主动轮廓线模型_蛇模型_综述.pdfVIP

ISSN 1000-9825Journal of Software 2000, 11( 6) :751757 ( ) X 李培华　张田文 ( 哈尔滨工业大学计算机科学与工程系　哈尔滨　150001) E-mail: lipei ua@soim. net , . , .Kass , 1987 Snake ( act ive cont our model) . 10 , Snake , . 10 Snake , . , , , , . TP391 在传统的计算机视觉领域, 底层的任务, 如边缘和 的检测、立体视觉匹配和运动跟踪等, 被广泛地认为是 自主的自底向上的过程. 其中, MIT 人工智能实验室的Marr 的分层计算理论产生了广泛的影响. 他认为需要3 个独立的层次来表达视觉信息的处理过程, 而一直到2. 5 维, 计算只能依赖于从图像本身获得的信息进行, 不可 能使用高层的信息. 这种严格的顺序的研究方法将视觉任务分成几个独立的阶段, 但同时将底层的误差传播到 了高层, 没有修正的机会. 而我们知道, 受图像的噪声、投影等诸多复杂因素的影响, 许多低层的视觉任务由于欠 缺约束条件而成为病态的, 没有唯一的解. Kass 等人向这种严格的各自独立的分层视觉模型提出了挑战, 认为在许多图像理解任务中, 底层事件的正 确理解依赖于高层知识. 他们试图设计这样一个能量函数: 其局部极值组成了可供高层视觉处理进行选择的方 案, 从该组方案中选择最优的一种是由能量项的迭加来完成. 这样, 在寻找显著的图像特征时, 高层机制可能通 过将图像特征推向一个适当的局部极值点而与模型进行交互. 基于这样一种思想, Kass 等人在 1987 年提出了 称为 Snake 的主动轮廓 模型(active contour model) [1] . Snake 是能量极小化的样条, 内力约束它的形状, 外力 引导它的行为, 图像力将其拖向显著的图像特征; Snake 是 “主动”的轮廓 模型, 它锁定在图像特征附近, 准确 地将它们极小化. Snake 模型的引人之处在于, 它对于范围广泛的一系列视觉问题给出了统一的解决方法. 在最近的十多年 中, 它已经被越来越多的研究者成功地应用于计算机视觉的许多领域, 如边缘提取、图像分割和分类、运动跟踪、 3D 重建、立体视觉匹配等. 但是, Snake 模型的研究在国内开展得还很少. 作者试图对这一领域的研究和发展进 行较全面的评述, 以期引起国内计算机视觉领域的研究者的广泛关注. 本文第 1 节阐述Snake 的数学模型. 第2 节描述Snake 模型的实现及改进. Snake 模型的应用在第3 节中加 以说明. 第4 节对未来的研究方向进行展望. 事实上, 对第 2 节和第3 节分开阐述是很困难的, 因为Snake 模型 的实现、改进以及应用研究是紧密地联系在一起的. 我们之所以这样做是试图将这一模型的发展尽量以一种分 类的方式进行阐述. X 本文研究得到国家自然科学基金(No. 资助. 作者, 1971 年生, 博士, 主要研究领域为计算机视觉, 图像 处理, 模式识别. , 1940 年生, 教授, 博士生导师, 主要研究领域为计算机视觉, 图像处理, 模式识别. 　本文通讯联系人: 李培华, 哈尔滨 150001, 哈尔滨工业大学计算机科学与工程系 　本文 1999-10-10 收到原稿, 2000-01-21 收到修改稿 — 752 — J ournal of Software 2000, 11( 6) 1Sn ake 是在图像力和外部约束力作用下移动的变形轮廓 . 等人通过构造合适的变形能 ( ) 来定义 Snake Kass Es v 目标的轮廓. 这里,v(x(s) ,y(s) )表示轮廓, 代表从单位参量域s∈[ 0, 1] 到图像表面的映射. 同时认为轮廓上的 外部力是势能P (v(s) ) 的微分. 这样, 轮廓上的总能量可以定义为