一种基于学习向量量化神经网络的图象分割方法

摘要：

基于视觉传感器实现道路信息的理解是目前移动机器人自主导航的重要研究方向,其中道路图象的正确分割是提取有效路径信息的关键.该文针对复杂、干扰因素多的室外环境下传统方法难以实现道路图象正确分割的问题,提出了一种基于LVQ神经网络的道路图象分割方法.该方法通过选取道路图象的归一化色彩分量为特征向量,应用基于LVQ学习算法的神经网络分类器进行道路与非道路识别;为解决环境噪声对神经网络输出的影响,本文设计了串行级联式四阶形态滤波器实现对神经网络输出的分割图象的滤波处理.通过对实测图象进行分割处理验证了该方法的有效性和鲁棒性,可用于室外环境下机器人的实时视觉导航控制.

关键词：图象分割、神经网络、学习向量量化、形态学滤波、视觉导航

所属期刊栏目：41

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金60375001

在线出版日期：2005-06-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：34-36