一种基于MRF的道路场景分割方法，张浩峰，，道路场景分割在道路环境理解中是一个非常重要的环节。针对道路场景分割对于不同的场景可能会产生误分割的问题，论文采用基于PSO的
国科技论文在线 http:/www.paper.edu.cn 找到最优解。在每次叠代中,粒了通过眼两个"极值"来更新自己。第个就是粒了本身 0所找到的最优解。另一个极值是整个种群目前找到的最优解。在找到这两个最优值时,粒子 根据如下的公式来更新自己的速度和新的位置 +1=w+c15(p-x)+C2(p如-x) (4) k+1 k+1 其中,W和分别是第i个粒子在第k次达代的粒子速度和位置;1和P分别是第 85k次迭代的个体极值和群体极值;w为惯性因子;和2为学习因了;n、为(0,1)的 随机数。PSO的性能依赖于惯性因子、学习因子、最人迭代次数和粒子的最人速度等参数 的设置。 3基于粒子群优化的MRF Markoⅴ随机场在优化道路场景能量时,会产生局部极大值,而不是结果所需要的最大 ∞0值,因而会导致结果不准确。PSO迸过迭代搜索来搜寻最优值,过程简单并且能得到能量 最人值。把PSO优化引入到MRF中进行道路场景分割,使优化过程简单,并能得到好的分 割效果。 适应度函数是计算粒子个体极值和群体极值的函数,适应值大小反应粒子所在位置的好 坏。在棊于粒子群优化的MRF中,确定适应度是全关重婓的。道路分割MRF的模型中, 95选取最大后验概率为分割图像的评价函数,最大后验概率也就意味着能量最大。在用粒子群 优化MRF模型中的能量,也就是寻找能量最大的过程,选取能量为粒了群算法中的适应度。 具体算法流程如图1所示: 初始化 ile△U不等丁0 b egin U(x,)+∑(M20.+-)) 2a2 )∑H( U←U2(x)+U1(x,y) Ui<wU+CS(x-x)+C2n(ui-xin 图1算法描运 Figl. Algorithm Description MRF势函数的改进 般MRF的势函数为 ISING楨型,耦合系数β为一个固定的值,但道路场景中每个像 素点的情况是不同的,采用这利统一耙合系数来处理,会使能量佰不准确,在得到的结果中 国科技论文在线 http:/www.paper.edu.cn 产生误差 105 本文引入共生矩阵來改进势函数,共生矩阵用两个位置的象素的联合概率密度来定义, 它不仅反映亮度的分布特性,也反映具有同样亮度或接近亮度的象素之间的位置分布特性, 是有关图像亮度变化的一阶统计特征。 为了能更直观地以共生矩阵擂述纹理状况,从共生矩阵导出一些反映矩阵状況的参数, 相关(OOR):度量空间灰度共生矩阵元素在行或列方向上的相似程度,因此,相关值大小 110反映了图像中局部灰度相关性。当矩阵元紊偵均匀相等时,相关值就大;相反,如果矩阵像 元值相差很大则相关值小。如果佟像中有水平方向纹理,则水平方向矩阵的COR大于其余 矩阵的COR值。 选择 ISING模型为势函教的参考模型,并且势函数的形式为: v(re)=V. (xe, x,)=1+B (6) 其中卢为耦合系数。 耦合系数为一个确定的值,但每个像素点的实际情况是不同的,使用耦合系数会使 其势函数不准,导致能量值误差。木文使用相关(COR)来代替耦合系数,这样每个像素将 会根据其像素的相关(COR)来产生势函数,使其势函数与能量的值更加准确。不文中的 MRF采用阶邻域 120 根据灰度共生矩阵的角度,对应产生一阶邻域的四个方向的灰度共生矩阵,即 l80、270度。所以改进的势函数为 V(xe)=Vr(x,x= CORO I+CORo COR V(xc=Vn(x,x= +COR (8) CORIO i+cOR (9) COR 125 y(xc)=Vcd(, xd) +COR, (10) 其中COR表示在0度方向上的相关,COR表示在90度方向上的相关,COR18表示在 180度方向上的相关,COR270表示在270度方向上的相关。 设图像(MxN)中意一点(xy)及偏离它的另一点(x+a,y-b),设该点对的灰度值为 (g1,g2)。令点(x,y)在整个画面上移动,则会得到各种(g1,g2)值,设灰度值的级数为 130k,则(g1,g2)的组合共有k的平方种。对于整个画面,统计出每一种(g1,g2)值出现 的次数,然后排列成一个方阵,再用(g1,g2)出现的总次数将它们归一化为出现的概率 p(gl,g2),这样的方阵称为灰度共生矩阵。 p(81g2)=P(gg2) R 其中: 4 国科技论文在线 http:/www.paper.edu.cn M×(N-1)(6=0) 135 R(M-1XN 6=90 M×(N+1)(6=180) (M+1)×N(6=270) 则 ∑∑g1×g2xp(gl,g2)-2xHy cor =g g2 6× (12) 其中 H=∑g∑m(g,g2) g 2 140 ∑g2∑m(;g2) ∑(g1-)∑ P(gl,82 02=∑(g2-1,)∑p(gl,g 这个可以根据每个像素点的不同产生不同的势函数,不同的方向又可以得到不同的势函 数,从而得到更加确切的能量值,使分割结果更加准确。 