典型文献
融合超像素聚类与SVM分类的非结构化道路识别算法
文献摘要：
为解决移动机器人对非结构化道路识别的准确性、实时性问题,提出了改进的超像素聚类与支持向量机融合的监督修正算法.首先对采集的道路图像进行预处理,仅在此道路的显著性区域内进行图像的平滑处理,然后基于改进的线性迭代聚类算法,将图像分割为内部像素较为一致的若干超像素单元,根据灰度差准则进行超像素的合并,以超像素块作为训练样本集,加快了支持向量机(SVM)分类器的训练学习速度,提取合并后的超像素颜色、纹理特征作为分类器训练集,构造SVM道路分类器并在测试集中进行分类识别,最后根据建立的评估函数对分类结果实时修正,保障了分类识别的准确率.实验表明,该算法的分类效果精确度高,且具有良好的实时性和鲁棒性.
文献关键词：
非结构化道路;聚类算法;特征提取;超像素;支持向量机
中图分类号：
作者姓名：
陈涛;宫金良;张彦斐
作者机构：
山东理工大学机械工程学院,山东 淄博 255049;山东理工大学农业工程与食品科学学院,山东 淄博 255049
文献出处：
引用格式：
[1]陈涛;宫金良;张彦斐-.融合超像素聚类与SVM分类的非结构化道路识别算法)[J].激光杂志,2022(01):33-38
A类：
B类：
超像素,非结构化道路,识别算法,移动机器人,修正算法,道路图像,显著性区域,平滑处理,迭代聚类,聚类算法,图像分割,像素单元,灰度,像素块,训练样本集,分类器,训练学,学习速度,素颜,纹理特征,训练集,测试集,分类识别,评估函数,结果实,分类效果,精确度高
AB值：
0.337349
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
