柔性体在现实生活中广泛存在,因此许多图像处理和计算机视觉任务都需要对包含柔性体的图像进行处理,例如人脸识别,医学图像处理等,而柔性体图像的分割则是其中基础的和关键的步骤。但是由于柔性体的局部形体可以发生变化,传统的图像分割方法得到的分割结果精确度并不高。因此为了有效分割柔性体图像,必须考虑柔性体图像自身的特点。主动形体模型是目前广泛用于柔性体图像分割的最有效的方法之一。它基于训练集先验知识建立统计模型。首先需要确定目标形体的轮廓线标注点,然后通过匹配和迭代提取出形体的形变状态,并应用主成份分析建立目标形体的点分布模型,并对轮廓线两端的灰度信息进行采样,建立待分割形体的灰度模型,而后应用模型对形体进行分割和拟合。因为主动形体模型能够建模柔性体的局部变化,所以它可以取得较好的分割结果。但是仍然存在一些问题需要解决,比如模型的自动初始化问题、分割鲁棒性问题、分割结果量化问题等。本论文针对前两个问题,结合图像不变特征,提出了一些行之有效的解决方法。在本论文课题的研究及应用过程中,作者取得以下主要创新成果:(1)结合SIFT特征,本文开发了一种自动初始化主动形体模型的策略。首先通过有效的匹配方法,从训练集图像中挑选高重复性和高鲁棒性的SIFT特征点,然后通过这些特征点建立关键点模型。接下来通过计算关键点模型和主动形体模型中的点分布模型的相对位置关系建立关系模型。在初始化模型位置时,首先根据关键点模型对主动形体模型的平均形体进行整体定位,然后根据关系模型精确地调整每个标注点的位置。通过本文初始化策略可以很精确地确定模型的初始位置,并提高最终分割结果的精确度。(2)在开发初始化策略时,提出一种新的SIFT特征点匹配结果优化方法。通过改进图形上下文方法,本文首先实现仿射不变的图形上下文,然后使用它开发出一种高效准确的优化方法,可以在很大程度上优化匹配结果,消除误匹配。(3)通过引入几何矩不变量,本文提出一种新的畸变检测与修正方法用于检测主动形体模型在迭代过程中出现的畸变,并修正畸变的模型。通过这一方法可以很大程度上提高主动形体模型的鲁棒性和分割结果的精确度。