本文是“雾天等级公路景物识别方法的研究”项目的一个重要组成部分,该项目由图像滤波、目标分割、摄像机定标和目标跟踪四个模块组成。在解决图像识别和场景描述等问题的过程中,涉及到模式识别、人工智能及计算机视觉等现代信息科学和技术众多领域。本文主要从事图像目标快速分割方法的研究工作,待分割目标有汽车、车道线等。本课题具有目标和背景都在运动、背景复杂以及实时性要求高等特点。本文首先研究了较为传统的分割方法对本课题的有效性,如阈值法、区域生长法、边缘检测法,并改进相关算法,取得如下成果:1.使用自适应阈值分割方法对图像进行处理,得到经验公式。该算法能够适应外界光照强度的变化,在分割行车标记时,运行速度及分割准确性均能满足实时要求;2.采用改进的区域生长算法进行图像分割,利用投影直方图获得种子点,通过对生长准则的改进,成功地将汽车、行车标记等目标分割出来,且算法速度得到改善;3.根据行车标记确定感兴趣区域。在此区域内,利用阈值分割法可得到汽车等多个目标,这样既可节省处理时间,又能保证分割的准确率。将此分割结果与车道线图像融合到一起,即可得到最终的输出结果。本文还就采用曲线进化算法进行图像分割的问题展开了研究,并用水平集方法实现C-V偏微分方程的改进算法。将此算法应用在等级公路场景图像上,曲线已开始进化,只是收敛速度很慢。使用简单背景的图像对算法进行了测试,结果表明,曲线快速向目标边缘方向进化,并最终停止在目标边缘处,目标分割获得成功。总之,本文所作的工作只是一个初步的研究工作,无论在传统分割方面还是在曲线进化方面都有待于进一步去研究。