2024年6月14日发(作者：)

维普资讯

第２６卷第１期　

２００６年１月　

计算机应用　

Ｃｏｍｐｕｔｅｒ　Ａｐｐｌｉｃａｔｉｏｎｓ　

Ｖｏ１．２６　Ｎｏ．１　

Ｊａｎ．２００６　

文章编号：１００１—９０８１（２００６）０１—０１１７—０３　

基于时空联合双重约束Ｓｎａｋｅ算法的运动目标分割　

吴金勇　，马国强　，张晓蕾　，邢艳芳　，徐健健　

（１．南京大学物理学系，江苏南京２１ｏ０９３；　

２．广西师范大学物理与信息工程学院，广西桂林５４１００４）　

（ｗｊｙ０２０６ｇｊ＠ｙａｈｏｏ．ｅｏｍ．ｏｎ）　

摘要：提出了一种针对运动目标进行分割的ＳＴＣ（Ｓｐａｔｉｏ—Ｔｅｍｐｏｒａｌ　Ｃｏｍｂｉｎｅｄ）Ｓｎａｋｅ算法。该　

方法利用待分割帧图像的灰度梯度及其和相邻帧图像的时域信息，构造一种时空联合双重约束的外　

部能量函数，实现对Ｓｎａｋｅ曲线的变形和收敛。对Ｓｎａｋｅ轮廓进行初始化时，首先将相邻帧图像进行　

减运算，提取出大致的运动区域，然后再以该区域的外接矩形的长和宽为轴长，在该区域上构造一个　

椭圆，等间距提取该椭圆形上的Ⅳ个点，形成Ｓｎａｋｅ的初始化轮廓。实验结果表明，该方法是有效可　

行的，可精确的分割出非刚体的运动目标。　

关键词：动态轮廓模型；目标分割；非刚体目标　

中图分类号：ＴＰ３９１．４１　文献标识码：Ａ　

Ｍｏｔｉｏｎ　ｏｂｊｅｃｔ　ｓｅｇｍｅｎｔａｔｉｏｎ　

ｂａｓｅｄ　ｏｎ　ｓｐａｔｉｏ—－ｔｅｍｐｏｒａｌ　ｃｏｍｂｉｎｅｄ　ａｎｄ　ｄｕａｌ—－ｒｅｓｔｒｉｃｔｅｄ　Ｓｎａｋｅ　ａｌｇｏｒｉｔｈｍ　

ＷＵ　Ｊｉｎ—ｙｏｎｇ　一，ＭＡ　Ｇｕｏ－ｑｉａｎｇ　，ＺＨＡＮＧ　Ｘｉａｏ－ｌｅｉ　，ＸＩＮＧ　Ｙａｎ－ｆａｎｇ　，ＸＵ　Ｊｉａｎ－ｊｉａｎ　

（１．Ｄｅｐａｒｔｍｅｎｔ　ｏｆＰｈｙｓｉｃｓ，Ｎａｎｊｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ　Ｊｉａｎｇｓｕ　２１００９３，Ｃｈｉｎａ；　

２．Ｃｏｌｌｅｇｅ　ｆｏＰｈｙｓｉｃｓ　ａｎｄ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｇｕａｎｇｘｉ　Ｎｏｒｍａｌ　Ｕｎ＆ｅ￣ｉｔｙ，Ｇｕｉｌｉｎ　Ｇｎａｎｇｘｉ　５４１００４，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ａ　Ｓｐａｔｉｏ—Ｔｅｍｐｏｒａｌ　Ｃｏｍｂｉｎｅｄ（ＳＴＣ）Ｓｎａｋｅ　ａｌｇｏｒｉｔｈｍ　ｆｏｒ　ｓｅｇｍｅｎｔｉｎｇ　ｍｏｔｉｏｎ　ｏｂｊｅｃｔｓ　ｗａｓ　ｐｒｅｓｅｎｔｅｄ．Ｆｉｒｓｌｔｙ，ｂｙ　

ｕｓｉｎｇ　ｔｈｅ　ｇｒａｙ—ｌｅｖｅｌ　ｇｒａｄｉｅｎｔｓ　ｏｆ　ｔｈｅ　ｐｒｅ—ｓｅｇｍｅｎｔｉｎｇ　ｉｍａｇｅ　ａｎｄ　ｔｈｅ　ｔｅｍｐｏｒａｌ　ｉｎｆｏｒｍａｔｉｏｎ　ｏｆ　ｔｗｏ　ａｄｊａｃｅｎｔ　ｆｒａｍｅｓ，ａｎ　ｅｘｔｅｒｎａｌ　

