，最终得到车辆的粗定位。文献(余旺盛,侯志强,宋建军.基于标记分水岭和区域合并的彩色图像分割[J].电子学报,2011,39(5):1007-1012.)针对分水岭算法的过分割问题，提出了一种结合分水岭和区域合并的彩色图像分割算法，首先根据梯度图像局部极小值的综合信息自适应提取标记，在标记的基础上进行分水岭变换获得初始分割结果，然后结合人眼对区域相似性的实际感知定义了融合颜色距离、方差和边缘新的综合距离度量，通过综合距离度量控制区域进行快速合并得到分割结果。文献(刘强,薛国新,薛培.多分辨率下自适应阈值判定的分水岭车辆图像分割算法[J].常州大学学报(自然科学版),2011,23(1):23-26.)提出首先使用多分辨率小波对图像进行分解，在分解的分辨率下应用Prewitt边缘检测算子计算该分辨率下的梯度灰度图像，再采用自适应阈值判定方法去除伪灰度值，最后应用分水岭变换取得比较好的结果。文献(张瑜慧,郑步芹,沈洋.基于图像融合与分水岭技术的车辆检测[J].计算机与数字工程,2016(2):237-239.)提出一种有效的运动车辆检测方法。首先采用连续帧差法进行背景建模，之后采用像素级的图像融合技术，将视频帧和背景帧在RGB通道进行融合处理。随后在模板匹配的基础上进行分水岭分割，获得最佳匹配信息，最终实现车辆的检测和定位。

综上所述，当前的车牌定位方法存在着如下不足：(1)复杂背景下干扰边缘多，容易造成分水岭的过分割；(2)车辆附近区域的信息会干扰车辆的精确定位；(3)没有充分利用车辆的自身的信息。

发明内容

针对现有的车辆定位方法中存在的上述问题，本发明提出了一种通过标记分水岭和图像聚类进行车辆检测和定位的彩色图像分割方法。

所述的一种基于标记分水岭和图像聚类的车辆定位方法，其特征在于包括如下步骤：

步骤1：读入一张需要检测车辆的图像，记为I₁，其中图像的高度为height，宽度为width；

步骤2：对图像I₁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I₂；

步骤3：对图像I₂中的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；