[发明专利]基于颜色密度特征的道路图像聚类方法及道路识别的方法

权利要求书

1.一种基于颜色密度特征的道路图像聚类方法，其特征在于，包括以下步骤：

S100、采集野外非结构化道路图像，将RGB颜色空间图像转换为Lab颜色空间图像；

S200、提取Lab颜色空间图像的每个像素点的颜色密度特征，并对密度特征值进行降序排列；

S210、定义颜色密度特征：

设在图像中的像素点p，K为该像素点邻域，通过统计像素点p的邻域K内与该像素点颜色相近的像素点个数n为其密度值，设密度为ρ，则ρ=n，像素点p的密度ρ的定义如下公式所示：

，

，

式中，d为两像素点的图像距离,i和j，h和w为像素点p及其邻域点的图像横、纵坐标；

i-K，i+K和h-K，h+K为邻域像素点的横、纵坐标范围；

，，为像素点p的颜色特征；

，，为邻域点的颜色特征值；

ψ为颜色特征一致性阈值；

S220、计邻域K内与像素点p的颜色空间距离小于ψ的像素点个数即为p的颜色密度特征值；

S300、提取排序后前U个密度特征值所对应的像素点作为聚类中心；

S400、对非聚类中心的像素点进行归类操作，从而完成基于颜色密度特征聚类的图像分割。

2.根据权利要求1所述的基于颜色密度特征的道路图像聚类方法，其特征在于，S100中，按照以下公式将RGB颜色空间图像转换为Lab颜色空间图像：

，

，其中，

；

式中X_n，Y_n，Z_n的值分别为0.9505，1，1.089。

3.根据权利要求1所述的基于颜色密度特征的道路图像聚类方法，其特征在于，S200中，对密度特征值进行降序排列的方法为：设图像所有像素点p_m的颜色密度特征值为，N为像素点总数，并将其按降序排列，降序后的密度特征值用集合表示，即为O₀、O₁、……O_N。

4.根据权利要求1所述的基于颜色密度特征的道路图像聚类方法，其特征在于：S400中，设前U个颜色密度值最大的像素点为；设i为降序后待分类的像素点序号且i=U+1,U+2,…，N；设D_mn为按降序排列后任意两像素点p_m与p_n的图像距离；

根据待分类像素点p_i与聚类中心p_j的最小空间距离D_ij及其对应颜色密度特征差值o_ij，判断像素点p_i归属的特定聚类中心，即完成非聚类中心的像素点进行归类操作。