[发明专利]一种基于聚类算法的车辆检测方法

权利要求书

1.一种基于聚类算法的车辆检测方法，其特征在于，包括以下步骤：

对图像进行预处理，包括对图像的滤波降噪以及图像的尺寸调整；

通过对图像进行颜色量化处理，减少像素点的颜色种类；

将图像从RGB色彩空间转换为LAB色彩空间，提取LAB颜色空间的图像像素点的颜色特征向量，并所述颜色特征向量组成特征量值矩阵；

计算每个像素点的局部密度和距较高密度点的距离，筛选出局部密度大于阈值以及距较高密度点的距离大于阈值的像素点作为簇中心，将其它像素点规置到该簇中心，进行像素点的聚类；

根据聚类结果生成车辆分割图像。

2.根据权利要求1所述的基于聚类算法的车辆检测方法，其特征在于，所述图像的滤波降噪方法为中值滤波方法，用于去除脉冲噪声与椒盐噪声，同时保留图像的边缘细节；图像尺寸的调整用于降低相似性度量值的运算数量提高运行速度。

3.根据权利要求1所述的基于聚类算法的车辆检测方法，其特征在于，所述颜色量化处理的步骤包括：

S1：从图像中随机选取K个RGB分量，M_k＝[R′_k,G′_k,B′_k]，其中k为K的计数，R′_k,G′_k,B′_k分别为选取的K个点所对应的R、G、B分量；

S2：计算各个像素点与所述选取K个RGB分量的色彩距离

其中，k为K个RGB分量计数，j为像素点的计数，d_kj为第j个像素点与第k个RGB分量的色彩距离；

S3：将所述色彩距离进行像素归类，归类方法如下：

将每个像素点与K个RGB分量的计算出的K个色彩距离进行比较，将该像素点归类到与K个RGB分量中对应的最小的色彩距离的类别中去；

S4：根据像素归类的结果，计算各个类别中的所有像素点的色彩平均值，并以计算出的平均值替换M_k的值；

S5：将各个类别所对应的像素值与计算出的新的K个类别像素值行进行色彩距离的计算，判断各个类别中所对应的像素的分类是否发生变化；如果所有类别中所有像素的分类中所有像素点的分类均未发生变化，则进行步骤S6，否则跳转到步骤S2；

S6：根据步骤S1～步骤S5中的得到的K个类别像素值以及各个类别中的像素点继续，将各个类别中所用的像素点的RGB分量用该类别中的类别像素值的RGB分量替换，完成颜色量化。

4.根据权利要求1所述的基于聚类算法的车辆检测方法，其特征在于，所述将图像从RGB色彩空间转换为LAB色彩空间，转换步骤如下：

对RGB分量通过第一Gamma校正方法得到Gamma校正色彩分量Rg、Gg、Bg；

将所述Gamma校正色彩分量进行XYZ色彩空间的转换，得到XYZ色彩空间色彩分量X、Y、Z；

对所述色彩空间色彩分量X、Y、Z进行第二Gamma校正获取到校正后的XYZ色彩空间色彩分量Xl、Yl、Zl；

将所述Xl、Yl、Zl转换为LAB色彩空间的色彩分量l、a、b；

提取LAB颜色空间的图像像素点的颜色信息，生成各像素点的颜色特征向量。

5.根据权利要求4所述的基于聚类算法的车辆检测方法，其特征在于，所述第一Gamma校正方法如下：

其中x为R、G、B原始色彩分量之一；

所述第二Gamma校正公式如下：

其中y为XYZ色彩空间色彩分量X、Y、Z之一；

所述Gamma校正色彩分量进行XYZ色彩空间的转换的公式如下：

[X,Y,Z]＝M*[Rg,Gg,Bg]

其中X、Y、Z为XYZ色彩空间色彩分量，

所述Xl、Yl、Zl转换为LAB色彩空间的色彩分量l、a、b的公式如下：

a＝500(Xl-Yl)

b＝500(Yl-Zl)