论文部分内容阅读
针对野外环境下水体障碍物检测领域,从视觉信息中发掘水体区域存在的显著特征,并加入机器学习算法,提取水体特征描述符,用支持向量机(SVM)检测方法检测水体障碍物。基于S/V颜色特征与灰度共生矩阵,提出一种利用水体颜色和纹理特征的描述符检测野外水体的方法。在统计大量水体障碍物颜色和纹理特征的基础上,采用SVM训练分类器,针对实际问题通过实验选择RBF核函数和采样窗口尺寸,并优化RBF核函数参数,提高分类器非线性问题的解决能力。试验证明本文方法能够有效监测越野环境中水体障碍物,可提高水体检测的准确性和鲁棒性。