ｅｎｅｒｇｙ　ｆｕｎｃｔｉｏｎ　ｗｉｔｈ　ＳＴＣ　ｄｕａｌ—ｒｅｓｔｉｒｃｔｅｄ　ｗａｓ　ｃｏｎｓｔｒｕｃｔｅｄ，ｗｈｉｃｈ　ｌｅｄ　ｔｈｅ　Ｓｎａｋｅ　ｃｕｒｖｅ　ｔｏ　ｄｅｆｏｒｍｉｎｇ　ａｎｄ　ｃｏｎｖｅｒｉｇｎｇ．Ｓｅｃｏｎｄｌｙ，　

ｗｈｅｎ　ｉｎｉｔｉｌａｉｚｉｎｇ　ｔｈｅ　Ｓｎａｋｅ　ｃｕｒｖｅ，ｂｙ　ｓｕｂｔｒａｃｔｉｎｇ　ｔｗｏ　ａｄｊａｃｅｎｔ　ｆｒａｍｅｓ，ｔｈｅ　ａｐｐｒｏｘｉｍａｔｅ　ｒｅｇｉｏｎ　ｏｆ　ｍｏｔｉｏｎ　ｏｂｊｅｃｔ　ｗａｓ　ｅｘｔｒａｃｔｅｄ．　

Ｔｈｅ　ｌｅｎｇｔｈ　ａｎｄ　ｉｗｄｔｈ　ｏｆ　ｔｈｅ　ｒｅｇｉｏｎ’Ｓ　ｅｘｔｅｒｎａｌ　ｒｅｃｔａｎｇｌｅ　ｗｅｒｅ　ｕｓｅｄ　ａｓ　ｔｈｅ　ａｘｉｓ’Ｓ　ｌｅｎｇｔｈ　ｔｏ　ｂｕｉｌｄ　ａｎ　ｅｎｉｐｓｅ．Ｆｉｎａｌｌｙ，Ｎ　ｅｑｕａｌ　

ｉｎｔｅｒｖａｌ　ｐｏｉｎｔｓ　ｗｅｒｅ　ｓｅｌｅｃｔｅｄ　ｆｒｏｍ　ｔｈｅ　ｅｎｉｐｓｅ　ａｓ　ｔｈｅ　ｉｎｉｔｉａｌ　ｃｏｎｔｏｕｒ　ｏｆ　Ｓｎａｋｅ　ｆｏｒ　ｌａｔｅｒ　ｉｔｅｒａｔｉｖｅ　ｃｏｍｐｕｔｉｎｇ．Ｅｘｐｅｒｉｍｅｎｔ　ｒｅｓｕｌｔｓ　

ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ｍｅｔｈｏｄ　ｉｓ　ｆｅａｓｉｂｌｅ　ａｎｄ　ｇｏｏｄ，ｗｈｉｃｈ　ｃａｎ　ｓｅｇｍｅｎｔ　ｎｏｎ－ｉｒｇｉｄ　ｍｏｔｉｏｎ　ｏｂｊｅｃｔｓ　ａｃｃｕｒａｔｅｌｙ．　

