主动轮廓模型(Active Contour Model)也被称为snake模型,是近年来被广泛使用的图像分割技术之一。自从Kass在1987年首先提出该模型以来,很多研究者从不同方向对模型进行着改进,基于贝叶斯理论框架下的主动轮廓模型(概率模型)就是其中比较成功的一类。对主动轮廓模型的改进一般从两个角度入手:一个角度是改进模型能量函数的定义方式,另一个角度是改进模型的收敛算法。从目的上看,这些改进的模型都是为了提高模型的形状匹配精确度,或增强模型的搜索能力,或加快模型搜索速度。本论文将要研究的一种仿射不变本征蛇模型就是从增强模型搜索能力方面进行研究的。我们对这种最近提出的新的模型进行了一点改造,重点是结合snake成长阶段的分析方法改造一下它的收敛过程。论文研究的目的是实现一种搜索能力强、匹配精度高的snake模型,并且进一步研究基于snake模型的几何形状表达和特征提取方法。 本论文先比较详细地研究了经典主动轮廓模型的原理,总结了各种不同主动轮廓模型的特点。在此基础上,重点深入分析了一种基于贝叶斯理论框架的主动轮廓模型的理论和实践,对其细节进行了剖析。我们以仿射不变本征蛇模型的能量函数定义为基础,结合贪婪算法对能量函数定义和原有模型采用的贪婪算法的搜索方式做了一点改进。以sobel边缘检测的结果作为引导,在模型粗匹配阶段(成长期)只搜索上、下、左、右和四个对角线方向,加快搜索的速度;结合snake模型成长阶段的分析方法,对模型的收敛过程进行了一些改进,使算法更加简单明了,同时并不影响原有模型的形状匹配精度。 本论文最后一部分研究了基于主动轮廓模型的目标形状表达方法和几何特征提取问题,从而形成了从图像边缘检测到几何特征提取一整套的解决方案。我们首先用三次样条插值的方法对得到的snake轮廓完整化,再提取轮廓的签名(signature)作为特征向量。签名是用一个一维函数表达边界的方法。它可以有很多种实现方式,在论文中,我们用边心距对角度的函数作为签名。我们以人脸几何特提取为例,用