基于图像处理的路面状态识别方法研究.pdf

哈尔滨理工大学电子信息硕士学位论文

基于图像处理的路面状态识别方法研究

摘要

随着社会的不断发展和科技的飞速进步，自动驾驶技术逐渐成为大众关注

的焦点。这项技术为人类带来了诸多便利，但也出现了一系列不容忽视的安全

问题。在自动驾驶技术中，路面状态识别技术是核心技术之一，其识别准确性

和可靠性关系到自动驾驶系统能否顺利应用到实际生活中。在路面状态识别技

术方向，车载摄像头采集到的路面图像信息可以加快路面状态识别过程，但采

集的图像易受环境因素的影响，造成路面状态识别错误，影响自动驾驶系统的

判断的准确度和判断速度。因此，对于路面图像的处理以及路面状态分类方法

的研究具有极其重要的现实意义。

根据对图像处理算法和图像分类算法的研究和分析，提出基于人眼敏感特

性的图像处理算法和基于改进ResNeXt的路面状态识别方法，分别用于路面图

像数据集的增强和路面状态图像的识别分类，本文的主要工作如下：

针对车载摄像头分辨率低，成像质量差，低照度下图像模糊不清的问题，提

出一种基于人眼敏感特性的图像处理算法，分别从路面图像的对比度、颜色和

亮度对路面图像进行针对性增强，并将增强结果作为路面状态识别方法的输入

图像。首先，提取原始图像灰度直方图，并使用自适应直方图均衡化进行处理；

其次，转换到HSV色彩空间，采用自适应颜色矫正进行处理；然后，采用非局

部均值去噪处理原始图像，再使用多尺度Retinex算法增强；最后，融合三种方

式处理后的图像，得到增强图像，作为路面状态识别方法的输入图像。经过基

于人眼敏感特性的图像处理方法处理后的路面图像，对比度和亮度适中，无颜

色偏差，且输出图像噪点较少，图像细节保存完善，对模糊图像和低照度图像

具有较好的增强效果。

针对现有路面状态识别算法存在的识别路面状态种类单一、识别准确率低、

泛化性差等问题，提出一种基于改进ResNeXt的路面状态识别方法。在传统

ResNeXt网络的基础上，设计融合下采样和上采样的组卷积模块，降低计算量；

交叉引用改进的空间注意力机制和改进的SE注意力机制，提升识别准确率；设

计多尺度特征融合机制，综合利用多尺度特征信息，提升识别准确率；采用

CosLU激活函数，提升训练速度。使用包含12种路面图像的数据集，并在数据

-I-

哈尔滨理工大学电子信息硕士学位论文

集中添加自行采集的路面图像，对本章算法进行实验。实验结果表明，本文分

类模型训练速度更快，损失更低，使用参数量、浮点数计算量、准确率、精确率

和macro-F1指标对本文算法进行评价，证明本文算法在路面状态识别领域具有

明显的优势。

关键词图像处理；深度学习；图像分类；ResNeXt网络

-II-

哈尔滨理工大学电子信息硕士学位论文

ResearchonRoadSurfaceStateRecognitionMethod

BasedonImageProcessing

Abstract

Withthecontinuousdevelopmentofsocietyandtherapidprogressofscienceand

technology,automaticdrivingtechnologyhasgraduallybecomethefocusofpublic

attention.Thistechnologyhasbroughtalotofconveniencetohumanbeings,butalso

aseriesofsecurityproblemsthatcannotbeignored.Inautomaticdrivingtechnology,

roadstaterecognitiontechnologyisoneofthecore