典型文献
基于SLIC和改进区域生长的非结构化道路识别
文献摘要：
非结构化道路一般没有车道标识线且道路边界模糊,区分道路区域与背景区域难度较大.针对现有非结构化道路识别方法存在全像素域计算分类处理实时性差、易受噪声数据干扰等问题,提出一种基于SLIC(simple linear iterative clustering)超像素分割和改进区域生长算法的非结构化道路识别方法.利用均匀化初始聚类中心的SLIC算法生成低分辨率超像素特征图.在此基础上,利用聚类算法与邻域搜索算法自适应选择种子点,并引入CIEDE2000色差理论作为区域生长法生长准则,初步确定道路区域.根据道路连续一致特点,优化超像素级生长图并映射轮廓区域至原图,获得道路最终区域.基于数据集及真实场景的实验结果表明,该方法具有较高的识别率和抗干扰能力.
文献关键词：
非结构化道路;简单线性迭代聚类(SLIC);超像素特征图;CIEDE2000;区域生长算法
中图分类号：
作者姓名：
谢习华;王刚;辛涛;赵喻明
作者机构：
中南大学 高性能复杂制造国家重点实验室,长沙 410083;山河智能装备股份有限公司,长沙 410100;中国人民解放军32181部队;清华大学 精密仪器系,北京 00084
文献出处：
引用格式：
[1]谢习华;王刚;辛涛;赵喻明-.基于SLIC和改进区域生长的非结构化道路识别)[J].计算机工程与应用,2022(14):210-218
A类：
超像素特征图
B类：
SLIC,改进区域生长,非结构化道路,车道,道路边界,边界模糊,分道,背景区域,全像,分类处理,噪声数据,数据干扰,simple,linear,iterative,clustering,超像素分割,区域生长算法,均匀化,初始聚类中心,低分辨率,聚类算法,邻域搜索,搜索算法,自适应选择,种子点,CIEDE2000,色差,区域生长法,像素级,原图,得道,真实场景,识别率,抗干扰能力,简单线性迭代聚类
AB值：
0.35394
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。
