图像复原及模糊聚类在特殊天气下非结构化道路识别中的应用

提出了一种基于图像复原技术和模糊聚类分析图像分割技术的特殊天气下非结构化道路识别技术。该技术主要是针对雾天采集到的非结构化道路的一种识别算法。首先根据McCartney提出的大气散射模型的衰减模型和大气光模型,得到还原以后的图像;然后在还原后的图像上将色度空间H分离出来,以此为基础使用二次最大熵的模糊聚类分析法获取阈值,对图像进行分割,得到道路和非道路的二值化图像。     

运动模糊情况下障碍物检测预处理

针对在非结构化环境下,摄像机和拍摄目标相对运动造成的图像模糊情况,进行障碍物检测预处理。利用边缘锐度法判定获得的图像是否为运动模糊图像,如果是则利用傅里叶频谱和Radon变换得到点扩展函数后,利用 Lucy-Richardson法进行复原;为了降低后期障碍物检测的处理复杂度,利用提出的一种改进二维熵分割算法进行障碍物粗定位,面积阈值消除噪声影响,完成障碍物检测预处理。通过仿真实验验证了该方法的可行性和有效性,为智能汽车在非结构化环境下避障提供参考依据,为障碍物识别奠定基础。     

伪彩色空间完全非结构化道路检测方法

完全非结构化道路检测是智能车辆自主行驶所面临的关键技术难题,解决该问题可以增强智能车辆的环境适应能力。以实时道路图像的真彩色信息为研究对象,提出一种三次样条曲线模型和分块子区生长模型相结合的完全非结构化道路检测算法。该算法运用三次样条曲线插值实现了真彩色空间到伪彩色空间的映射,采用主次伪色调和纹理信息相结合的子区生长方法,实现了完全非结构化道路检测。实地图像测试和对比试验表明,该算法对道路区域检测准确性高,对受到阴影、水迹等影响的道路区域具有较强抗干扰能力,实时性好。