蛇模型在医学图像分割、视频分析等众多领域有着广泛的应用,尽管已有二十年的历史,在应用中仍然存在一些未解决的问题,本文针对蛇模型分割结果对初始曲线位置过于敏感、难以应用于全自动分割领域以及几何式蛇模型计算效率较低等三个问题进行了研究,取得一些具有理论意义和实用价值的成果。1.提出一种对初始化曲线位置不敏感的新型蛇模型外力场自适应压力场。首先针对蛇模型初始化问题的原因进行了深入的研究,提出了可以避免初始化问题的力场所应具备的特征:可以自适应的根据其位置的不同而对蛇模型施加不同的压力,即在目标区域内部表现为膨胀力,外部为收缩力。再根据该特征的指导,提出基于邻域和基于梯度两种构造力场的方法,前者计算复杂度较高,但通过调整所用邻域的尺寸,对分割较细的目标有良好的效果,后者计算速度快,适应范围更广。2.通过将蛇模型外力场与种子区域生长法相结合提出一种高效的全自动分割方法。基于蛇模型的图像分割难以避免人工干预,为此本文对全自动分割进行了研究。根据流场分析理论,向量流场中每个点的性质可以由该点周围向量的方向所反映,通过将这些向量的方向映射为一个标量,得到一个标量场流向标量场,然后以其为辅助图像,用一种改进的种子区域生长法进行初始分割,最后用区域合并得到最终结果。该方法计算速度快,对噪声鲁棒性好,适合快速应用。本文还将其拓展到彩色-纹理图像分割领域。3.提出一种基于双前沿蛇模型的视频目标轮廓跟踪方法。与参数式蛇模型相比,几何式蛇模型有着更好的特性,然而较大的计算负荷使其难以适应目标跟踪快速化的要求。本文对双前沿活动轮廓模型进行了研究,提出支撑区域限制和拟气球模型两项改进以提高其计算效率,得到了一种新模型Dual-frontsnake with quasi-balloon ,并在此基础上提出了一种快速、灵活的轮廓跟踪方法。该方法保持了几何式蛇模型自适应拓扑结构变化的优点,并能用于背景运动的场景,跟踪运动变化剧烈、变形较大的目标。