红外光谱下越野场景的图像分割
计算机视觉与模式识别
2016-04-12 v1
摘要
计算机视觉已成为各类机器人自主导航的主要信息来源，例如自动驾驶汽车、军用机器人和火星/月球漫游车。然而，大多数方法侧重于分析可见光谱下捕获的图像。在本文中，我们详细阐述了红外光谱下越野场景分割问题。为此，我们提出采用显著特征。显著特征对尺度、亮度和视角变化具有鲁棒性。我们建议以加速鲁棒特征(Speeded-Up Robust Features, SURF)作为我们显著特征的基础，文中讨论了一些理由。我们还提供了两种SURF实现的比较。SURF特征从不同类型地形的图像中提取。对每个特征，我们估计一个地形类别隶属函数。隶属值通过多层感知机或最近邻获得。然后利用特征的类别隶属值及其空间位置来估计图像中所有像素的类别隶属值。为减小由不同地形类型快速切换引起的分割闪烁效应并加速分割，我们跟踪相机位置并预测特征位置。文中给出了多层感知机与最近邻分类器的比较。在测试集上利用最近邻进行地形分割的错误率为16.6+-9.17%。
引用
@article{arxiv.1604.02469,
title = {Image segmentation of cross-country scenes captured in IR spectrum},
author = {Artem Lenskiy},
journal= {arXiv preprint arXiv:1604.02469},
year = {2016}
}
备注
Corrected version of the chapter published in Advances in Robotics and Virtual Reality, Volume 26 of the series Intelligent Systems Reference Library pp 227-247