目前,盲人群体的出行具有极大的不便,盲道作为辅助盲人出行的重要设施,其作用并未得到充分的发挥。因此,如何有效的利用盲道信息以方便盲人出行便成为了学者们研究的重点。盲道分割是盲道识别系统中的重要环节,然而现有的盲道分割算法存在分割率较差,处理方式单一,而且容易受到光照、阴影等外界环境影响等问题。针对这些不足,本文给出了一种新的基于计算机视觉的盲道分割算法。根据不同的分割算法在不同类型的盲道分割效果上表现出较大的差异这一特点,论文将盲道分割工作分为纹理盲道分割和颜色盲道分割两个部分。纹理盲道属于纹理图像,常用的纹理图像分割算法有分水岭算法与图论算法,而这些算法受光照及噪声等外界因素的影响,极容易造成误分割。针对这些缺陷,本文给出了一种基于BBO-KFCM的盲道分割算法。首先,算法利用结构法来提取盲道的纹理特征;然后选择KFCM聚类分割算法来分割纹理盲道;最后利用BBO来降低算法对噪声的敏感度。在对颜色盲道进行分割时,基于区域算法与基于阈值算法的分割表现出了较弱的分割效果和鲁棒性。对此,论文采用了一种基于HSI颜色空间的BBO-FCM的盲道分割算法。首先,将图像由RGB颜色空间转换到HSI颜色空间;其次,用改进后的FCM聚类算法对颜色盲道进行分割;最后利用BBO算法的的特点来优化FCM算法对噪声的敏感度。论文以计算机视觉的方法对盲道分割算法进行了研究,针对已有盲道分割算法的不足,将盲道分为纹理盲道和颜色盲道,并相应地给出了改进算法。实验结果表明,对于不同类型的盲道,本文算法能够有效地将盲道区域与人行区域分割,且不易受光照和噪声影响,从而降低误分割率。