主动轮廓模型,是当前计算机视觉领域的一个研究热点。它在低层视觉任务中引入高层先验知识,是对Marr提出的自下而上、信息单向传递的视觉计算理论的挑战。主动轮廓模型可用于轮廓提取、立体匹配、运动跟踪及三维重建等一系列计算机视觉任务。Snakes模型即参数主动轮廓模型是主动轮廓模型的一个分支。本课题主要研究应用Snakes模型提取图像中的目标物体轮廓。首先,本文对传统Snakes模型的数学实现进行了完整的推导,给出了算法流程图。并结合仿真和实验,分析了传统Snakes模型的不足和不足产生的原因。GVF Snakes方法能够有效地解决传统Snakes模型外力场作用范围小的问题,是一个经典的Snakes模型,但是GVF外力场的计算耗时。本文从求解偏微分方程的角度出发,应用有限差分法和SOR方法求解GVF外力场,获得更快的计算收敛速度。用B样条表达轮廓曲线,可以降低控制点的数目,从而降低计算复杂度。本文阐述了将GVF Snakes模型和B Snakes模型结合的方法,并通过实验证明GVF B Snakes模型同时获得了两个模型的优势。在B样条Snakes迭代变形部分,本文发现一种新的共轭梯度法,收敛速度快于PRP共轭梯度法和最速下降法,并通过实验进行了证明。本文在常用的B Snakes模型基础上添加了用于光滑性约束的能量项,以提高模型的抗干扰能力,之后给出了GVF B Snakes模型的实现流程。最后用搭建的图像采集系统进行图像采集,并用本文设计的Snakes应用软件对获得的图像进行有效的目标轮廓提取。