Ｋｅｙ　ｗｏｒｄｓ：ａｃｔｉｖｅ　ｃｏｎｔｏｕｒ　ｍｏｄｅｌ；ｏｂｊｅｃｔ　ｓｅｇｍｅｎｔａｔｉｏｎ；ｎｏｎ－ｉｒｉｇｄ　ｏｂｊｅｃｔ　

０　弓Ｉ言　１　Ｓｎａｋｅ算法原理　

运动目标分割是计算机视觉、视频识别等领域的重要研　

传统的Ｓｎａｋｅ算法＿３　可以看作是将一条连续封闭的曲　

究内容，精确的目标分割一直是一个比较难以处理的问题。　

线，其在内部力和外部力的共同约束下进行变形，并移动到某　

人们提出了各种各样的目标分割方法，如分水岭算法、分裂合　

个位置，使曲线总能量获得最小值，从而收敛于物体轮廓的边　

并法、动态聚类法等。随着文献［３］Ｓｎａｋｅ模型算法的提出，　

缘。曲线轮廓的参数化数学描述为　（Ｓ）＝（　（Ｓ），Ｙ（Ｓ）），Ｓ　

基于Ｓｎａｋｅ的各种改进算法在图像分割、运动跟踪等领域得　

［０，１］，参数ｓ代表弧长。则Ｓｎａｋｅ的总能量Ｅ，可表示为：　

，

１　ｒ　，　

到了广泛的应用。文献［１］利用目标形状的先验知识，将　

Ｅｓ＝【｝Ｅ　（　（ｓ））＋Ｅ　（　（ｓ））ｌｄｓ　（１）　

Ｓｎａｋｅ模型在内力和外力作用下进行形变，实现对脸部特征　

其中：　

的分割。文献［２］通过预先估计对象的运动信息，对Ｓｎａｋｅ曲　

Ｅ　（　（　））＝÷Ｉ　Ｉ　（ｓ）Ｉ‘＋卢Ｉ　”（　）Ｉ‘１　（２）　

线的初始轮廓位置进行运动补偿，提出了用Ｓｎａｋｅ对视频目　

式中　（Ｓ）为参数曲线Ｓ的一阶导数，　”（Ｓ）为参数曲线Ｓ的二　

标进行跟踪的方法。本文针对运动目标的分割问题，利用待　

阶导数，Ｏｔ　分别代表曲线弹性和弯曲性的权重参数，内部能　

分割帧图像的灰度梯度及其和相邻帧图像的时域信息，提出　

量的作用是使曲线变得光滑和富有弹性。外部能量　

一

种基于时空联合双重约束的ＳＴＣ（Ｓｐａｔｉｏ—Ｔｅｍｐｏｒｌａ　

（ｖ（ｓ））是由图像力产生的能量，它表示轮廓点与图像局　

Ｃｏｍｂｉｎｅｄ）Ｓｎａｋｅ算法实现对运动目标进行分割。　部特征吻合的情况，使曲线向物体边缘移动。设灰度图像位置　

收稿日期：２００５—０７—２７；修订Ｅｔ期：２００５一Ｏ９一Ｏ８　

作者简介：吴金勇（１９７９一），男，广西人，博士研究生，主要研究方向：数字视频分析、ＡＳＩＣ设计；　马国强（１９７９一），男，江苏人，博士研究　

生，主要研究方向：数字图像编码与传输；张晓蕾（１９７６一），女，江苏人，硕士研究生，主要研究方向：数字图像处理；邢艳芳（１９８１一），女，江　

苏人，硕士研究生，主要研究方向：嵌入式系统；徐健健（１９４２一），男，江苏人，教授，博士生导师，主要研究方向：数字图像处理与传输、ＳＯＣ设　

计、智能控制．　

维普资讯

ｌｌ８　计算机应用　２００６血　

（　，ｙ）处的灰度值为，（　，ｙ），则外部能量函数　（　（ｓ））可表　

示为：　

．

３　运动目标分割实现　

３．１　Ｓｎａｋｅ轮廓的自动初始化定位　

Ｓｎａｋｅ算法对轮廓曲线初始化位置很敏感，如果初始化　

轮廓不在待分割目标的附近，会导致最终曲线的收敛结果不　

２　

（　（ｓ））＝一ｌ　７Ｉ（ｘ，Ｙ）ｌ　

或　

．

２　

（　（ｓ））＝一ｌ　（　，Ｙ）￥７，（　，Ｙ）ｌ　（３）　

正确，在对灰度图像进行Ｓｎａｋｅ算法分割时尤为明显，极易使　

轮廓曲线收敛与局部极小点。在对静态图像进行分割时，人　

式中Ｖ表示梯度操作符，　（　，Ｙ）是二维的高斯函数，用于　

对图像进行滤波处理，降低噪声对真实边缘梯度的影响。　

从以上原理可知，只有当轮廓曲线收敛于目标的边缘处　

