一种基于改进Snake模型的边界检测方法

燕 杨，李岩波，王云吉，黄文博

(1.长春师范大学计算机科学与技术学院，长春130032;2.吉林大学通信工程学院，长春130012;3.吉林大学数学学院，长春130012)

图像分割是计算机视觉处理中的重要环节，每种图像分割模型都有其自身的特点和应用范围，在分割模型的选择上要根据所要分割目标图像的特点而确定，能够有效承载上层知识并融合底层特征的模型最具实用性和可行性［1］.在图像分割模型中，Kass等［2］提出的Snake模型是比较经典的模型，可以准确有效地将上层知识和底层特征相结合，即将图像数据所构成的外能和曲线梯度及曲率所决定的内能相融合分割图像.

目前，Snake模型的衍生模型较多，其中应用较广泛的是气球Snake模型和梯度向量流(GVF)Snake模型.如文献［3］在原始Snake模型中添加了一个气球力使得Snake演化曲线膨胀或收缩，扩大了曲线捕捉范围，克服了原始Snake模型对初始曲线位置的敏感问题，较准确地检测到了医学图像中的心室边界;文献［4-6］在梯度向量场(GVF)的基础上添加了一个新的主动轮廓外力，解决了原始Snake模型无法获取深凹边界及边界衔接不畅的问题.

本文针对原始Snake模型难以捕获深度凹陷边界的问题，提出一种新方法，即在原始外力基础上引入权值ω，使其与图像梯度大小成正比，从而自动调整外力大小，使演化曲线在加权外力的作用下能够进入到目标深度凹陷的区域.

1 原始Snake模型原理

原始Snake模型的基本思想是通过能量最小化，将一条初始曲线向待检……