一种两步策略的序列场景分类方法.docVIP

 一种两步策略的序列场景分类方法# 张浩峰，业巧林* （南京理工大学，计算机学院，南京 210094） 5 10 15 20 25 30 35 40 摘要：针对道路场景分类中需要使用大量的训练样本，以及在不同的道路类型过渡过程中产 生误分类问题，提出了一种两步策略的序列场景分类方法。首先使用 K 均值聚类对第一幅 图像进行初始化分类，然后使用 Graph Cut 对其进行能量最小化的优化分类，最后再利用优 化后的分类图像重新计算类别中心，用来指导下一帧图像进行 Graph Cut 优化分类。实验表 明该方法无需使用大量的训练样本，可以快速的对道路场景进行分类，还能够在不同的道路 类型过渡过程中保持很好的分类效果。 关键词：道路场景分类，XYZ 颜色空间，Gabor 纹理特征，k 均值聚类，图割 中图分类号：TP391.41 Two Step Strategy Based Sequence Scene Classification Method ZHANG Haofeng, YE Qiaolin (School of Computer Science, Nanjing University of Science Technology, Nanjing 210094) Abstract: To solve the problem of road scene classification using lots of training samples, and the classification error of the changes of different road types, this paper proposes a two step strategy based sequence scene classification method. First, K-means clustering method is applied to the first image for initial classification; Second, Graph Cut optimization algorithm is used to minimize the total image energy to get the optimal classification; last, with the computed class centers of the classified image, next image is also optimized by Graph Cut. Experiment results show that this method can classify road scene quickly without quantities of training samples, and can keep efficient in changing of different road types. Key words: Road Scene Classification, XYZ Color Space, Gabor Texture, K-means Clustering, Graph Cut 0 引言 计算机视觉技术目前已经广泛的应用在室外移动机器人的环境感知中，机器人所处的环 境中，道路是一个非常重要的特征，对道路图像分类的好坏，一定程度上决定了机器人导航 的成败。道路通常情况下被分成两类：结构化道路和非结构化道路。 对于结构化道路，一个最常用的方法就是对道路边缘和道路标记进行检测定位，如使用 激光雷达[1,2]，立体视觉[3]，Hough 变换[4,5]，滤波[6]，样条模型[7,8]等，这些方法将得到的边 缘信息形成不同的结构模型。大多数的边缘检测算法利用行道线模型，这些算法很大程度上 依赖于较强特征的道路边缘, 对于存在模糊的边缘情况适应性不强。 对于非结构化道路，部分研究人员[9]采用了均值偏移的方法，但是只使用了颜色信息， 对于颜色接近的区域分类效果较差，且只限于两类分类；Alon 等人 [10]使用了一种基于 Adaboost 的区域分类方法找出了可通行区域，但是其需要大量的数据进行事先训练，对于 道路的变化反应较差；逆光流技术[11]提供了一种自适应的道路分类方法，但是这种方法在 道路混杂的情况下以及摄像机抖动的情况下很难工作好；立体视觉技术[12,13]也被用来检测道 基金项目：高等学校博士点专项基金(20093219120025) 作者简介：张浩峰(1983-)，博士，副教授，主要研究方向：智能机器人，计算机视觉等. E-mail: haofeng_njust@163.com -1-