时，总能量Ｅ　才能获得最小值，根据欧拉方程，公式（１）的最　

小值可通过下式进行求解：　

们常常使用半自动的方式，通过人机交互，由人工手动在待分　

割目标附近描出轮廓线的初始位置点，再进行自动迭代运算　

使轮廓曲线收敛与目标的真实边缘，从而实现对目标的分割，　

是一种半自动的分割方法。本文通过相邻帧差操作，检测出　

”（ｓ）一　””（５）一７　（　（ｓ））＝０　（４）　

运动目标的大致区域，对运动层图像进行适当的形态学处理　

其中　”（ｓ）一　””（ｓ）代表内部能量函数　（　（ｓ）），一　

后，通过计算最大运动区域的质心点及其外接矩形，以区域质　

Ｖ　（　（ｓ））代表外部能量函数　（Ｖ（Ｓ））。　

心点为中心，外接矩形的长和宽为轴长，构造椭圆形曲线作为　

Ｓｎａｋｅ的初始轮廓曲线。　

２　时空联合（ＳＴＣ）双重约束Ｓｎａｋｅ算法　

设前一帧图像为　一，（ｘ，Ｙ），当前帧图像为　（　，Ｙ），则帧　

传统的Ｓｎａｋｅ算法收敛速度较慢且很容易使曲线收敛于　

差图像　（　，Ｙ）可表示为：　

图像的局部极小点，甚至导致发散。为了使Ｓｎａｋｅ轮廓曲线　

（　，Ｙ）＝　（　，Ｙ）一　一．（　，Ｙ）　（７）　

能快速收敛，或避免收敛于图像的局部极小点，很多学者提出　

将差值图像　（　，Ｙ）用公式（８）进行二值化处理，生成运　

来各种改进的Ｓｎａｋｅ方法，如文献［４］提出的主动轮廓线“气　

动区域的二值化模板Ｍ（　，Ｙ）。　

球”模型，文献［５］提出的ＧＶＦ　Ｓｎａｋｅ模型，这些方法主要是　

（　）：［２５５，　ｌ　（　，，，）ｌ≥Ｔｈ　（８）　

针对静态图像进行分割。对动态视频图像而言，图像序列中　

【０，　其他　

的时域信息可以被利用，本文结合序列图像的特点，联合视频　

式中　是噪声阈值，当某点差值小于　日寸．，认为该点的变化　

序列的时域和空间域的梯度向量信息，组成由图像的时域向　

是由噪声引起的，否则认为是由目标的运动引起的，以减少噪　

量和空间域中的水平方向和垂直方向的梯度向量构造的新的　

声的干扰。对运动模板Ｍ（　，Ｙ）进行形态学膨胀操作和区域　

外部能量函数，使Ｓｎａｋｅ曲线能快速收敛并准确定位于运动　

填充处理后，寻找出面积最大的运动模板区域，计算该区域的　

目标的边缘。　

质心点（ｃ　，ｃ　）及其外接矩形的长度　和宽度　。　

设待分割图像的水平方向梯度向量为　，垂直方向梯度　

则Ｓｎａｋｅ的初始轮廓曲线ｓ　（　，ｙ）可描述为：　

向量为　，相邻帧图像的差值ｔ　，其代表了运动目标区域，作　

．　

＝　＋－５－术ｓｉｎ　ｙ　

为时域向量，则由时空联合双重约束构造的新的外部能量函　

Ｓ　（　，Ｙ）∈　一　（９）　

数可表示为：　

Ｙ＝ｃｙ＋　术ｃｏｓ’，　

（　（ｓ））＝‰（　（ｓ（　（　，Ｙ），　，Ｙｓ）））＋　（ｓ（ｔ　））　

式中通过对参数’，的选取决定曲线的点，本文中ｙ的取值是　

（５）　

在［０，２叮Ｔ］范围内每隔０．２步长选取一个点，由此生成一个椭　

其中：　

圆形初始化Ｓｎａｋｅ轮廓曲线，从而实现了Ｓｎａｋｅ轮廓曲线的　

２　

（　（ｓ（Ｇ　（　，Ｙ））））＝一ｌ　（　，Ｙ）￥７，（　，Ｙ）ｌ　

自动初始化。Ｓｎａｋｅ曲线初始化示意图见图１。　

采用的是典型的图像梯度能量，　（ｓ（ｔ　））则通过以下方法决　

定：　

设差值图像中大于设定阚值　的差值的平均值为　，　

Ｓｎａｋｅ曲线包围的区域的中心点为　（　，　）。以Ｓｎａｋｅ曲线　

上某一控制点（　，　）为中心，计算该点８邻域处像素的时间域　

一　

