盲道是辅助视障人士安全出行的重要设施之一,盲道可以为视障人士提供引导和提示作用。现实生活中盲道情况复杂,视障人士在识别盲道过程中困难重重。因此,如何辅助视障人士准确识别盲道,是保障视障人士安全出行的重要研究部分。在计算机视觉领域内,图像分割是进行目标检测与识别的重要内容之一。随着计算机的快速发展,利用图像处理相关技术分割盲道,辅助视障人士安全出行成为可能。本文针对视障人士出行困难,盲道室外情况复杂,采集的盲道图像容易出现阴影和噪声,造成盲道分割准确度低等问题。本文提出一种基于室外情况下的盲道分割方法,将原图转换为YUV颜色空间,以代表亮度信息的Y分量为基础,提取图像中的阴影区域并进行色度矫正。利用OTSU算法对经过处理的图像进行分割,初步提取盲道区域,结合距离变换对图像进行标记,通过分水岭算法利用标记进行盲道分割。实验证明该方法可以避免图像中阴影部分对分割算法的影响,提高了盲道分割的准确效率。现实生活中盲道颜色多样,并且容易受到周围环境的影响。盲道具有独特的颜色特征和纹理特征。视障人士主要根据脚部的触觉来寻找盲道,可根据盲道的纹理特征进行分割。首先通过Gabor滤波器提取图像的纹理特征,再结合K-means聚类的方法对图像进行分割,最后配合形态学处理和寻找最大连通域完成盲道的分割。实验证明,该方法可以分割背景复杂的盲道图像,为视障人士的安全出行做出贡献。针对传统盲道分割算法准确率低、速度慢、普适性较差等问题,本文提出一种改进的Seg Net模型的盲道图像分割算法。以原始的Seg Net网络模型为基础,将Seg Net模型的编码部分替换为Mobile Net V3的特征提取部分。通过在自制的数据集上进行训练,实验结果表明改进后的模型能够更精确地分割盲道区域,并且提高了图像的分割速度,符合导盲系统对实时性的要求。