1.一种提高图像分割精度的方法，包括如下步骤：

步骤一，设定条件随机场的模型；

采用一种条件随机场的后处理手段对像素分类的后训练阶段进行干预，使其分类得到更加准确的像素概率值，从而达到对目标像素分类进行精确化定位；

条件随机场是一种判别式无向图模型，对于多个变量或者观测序列x＝{x1,x2,...,xn}，即给定目标像素值序列，在给定观测值或标记序列y＝{y1,y2,...,yn}，即类别标签，构建条件概率模型P(y|x)；令G＝表示结点与标记y一一对应的无向图，yv表示与结点v对应的标记变量，n(v)表示结点v的邻接结点，每个变量yv都满足马尔可夫性，即P(yv|x,yv)＝P(yv|x,yn(v))                            (1)则(y,x)构成一个条件随机场，对其进行建模，使用势函数和团来定义条件概率P(y|x)，使得标记变量{yi}以及相邻的标记变量{yi-1,yi}所组成的团势函数最大，通过选用指数势函数，目标函数定义为式中：tj(yi+1,yi,x,i)为两个相邻变量标记位置的转移特征函数，用于刻画相邻标记变量的相关关系以及观测序列对其的影响；sk(yi,x,i)为观测序列在标记位置i上的状态特征函数，用于刻画观测序列对标记变量的影响；λj和μk为参数；Z为规范化因子，用于准确定义概率；

步骤二，设计基于条件随机场的参数；

针对上述条件随机场，结合图像特征分类的一般模型，采用的能量势函数为式中：θi(xi)为一元势函数；xi为观测序列中的像素i的分类标签，则有类别概率P(xi)，转化θi(xi)＝-logP(xi)；而第二项的成对势函数θij(xi,xj)扩展为式中：μ(xi,xj)为标签对比函数，当xi≠xj时，μ(xi,xj)＝1，否则μ(xi,xj)＝0，用于判断相邻像素点间的距离；wm·km(fi,fj)为高斯卷积核特征函数，用wm权衡相邻像素点特征关系，具体关系函数为式中：pi与pj为相邻位置像素点坐标；Ii与Ij为两者颜色信息；σα为位置因子；σβ为颜色相似度因子；σγ为附加的位置尺度因子；w1，w2分别为线性组合的权重；通过平均场近似函数更新迭代Q(x)最小化P(x)与Q(x)的K-L散度，得到模型的最优解；

步骤三，设计联通区域查找算法；

图像联通区域查找方法较多，有像素点标记法、线段标记法等；其中像素点标记法又分为区域增长法、顺序扫描法、递归标记法；线段标记法主要为游程标记法；而像素点标记法最常见，将每一类别的物流车辆的预测结果转化为二值图，通过联通区域标号进行查找；设像素点f(x,y)其左右上下坐标分别为f(x-1,y)，f(x+1,y)，f(x,y-1)，f(x,y+1)，则联通区域标号merge(x,y)在4领域扫描，经过f(x,y)点时已扫描左、上位置f(x-1,y)和f(x,y-1)，因此可通过判断merge(x-1,y)和merge(x,y-1)来确定f(x,y)的联通性，具体的判别式为S1)表明与左领域相联通的判断条件：当f(x,y)＝f(x-1,y)且f(x,y)≠f(x,y-1)时，merge(x,y)＝merge(x-1,y)；

S2)表明与上领域相联通的判断条件：当f(x,y)＝f(x,y-1)且f(x,y)≠f(x-1,y)时，merge(x,y)＝merge(x,y-1)；

S3)表明与左、上领域相联通的判断条件：当f(x,y)＝f(x-1,y)且f(x,y)＝f(x,y-1)时，merge(x,y)＝merge(x-1,y)＝merge(x,y-1)；

S4)表明与左、上领域不联通的判断条件：当f(x,y)≠f(x-1,y)且f(x,y)≠f(x,y-1)时，merge(x,y)＝NewLabel新的联通标号；

设立一个一维数组common，其下标为临时联通区域标号merge(x,y)的值，merge(x,y)的值代表某个共同联通区域标号，即像素点f(x,y)的共同联通区域标号common(merge(x,y))；扫描二值图类别图像，具体流程为T1)当出现当前坐标点f(x,y)≠f(x-1,y)以及f(x,y)≠f(x,y-1)时，表明像素点f(x,y)属于新的联通区域，数组common新增一个，并且记录common(merge(x,y))＝merge(x,y)；

T2)当出现当前坐标点f(x,y)＝f(x,y-1)以及f(x,y)＝f(x-1,y)，还需要比较临时联通区域标号merge(x-1,y)和merge(x,y-1)的值；

若出现merge(x-1,y)＝merge(x,y-1)情况则merge(x,y)＝merge(x,y-1)；

若出现merge(x-1,y)≠merge(x,y-1)情况则当common(i)＝common(merge(x-1,y))时，有common(i)＝common(merge(x,y-1))；

T3)当出现当前坐标点f(x,y)＝f(x,y-1)以及f(x,y)≠f(x-1,y)，则表明与上领域联通，记录merge(x,y)＝merge(x,y-1)；

T4)当出现当前坐标点f(x,y)＝f(x-1,y)以及f(x,y)≠f(x,y-1)，则表明与左领域联通，记录merge(x,y)＝merge(x-1,y)；

经以上步骤后，合并所有联通区域，得到每一类别的联通区域，可对目标图像做像素点分割定位；

步骤四，精确框定最小外接四边形；

在分割基础上，采用了最小外接四边形的方法将目标进行框定，这样有利于计算目标的宽高像素信息；其中定位的最小外接四边形计算流程为：

1)将步骤三分割图像每一类别转为二值图像，寻找其近似多边形轮廓；

2)多边形轮廓由每一系列点组成，找到离散点中y坐标最大，x坐标最小的点记为A点；

3)以A为原点，x轴正反向射线 顺时针扫描，找到旋转角最小时的扫描点，记为B点；

4)以B点为原点，AB方向射线 顺时针扫描，找到旋转角最小时的点记为C点；

5)以此类推，直到找到A点，从而得到多边形P；

6)以P为凸边以旋转法计算每一次旋转的面积，得到最小面积，即最小外接四边形，记录最小外接四边形的高度和宽度。