向量ｔ　（Ｊ｝，Ｚ）与平均值　的差值平方和６，见公式（６）。　

（ａ）最大的运动模板　（ｂ）自动初始化的　

区域的外接矩形　ｓｎａｌ（ｅ曲线　

６＝　（ｔｄ（ｋ，ｚ）一　）　

图１　Ｓｎａｋｅ曲线初始化示意图　

３．２目标的分割处理　

一

２≤ｋ≤　＋２√一２≤Ｚ≤　＋２（６）　

在连续的两帧图像　一。（　，Ｙ）和　（　，Ｙ）中，对目标的分　

如果６小于设定的阈值ｎ，则控制Ｓｎａｋｅ曲线向中心点　

割处理在前一帧图像　一　（　，Ｙ）中进行。经自动初始化Ｓｎａｋｅ　

方向收缩２个像素点，如果６大于设定的阈值　，则控制　

轮廓后，设定迭代次数，对初始化轮廓进行自动迭代运算，在　

Ｓｎａｋｅ曲线向远离中心点方向膨胀２个像素点，当Ｔ１＜６＜　

Ｓｎａｋｅ的内部能量函数和由时空联合构成的外部能量函数的　

，　

（ｓ（ｔ　））为０，不起控制作用，此时外部能量由图像的梯　

共同作用下，使轮廓曲线快速收敛运动目标的边缘。其具体　

度能量单独控制。ｎ、　的取值由实验决定。在新一轮迭代运　

实现步骤如下：　

算时，重新计算区域的中心点Ｃ　（　，Ｙ　）。　

１）处理区域选择：为了减少计算量，只对包含运动目标　

通过　（　（ｔ　））的控制可防止Ｓｎａｋｅ曲线陷入局部最小点　

的局部区域进行处理。为了避免漏检测，对３．１节中得到的　

及收敛于背景静态物体的边缘，同时能使Ｓｎａｋｅ曲线在图像　目标区域外接矩形以质心点为中心，长和宽各扩大５０％形成　

梯度不太明显时能通过时域向量的约束进行正确收敛。　

的矩形区域作为处理区域，如果区域超出图像帧的边界，则以　

维普资讯

第１期　吴金勇等：基于时空联合双重约束Ｓｎａｋｅ算法的运动目标分割　１１９　

图像帧的边界为限（见图２）。　

收敛于目标的边缘，但在背景边缘复杂的区域易收敛于背景　

静态物体的边缘。而本文方法由于利用了目标的运动信息，　

在背景边缘复杂的区域，能使Ｓｎａｋｅ曲线较好的越过背景静　

态物体的边缘，从而使Ｓｎａｋｅ曲线能较精确的收敛于运动目　

标的边缘，而避免其收敛于附近的背景静态物体的边缘处。　

相应的处理区域　

２）计算　一。（　，Ｙ）帧中处理区域的水平方向和垂直方向　

的梯度向量　和　，并进行归一化处理。　

一函　

３）将相邻帧图像　一　（　，Ｙ）和　（　，Ｙ）进行减运算，把在　

处理区域中的差值　（　，Ｙ）作为位置（　，Ｙ）处的时域向量，归　

一

化后记为ｔ　。　

４）设定迭代次数，在　一　（　，Ｙ）帧的处理区域中结合公式　

（１）和公式（５）进行迭代运算，最终得到收敛于目标边缘的　

轮廓曲线。　

５）对轮廓曲线内部的区域进行提取，分割出运动目标。　

一一　

（ｃ）第２３帧分割出的目标　（ｄ）第２５帧分割出的目标　

ｄ＝０．０４　Ｂ＝０．８迭代次数为８５次　

４　实验结果　

图４本文方法的Ｓｎａｋｅ收敛结果和分割出的运动目标　

５　结话　

一一　

序列图像中非刚体目标的精确分割是一个比较难以处理　

的问题，本文结合序列图像的特点，采用时空联合双重约束　

Ｓｎａｋｅ算法（ＳＴＣ　Ｓｎａｋｅ），通过对序列图像的相邻帧进行差值　

运算，自动地定位Ｓｎａｋｅ的初始化轮廓，再进行迭代运算使曲　

线收敛于运动目标的边缘，实现了精确地自动分割出序列图　

一

像中的非刚体运动目标，不需人工干预。本方法在视频序列　

中只有单个运动目标情况下进行了实验，获得较好效果，但如　

果在视频中有多个运动目标的情况下，将只能分割出面积最　

大的一个运动目标。因此，只适合于对视频图像中只有单个　

