针对自由形状的主动轮廓线模型,该文修改了仅基于梯度幅值的外力定义,所提出的新外力建立于这样一个事实基础上:如果主动轮廓线完美的变形到所感兴趣的目标边缘上,那么轮廓线的法线方向应该几乎与从图像数据计算得到的梯度方向平行,修改后的外力能够避免错误方向强边缘的干扰,从而不会被吸引到虚假目标,控制参数的数目仍然保持不变.此外,为了提高主动轮廓线模型求解算法的性能,在动态规划方法的基础上,该文提出了基于小波变换的多尺度轮廓提取与跟踪算法.结合Mallat的小波边缘检测理论,所提出的算法可以显著的降低计算代价和对于初始位置的敏感性,并且增强了抗图像噪声能力,同时在滤波器的选择方面更具有柔性.对于具有模板约束的动态轮廓线跟踪问题,该文结合隐马尔可夫模型与Blake等人所建立的基于B样条表达的轮廓线跟踪理论,提出了新的卡尔曼蛇跟踪算法.传统的检测方法是沿预测曲线采样、建立法线方向搜索区域,然后独立的在每个法线段上从多个边缘点中选取梯度极值最大的点作为量测,在背景复杂的情况下这常常会产生一些错误的量测;该文拟从连接这些法线段所有路径中选择一个最优的路径,动态规划方法可以保证得到在一定准则函数下最优的量测曲线,隐马尔可夫模型则提供了一种自然合理的概率机制来融合多种信息,进而阐述最优状态的提取.为了加速跟踪初始化算法,该文提出了基于加性算子分裂的目标检测算法.该算法采用了半隐式的欧拉方法,对于时间步长没有严格的限制,是无条件稳定的,并能够用来快速的实现目标检测.为了构造窄带和在半径较大的窄带内快速实现水平集函数的重新初始化,该文采用了快速推进算法,其中快速推进算法的初始化则利用了Adalsteinsson的方法.此外,针对基于加性算子分裂的检测算法,取代全局搜索,该文还提出了一项基于局部搜索的迭代终止准则以高效的、可靠的控制算法运行.