图像分割是模式识别和计算机视觉领域的一个重要研究方向,具有广泛的实用价值。在目标检测与分割的实际应用中,经常会遇到检测与分割后的图像轮廓模糊等情况,影响到目标检测和分割的效果以及实时应用。本文在对图像分割的国内外研究现状进行深入探讨的基础上,研究自适应Otsu图像分割算法,并将其应用在与虚拟线圈相结合的交通视频车型识别中。全文主要内容如下:1.本文在分析和总结国内外研究成果和最新研究技术的基础上,选取基于阈值图像分割技术作为研究的重点,前期进行了大量的调研分析与研究,比较各种基于阈值的图像分割技术的特点。2.针对传统二维Otsu算法得不足,本文将绝对差和平均离差引入到阈值判别函数的设计中。先统计图像目标类与背景类各自类内的绝对差,得到总体类内绝对差之和;再统计目标类和背景类两类之间的总体平均离差;然后把总体类内绝对差之和和类间总体离差的商作为阈值识别函数。实验结果表明,与其它阈值判别函数相比,通过优化新的阈值判别函数得到的二维阈值,具有了较好的分割效果,能够更好地保留了目标物的轮廓,而且计算量小。3.传统遗传算法对交叉和变异做统一的操作,对收敛性有很大影响,往往会陷入局部最优解,这是一个经典难题,目前有很多学者都针对这个问题进行研究,本文根据不同的适应度值对种群进行分类,对不同的种群采用不同的交叉方法和变异概率,即采用基于海明距离判别的交叉方式、基于动态变化的变异概率,一定程度上避免了陷入局部最优。实验结果也表明了应用改进的遗传算法所得到的最优阈值显然要好于传统遗传算法能够更早的得到最优解,也更加接近全局最优解,一定程度上克服了传统GA算法的“早熟”问题。4.通过对图像采集卡采集到的视频序列的车道位置设置虚拟线圈,提出了一种基于多帧考虑的线圈区域内灰度变化来检测车辆的到达,并运用Otsu算法对特定区域运动的车辆进行目标提取,获得车辆的几何特征,通过对几何特征的分析,从而实现的对车型的识别。实验表明了该方案能够较为准确地识别出到达检测区域的车辆车型,系统的实时性也能够得到一定的保障。