盲道作为城市基础建设的组成部分，有着十分重要的意义。视障者群体传统的出行多以盲道为基础，通过脚底触觉来判断前方路径及转弯等路况，这种出行方式不仅十分危险，也无法充分利用盲道信息。本文借助数字图像处理技术，以盲道信息为依托，将光照，阴影等外部条件下的盲道图像作为算法处理对象，从盲道检测与方向识别两大方面入手，分别提出了不同的处理算法。
　　在盲道检测方面，将研究工作分为颜色分割与纹理分割两部分。针对颜色特征盲道，提出一种基于HSI色彩空间与改进OTSU的分割算法，利用色彩空间转换，改进后的OTSU以及形态学处理等算法，提取图像颜色分量，实现阈值分割，完善目标区域，进而提高分割的准确性；针对具有明显纹理特征的盲道，提出一种基于GLCM与改进的K-means算法相结合的分割算法，使用直方图均衡化、灰度共生矩阵以及改进后的K-means聚类分割等算法，增强原始盲道图像的对比度，计算出盲道特征值，以确定位置作为初始点，实现区域分割，减少分割时间，增强元素间相似性。
　　在方向识别方面，将处理后的盲道图像分为直行盲道图像与转弯盲道图像。针对直行盲道，利用Canny边缘检测算子提取出边界，再通过Hough变换查找到图像中最长的两条直线，并且根据两条直线与x轴投影的夹角来确定盲道相对于盲人的位置，便于盲人判断偏移方向，规划行走路线；针对转弯盲道，提出一种基于多边形逼近思想的拐点检测算法，将检测的边界连接成闭合轮廓，再利用多边形逼近思想，使用Dp算法将轮廓曲线用几何图形进行拟合，由于拟合后的图形拐点位置精确，利用Susan角点检测算法可以快速高效的检测出盲道的拐点，避免了伪拐点的产生，从而达到盲道方向的识别，提高算法的普适性。
　　实验表明，本文提出的算法可以有效避免光照等外部条件的影响，提高分割准确性，准确高效地提取出盲道范围，并识别出盲道的偏离位置以及盲道路径的方向，从而指导盲人安全高效出行。