近年来,智能机器人技术逐步成熟,以目标识别为代表的机器视觉技术是其核心。现有目标识别算法通常先根据颜色信息分割场景,再提取特征以识别目标。但对于颜色信息比较复杂的场景,往往存在过分割现象,影响后续目标识别。针对这一问题,提出一种基于局部特征的多目标图像分割算法。该算法使用双目摄像头采集场景图像,对场景图像进行预处理,同时通过立体匹配得到场景的深度信息;结合深度信息确定目标区域;设计动态阈值的尺度不变特征变换(SIFT)算法以提取目标区域的局部特征,将局部特征转化为特征约束;基于区域约束、特征约束和空间信息组成的特征向量进行聚类分割,得到最终分割结果,同时实现对每个目标区域的识别。实验结果表明,在颜色特征复杂的场景中,本文算法的整体误差率小于10%,与已有算法相比降低了15%以上。

综合应用多传感器图像灰度分布特征和分形维数特征进行目标检测、应用动态边缘演化提取目标轮廓，有效解决了复杂场景多目标分割的难题。首先根据图像的内在属性应用指定直方图进行图像增强，随后分别对可见光图像应用分形维数特征、对红外图像应用最大熵法、对激光雷达图像应用局部阈值法进行兴趣区域提取；再将各传感器图像获得的兴趣区域进行交叉验证，进一步排除背景干扰；最后把经过综合处理的目标轮廓估计作为初始生长曲线应用动态边缘演化技术最终确定目标边缘。对大量的复杂场景多传感器图像测试表明，本文提出的方法较好地保留了目标的形状特征，是一种有效的多目标分割技术。