基于分塊分割GASVM算法的汽車側面輪廓提取

孟含 高述勇 符朝興 沈威 閆福珍

摘要： 針對基于圖片的汽車側面輪廓難以準確提取的問題，本文提出了基于圖像分塊遺傳算法優化支持向量機參數方法。首先對汽車側面輪廓進行分割，以圖像分塊處理的方式，將圖像的前景或背景直接作為輸出，運用支持向量機（support vector machine， SVM）對需要分割的部分進行分割，同時為了選擇SVM的最優核參數c和g，運用遺傳算法進行尋優，形成了GASVM算法。對分割后的圖像進行二值化處理，并采用濾波運算除去雜點。在車窗及車燈位置極容易產生孔洞，對圖片內部存在孔洞采用區域填充算法，最終得到汽車的側面輪廓。實驗結果表明，該算法能夠較準確的提取汽車的側面輪廓，減少分割時間。該研究具有一定的實際應用價值。

關鍵詞： 遺傳算法; 支持向量機; 彩色圖像分塊; 汽車側面輪廓

中圖分類號： TP317.4? ?文獻標識碼： A

隨著社會的發展，汽車品牌之間的競爭逐漸集中在汽車外形設計上，而汽車側面輪廓是汽車外形最重要的特征線，對已有車型側面輪廓進行提取和表達是汽車外形研究和設計的基礎。胡偉峰等人[12]采用貝塞爾曲線，逼近已有的汽車圖片輪廓;蘇建寧等人[3]采用人工選取側面輪廓的數個坐標點，近似表達汽車側面輪廓。隨著機器學習領域的發展，基于數字圖像的表達方式成為熱門，但是并沒有發現用數字圖像表達汽車側面輪廓進行后續設計的方法。用數字圖像表達汽車側面輪廓作為樣本進行設計的方法不需要人工參與選擇樣本點，節省大量時間，減少了人工誤差?！?br>