全文总字数：1927字

1. 研究目的与意义及国内外研究现状

无车区域的识别，一方面无人驾驶技术上，无人驾驶技术中有一个技术是车道包持技术，这个技术一般会对车道线进行检测和识别，无车区域的结果可以为车道线的检测提供可行域；另一方面可以用在用交通摄像头计算道路的拥堵程度或车流量（几年前可以在网上通过交通摄像头查看实时路况，但是由于网络安全等一系列问题，现在已经不能再通过交通摄像头查看交通情况，但是越来越多的人需要知道实时路况以提前修改路线，避免拥堵，目前有多个地图软件可以计算道路的拥堵程度）。

国内外研究现状

目前基于形态学和阈值分割算法的图像分割有很多，关于道路可行区域识别和道路识别的研究有很多，其中最具代表性的如下：

1.lois系统由美国密歇根州立大学人工智能实验室开发。该系统利用一种可变形的模板技术将道路曲率以及车辆在车道中的位置的确定转化为多维参数空间的最优化问题。

2.gold系统由意大利帕尔玛大学开发，采用立体视觉技术，利用定位道路表面油漆上的具有结构特征的道路表示来检测车道，由于其重组图像和立体视觉处理过程中计算量非常大，因而该系统设计了复杂的并行simd硬件结构以达到实时运行的目的。

2. 研究的基本内容

主要研究形态学与阈值分割图像分割算法，在现有的算法基础上做改进，最后在matlab上编程，采用上述算法实现对道路无车区域的分割。

3. 实施方案、进度安排及预期效果

1月25日--2月25日： 学习形态学和阈值分割算法

2月25日--3月10日：查阅相关文献，在matlab上编程实现基本的阈值分割

3月10日--4月10日：根据基本的阈值分割结果，改进算法，使分割结果更好

4. 参考文献

[1] gonzalez, r.c.; woods, r.e. digital imaging processing; prentice hall: new york, ny, usa, 2002.

[2] s. raut, m. raghuvanshi, r. dharaskar, a. raut,”image segmentation-a state-of-art survey for prediction,” icacc, pp.420-424,2009.

[3] s. naz, h. majeed, h. irshad,”image segmentation using fuzzy clustering: a survey,” international conference on emerging technologies, pp.181-186,2010.