[发明专利]基于无监督学习的道路检测方法及系统

摘要

本发明具体涉及一种基于无监督学习的道路检测方法及系统，该方法包括：从像素大小为M*N的待检测道路图像中随机选取n个像素大小为W*W的图像样本；根据待检测道路图像左上角像素的坐标和色彩特征值，计算每个图像样本i左上角像素的坐标(x_i,y_i)和色彩特征值s_i，得到每个图像样本i的三维特征向量；对图像样本i的三维特征向量进行归一化处理和白化处理，得到图像样本i经过归一化处理和白化处理后的三维特征向量对特征表达式进行K均值聚类计算，得到k个类簇；对k个类簇的聚类中心进行非线性映射，得到k个非线性映射值对特征表达式y＝{y_m,m＝1,2,...,k}进行K均值聚类计算，得到道路和非道路两个类簇，其中聚类数K＝2。通过本发明的技术方案，能提高道路检测的效率和准确率。

主权项

一种基于无监督学习的道路检测方法，其特征在于，包括：步骤S1、从像素大小为M*N的待检测道路图像中随机选取n个像素大小为W*W的图像样本，其中M、N≥W，步骤S2、根据待检测道路图像左上角像素的坐标和色彩特征值，计算每个图像样本i左上角像素的坐标(x_i,y_i)和色彩特征值s_i，得到每个图像样本i的三维特征向量其中1≤i≤n，所述色彩特征值为该像素的灰度特征值或RGB特征值；步骤S3、对图像样本i的三维特征向量进行归一化处理和白化处理，得到图像样本i经过归一化处理和白化处理后的三维特征向量步骤S4、对特征表达式进行K均值聚类计算，得到k个类簇，其中聚类数K＝k，n≥k≥2；步骤S5、对所述k个类簇的聚类中心c_m进行非线性映射，得到k个非线性映射值步骤S6、对特征表达式y＝{y_m,m＝1,2,...,k}进行K均值聚类计算，得到道路和非道路两个类簇，其中聚类数K＝2。