对复杂边缘检测的Snake改进算法.pdf，snake算法

提出了一种自适应的Snake 算法,对于初始包络上的每一点,按照Greedy 算法中的能量公式计算其邻域内各点的能 量. 如果邻域不包含目标的轮廓,则将邻域半径加大,再次计算邻域内各点的能量,直到邻域内包含轮廓点为止. 该算法只需迭 代一次即可得到目标轮廓,而且增大了初始包络的收敛半径,并能够有效处理较高曲率凸形边缘的情况. 对比实验说明了这种 方法的有效性.-Snake proposed an adaptive algorithm, the initial envelope for

　传统Snake 模型存在的缺点是, 其初始轮廓必须靠近图像中感兴趣目标的真实边缘,否则会得到错误结 果,且由于Snake 模型的非凸性,结果不能进入感兴趣目标的深凹部分,很容易陷入局部极小点. 由此该文提出一 种基于力场分析的主动轮廓模型,详细分析了基于欧氏距离变换的距离势能力场分布,归纳出感兴趣目标上真轮 廓点与假轮廓点的判别标准. 建立了由曲线能量到最终结果的有效方法,避免了Snake 陷入局部极小点. 实验结果 表明,该模型具有较大的捕获区域,能够进入感兴趣目标的深凹部分

本文针对()*+, 模型应用于图像边缘检测时对于噪音过于敏感的不足和易于从弱边界溢出!提出了一种 新的约束力" 在新的约束力的作用下!()*+, 模型可以很好地减小噪音的干扰!防止曲线溢出弱边界!并使初始曲 线具有更大的选择空间!使模型的分割性能更好" 实验证明该模型可以分割出较好的目标边界"-In this paper, ()*+ model is applied to the image edge detection too sensitive to the lack of nois