论文摘要
图像分割是从图像处理到图像分析的关键技术,是图像理解的基础,基于Snake模型的图像分割是一种高效的图像分割技术。它能够有效地利用局部与整体信息,实现目标边界准确定位,保持线性光滑。正是由于Snake模型的这些特点及深刻的理论背景,它一经提出就成为计算机视觉研究的热点。本文首先对图像分割的目的、意义及发展现状等进行了综述,在此基础上对基于Snake模型图像分割技术进行了介绍和分析,包括Snake模型的产生背景、理论、算法实现和优缺点等方面。其次,针对Snake模型图像分割技术中存在的凹陷区域不能很好收敛的缺点,在前人研究成果的基础上,从连续性能量和面积能量两方面进行了修正,提出了改进的Snake模型。在算法实现上,采用贪婪算法并分阶段实现。实验表明,改进后的Snake模型能较好的收敛到图像凹陷区域。最后,针对Snake模型不能收敛到复杂区域及深凹陷区域的缺点,提出一种新型力,并把它定义为内积力,设计出一种含有内积力的能量函数。内积力的增加使得Snake模型能迅速收敛到深凹陷区域及更复杂区域,且不用判断Snake轮廓点的凹凸性。由于内积力具有强大的收缩力,可以越过局部噪声点,因而也克服了Snake模型易收敛到局部噪声点的缺点,同时减少了分割结果对初始点的依赖。