1455实验与分析 本文针对不同的道路场景,进行了大量的实验,主要考虑的场景有:柏油路面、水泥路 面、凹凸不平的石子路面、土路等。选取2组有代表性的道路图像:第一组为柏油路道路图 像;第二组为凹凸不平的石子道路图像。第一组道路场景图片路边比较平滑,道路与周围草 地、树木的边界比较明显,道路场景被分割成3类:道路、天空和草地。第二组道路场景图 150片路面凹凸不平,并且道路与周闱草地、树木的边界比较模糊,但本算法仍能较好的把道路 场景分成3类:道路、天空和草地。 由于本程序采用粒子群优化算法,可以使待能量值最大,即整体最大值,所以很多ICM 方法检测不出来的点,本文的方法可以检测出来。本文中改进的马尔科大随机的势函数,用 灰度共生矩阵来改进势函数,使得到的能量更加准确,从下面的实验结果可以看出,使用本 155文方法的道路边缘的分割更加准确。除了个别场景的小物体或标记被误分割外,几乎全部正 确。通过与ICM优化方法的对比,可以看出本文方法的正确率要高出很多,本文的方法能 够检测出准确的道路,而ICM则会丢失部分道路。 165 国科技论文在线 http:/www.paper.edu.cn 源图像 ICM优化结果 本稈序结果 第 组 第 组 图2木文算法结果与其他结果对比 Fig 2 Result of our algorithm and other algorithm 1706结论 本文提出了一种基于PSO的改进马尔科大随机场在道路场景分割方法,该厅法首先使 国科技论文在线 http:/www.paper.edu.cn 用 Gabor对道路场景进行预处理,然后使用改进马尔科大随札场方法中的势函数计算图像能 量,最后用PSO对图像的能量进行优化,得到道路场景分割结果。通过大量实验表明,该 方法是一种有效的道路场景分割算法 175 参考文献]( References) [1] Yang Ming, LuJianye, Wang Hong, ZhangBo Vision-based Real-Time Vehicle Guidance on THMROV, Part I Unsrtructured Road Detection []. Proceedings of the International Symposiumon Test and Measurement[c].Shanghai China: 2001 180 [2] Wang Y, Teoh EK, Shen DG Lane detection and tracking using B-Snake[J]. Image and Vision Computing, 2004, 22(4):269-280. [3] Lai AHS, Yung NHC Lane detection by orientation and length discrimination[J. IEEE Transactions on System Man and Cybernetics Part B: cybernetics, 2000,30(4): 5.39-548 4]张琳,蔡灿辉.一种自适应彩色图像分割算法[微机发展,2005,15(7):57-59 185[5]席砺莼闫宏伟彩色图像的分割技术小微机发展,2003,13(4)46-48 [6]叶齐祥高文,干伟强等一种融合颜色和窄间信息的彩色图像分割算法软件学报,2004,5(4):522-530 [η]氽鹏封举寫基于高斯混合模型的纹珒图像分割[中国图像图形学报.2005,10(3)281-285. 8」况菲,工耀南,余洪山万琴.一种基于学习向量量化神经网络的图象分割方法计算机程与应用.2005 41(14):34-3 190 [91 Gerhard Winkler. Image Analysis, Random Fields and Dynamic Monte CarloMethods[M]. Berlin Germany pringcr-Vcrlag, 1995 l0] LiSZ. Markov Random Field Modeling in Computer Vision [M].Tokyo, Japan: Springer-Verlag, 1995 [11]徐小慧安基丁粒子群优化算法的最佳熵阈值图偬分割计算机工程与应用,2006,42(10):8-11 12]冯林,张名举,贺明峰基于粒子群优化算法的多模态医学图像刚性配准[.大连理工大学学报,2004, 19544(5):695-699 「131魏本征,伊义龙基于PSO的 Markov随机场在医学图像分割中的应用「几计算机工程与应用,2008,44(6) 213-215 7