轮廓提取作为图像处理到图像分析的关键步骤,为后续目标特征提取、识别与分类、理解等研究奠定了基础;其在生物医学图像处理、虚拟现实、自控车辆、工业在线自动检测等方面都有广泛的应用前景。因此,对轮廓提取方法的研究具有重要的理论意义和实用价值。基于活动轮廓模型的轮廓提取作为一种比较新颖且有效的轮廓提取方法,与传统的轮廓提取算法相比表现出很高的优越性。但是,模型本身也存在一些缺陷。本研究在系统分析了现有轮廓提取方法的基础上,重点研究了基于活动轮廓模型的轮廓提取方法,并针对GVF(梯度矢量流)Snake模型存在的对初始轮廓敏感和算法运行时间长的不足提出了改进方法。论文主要工作和结论如下:(1)总结了现有的目标轮廓提取方法,其中主要对活动轮廓模型方法进行了概述。(2)详细阐述了参数活动轮廓模型的数学表示方法、工作机制;介绍了三种主要的能量函数最小化方法并指出各自的特点;分析了参数活动轮廓模型的基本性能。(3)阐述了GVF Snake模型的工作原理、数值实现方法等,并通过实验对比分析了GVFSnake模型相对于传统Snake模型的突出优点,如外力场捕获范围大、能够逼近到凹陷目标区域。(4)通过具体图像分析说明了GVF Snake模型的外力场分布特性及模型初始轮廓对其目标提取结果的影响,由此采用了基于改进分水岭变换的GVF Snake初始轮廓设置的方法。在分水岭变换中,使用标记控制的分水岭算法解决传统分水岭变换导致的过分割问题;同时,在计算分水岭时用梯度矢量流代替了经典的梯度信息。具体实现如下:对于待处理图像,首先求其梯度矢量流,采用梯度矢量流作为分水岭模型的海拔值;然后提取目标边界内、外标记,用标记控制的分水岭算法对梯度矢量流图像进行分割得到分水岭线;最后将得到的分水岭线作为GVF Snake模型的初始轮廓线。通过对无噪声图像及含噪声医学图像仿真实验结果表明,用该方法设置的初始轮廓非常靠近真实目标轮廓,为后续GVF Snake模型准确提取目标轮廓奠定了基础。(5)将图割理论与GVF Snake模型有机结合,提出了一种凹型目标的快速提取算法。由于用GVF Snake模型提取凹型目标时,为保证初始轮廓线发生形变且向目标轮廓逼近,需要进行足够多的GVF力场迭代;图割法虽然无法提取较高曲率的凹型目标,但对非凹型目标却有着快速提取的明显优势。因此,将图割法与GVF Snake模型有机结合起来,快速提取凹型目标轮廓。算法首先用图割法提取凹型目标的非凹型段边界,然后用GVF Snake模型提取凹型目标的凹型段边界。具体实现如下:对于待处理图像,首先手工设置初始轮廓线C0,以该初始轮廓线为轴膨胀得到一个环状邻域,将该环状邻域映射成一个网络,对网络进行切割,得到一条在该邻域内能量函数最小的新轮廓线;然后以该新轮廓线为轴更新邻域、迭代切割,直到轮廓线不再发生变化,此时得到轮廓线C1;最后在GVF力场中用GVF Snake算法对轮廓线C1迭代变形,得到最终的目标轮廓线C2。通过对二值图像、灰度图像及医学图像的仿真实验结果表明,该算法在保证对凹型目标提取的同时,提高了收敛的速度。