运动目标的视频序列进行分割。　

（ｃ）第２３帧分割出的目标　

一　

（ｄ）第２５帧分割出的目标　

参考文献：　

＝０．０４　Ｂ＝０．８迭代次数为３００次　

【１】　王元全，汤敏，王平安，等．基于先验知识改进Ｓｎａｋｅ模型的脸　

图３传统方法的Ｓｎａｋｅ收敛结果和分割出的运动目标　

部特征分割【Ｊ】．计算机辅助设计与图形学学报，２００４，１６（５）：　

本文用Ｈａｌｌ　Ｍｏｎｉｔｏｒ视频序列在ＰⅣ２．ＯＧＨｚ，内存２５６Ｍ　

６８７—６９０．　

的计算机上进行了对比实验，图３和图４所示是部分实验结　

【２】　郭礼华，李建华，杨树堂．基于运动补偿的￣ｎａｋｅ视频对象跟踪　

果。其中，图３（ａ）、（ｂ）分别是用传统Ｓｎａｋｅ算法对序列中第　

算法【Ｊ】．红外与激光工程，２００５，３４（１）：９３—９７．　

２３帧和第２５帧图像进行迭代运算得到的Ｓｎａｋｅ曲线结果；图　

【３】　ＫＡＳＳ　Ｍ，ＷＩＴＫＩＮ　Ａ，ＴＥＲＺＯＰＯＵＬＯＳ　Ｄ．Ｓｎａｋｅ：ａｃｔｉｖｅ　ｃｏｎｔｏｕｒ　

３（Ｃ）、（ｄ）分别是从上述图像帧中分割出来的运动目标。图４　

ｍｏｄｅｌｓ［Ｊ】．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆＣｏｍｐｕｔｅｒＶｉｓｉｏｎ，１９８８，１（４）：　

３２１—３３１．　

（ａ）、（ｂ）分别是用本文算法对序列中上述序列帧图像进行迭　

【４】　ＣＯＨＥＮ　ＬＤ．Ｏｎ　Ａｃｔｉｖｅ　Ｃｏｎｔｏｕｒ　Ｍｏｄｅｌｓ　Ａｎｄ　Ｂａｌｌｏｏｎｓ［Ｊ】．ＣＶＧＩＰ：　

代运算得到的Ｓｎａｋｅ曲线结果；图４（Ｃ）、（ｄ）则是用本文方法　

Ｉｍａｇｅ　Ｕｎｄｅｒｓｔａｎｄｉｎｇ，１９９１，５３（２）：２１１—２１８．　

分割出来的运动目标。　

【５】ＸＵ　Ｃ，ＰＲＩＮＣＥ　ＪＬ．Ｓｎａｋｅｓ，Ｓｈａｐｅｓ，ａｎｄ　Ｇｒａｄｉｅｎｔ　Ｖｅｃｔｏｒ　Ｆｌｏｗ　

从图３和图４的结果对比可以看出，传统的Ｓｎａｋｅ算法　

【Ｊ】．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｉｍａｇｅ　Ｐｒｏｃｅｓｓｉｎｇ，１９９８，７（３）：３５９—　

通过较大的迭代次数进行迭代运算后，在背景简单的区域能　

３６９．　

（上接第ｌ１６页）　

本文提出的方法能够实现在部分光照条件或一定复杂背景下　

参考文献：　

石块识别，如图６所示。并且该算法实时性也比较好（约为　

【１】　杨强，吴中福．一个基于区域生长的石块图像分割系统【Ｊ】．计算　

２００ｍｓ）。　

机科学，２００４，３１（９）：１９１—１９３．　

从目前的研究来看，单纯采用某种分割算法很难实现在　

【２】　马宪民，蒋勇．媒与矸石识别的数字图像处理方法探讨【Ｊ】．煤矿　

不同环境下的石块识别。如何提高石块识别算法的可靠性和　

机电，２００４，（５）：９—１１．　

鲁棒性还需更进一步的研究。下一步的工作就是针对不同的　

【３】　赵志华，蔡健荣，赵杰文，等．ＳＵＳＡＮ算子在苹果图像缺陷分割　

环境特征以及石块的纹理信息，设计不同的石块识别方法；然　

中的应用研究【Ｊ】．计算机工程，２００４，３０（１５）：１４１—１４３．　

后设计一个算法分类器，对这些石块识别算法进行智能选取，　

【４】　罗诗途，罗飞路，张圮，等．基于梯度调整的矩不变自动阈值图像　

基本实现不同背景下，不同纹理特征的石块的准确识别。　

分割算法【Ｊ】．电子技术应用，２００４，３０（６）：１１—１２．