Snake模型是在初始轮廓曲线自身内力和图像数据外部约束力作用下产生移动变形轮廓线,利用逐步迭代计算使轮廓曲线能量最小化,从而逼近目标物体边缘。传统的Snake模型存在两个不足:一是对轮廓线的初始位置设置要求较高;二是对具有较高曲率的凹形边缘检测效果不理想。在传统Snake模型的改进模型中,GVF Snake模型对解决初始轮廓线的设置和凹陷轮廓检测两个问题有明显改善。其中GVF是一种新的无旋外部力场,它运用热扩散的原理,对图像的梯度矢量进行扩散以扩大Snake轮廓曲线的捕获区域。本文提出一种结合Contourlet变换的GVF Snake模型边缘检测方法。Contourlet变换利用拉普拉斯塔式滤波器结构对图像进行多分辨率分解来捕捉奇异点,然后根据方向信息将位置相近的奇异点汇集成轮廓段。该检测方法利用Contourlet变换特性,找出物体轮廓线作为GVF Snake模型的初始轮廓线,通过迭代计算进行边缘检测。实验结果显示该方法的初始轮廓线设置合理有效,计算时间减少,检测效果明显提高,能够快速准确地搜索到目标边缘。本文在步态识别中结合背景消减法和对称差分法对运动人体分割,然后采用各项异性GVF Snake模型进行边缘检测。GVF Snake模型对凹陷区域捕获效果有所提高,但对深度凹陷形状的目标物体检测仍然不够理想。各项异性GVF Snake模型利用各向异性的特性抑制了在目标边界处的扩散,加强了非边界的扩散,增强了模型对凹陷区域检测的能力。实验结果表明该方法准确有效地对人体运动步态轮廓进行边缘提取。