6、图像分割与螺旋纹理检测技术研究

图像分割与螺旋纹理检测技术研究

在计算机视觉和图像处理领域，图像分割以及特定纹理检测是重要的研究方向。本文将介绍基于混合模型的背景减除方法中的图像分割技术，以及利用运动估计算法自动检测原木 CT 横截面图像中螺旋纹理的相关研究。

基于边缘的图像分割

在监控系统的图像处理中，图像分割是关键步骤。这里采用了基于边缘的图像分割方法，具体步骤如下：
1. 边缘扩展 ：使用 3x3 搜索窗口检测边缘的松散端点，并沿边缘方向扩展这些端点。实验表明，对于所使用的测试数据，扩展 5 个像素就足够了。如果使用更多像素，由于噪声的影响，错误分割会更频繁地出现。这个参数取决于图像的分辨率和监控环境的复杂度。
2. 区域划分 ：扩展边缘后，图像被划分为封闭区域。使用洪水填充操作给每个区域赋予不同的值，边缘像素取其最小相邻区域的值，这样图像中的每个像素都能被分配到一个且仅一个区域。
3. 实时分割 ：这种图像分割可以实时进行，例如分割 PetsD2TeC2 序列平均每帧需要 28 毫秒。尽管存在能获得更好结果的图像分割技术，但它们更复杂，不适合实时处理监控视频数据。

扩展的 SMM 方法

为了提高 SMM（某种检测方法）的检测结果，将其与空间图像分割相结合，采用了两步匹配步骤：

for each pixel(x,y) in frame t
    if SMMresult(x,y) == 1
        nrPix(getSegment(x,y))+