热孜万古丽·夏米西丁

（新疆师范大学计算机科学与技术学院，新疆乌鲁木齐830054）

0 引言

Kass[1]等首次提出Snake 模型，原始的Snake 模型由一组控制点组成，这些点首尾以直线相连构成轮廓。在控制点定义能量函数，能量由三部分组成，摆阔弹性能量，弯曲能量以及外部能量。最终对图像的分割转换为求解能量函数极小化。 这个基本的Snakes 模型，在没有图像力平衡的条件下， 内部力将把所有控制点收缩为一点或者一条直线。Cohen[2]等引入一个膨胀的外部力，这样的轮廓线可以像气球一样膨胀，具有更强的动态行为能力。 Kass 提出的Snake 模型初始轮廓线必须离真实边界很近，否则得不到正确的结果，Xu Chenyang[3]等提出GVF Snake 很好的解决了这个问题。GVF Snake 的创新在于将传统的Snake的图像力用扩散方程进行处理，得到整个图像域的梯度向量场作为外部力。 经过扩散方程处理后的GVF 比图像力更加有序、更能体现物体边界的宏观走势。 Caselles 等和malladi 等分别独立地提出了Snake 测地线模型，给出了一种比导数更加优美而牢固的内部力数学描述。 这种模型基于测地流夫人曲线演化，演化速度和曲率均值相关。Osher 与Sethian[4]提出Level set 方法，该方法特点是构造一个三维曲面，和图像平面相交于snake 曲线，Level set 通过演变这个三维曲面而使Snake曲线变形。 这种升维处理问题的方法虽然复杂些，但好处是Snake 曲线的拓扑变化不会造成3 维曲面的拓扑变化，这使得Level set 可以动态的同时检测几个物体，而无需事先知道确切数目。

1 改进的Snake 算法的基本原理

改进的Snake 方法的基本思想是，在图像的空间域中初始化一条参数化的活动轮廓曲线，并使该曲线收敛到图像中目标的边界，从而达到对图像进行分割的目的。……