下载文档原格式
Snake模型算法的基本思想数学模型及工作原理Snake模型是由Kass竽人首次提出的算法，广泛地W用于计算机视觉及图像处理屮的各个领域，如边缘检测、图像分割、运动跟踪等，持别应用于图像中感兴趣目标轮廓的提取。
Snake模型引入高层知识，在处理局部间断的边缘时，提取效果比传统轮廓提取方法要好。
1 Snake模型的基本思想Snake模型乂称为主动轮廓线模型（active eontoiir model）,其星本思想是依据图像信息进行曲线（曲面）演化，使其最终找到目标物体的边界。
这种方法将分割问题转化为最优化问题，利用闭合曲线（或曲而）形变的特定规彳匚定义度量闭合曲线（曲而）形变的能呈函数，通过最小化能呈换数使曲线（曲而）逐渐逼近图像中目标物体的边缘CSnake模型能量函数的设计原则是:有利属性要能导致能量缩小。
有利属性包括曲线（曲而）连续、平滑、与高梯度区域的接近以及其他一些具体的先验知识。
这样，活劝轮廓在取值范围内移动时，就能在能量函数的指导下收敛到局部边界，而且能保持曲线（曲而）的连续和平滑-Snake模型是在曲线（曲面）本身的内力和图像数据的外部约束力作用下的移动的变形轮廓。
作用在Snake模型上的力依据轮廓所在的位置及其形状决定如何在空间局部的变化。
内力和外力的作用是不同的: 内力起平滑约束作用，外力则引导Snake模型向图像特征移动。
2基于Snake模型的轮廓提取方法对于传统的轮廓提取方法，首先要进行基本的边缘检测,然后进行边缘连接、一值化Z后，继而进行轮廓跟踪处理。
在边缘检测时，易受局部噪声影响而产生虚假边缘，或考是不连续的间断边缘，无法保证分割或者提取的结果就是连续光滑的闭合轮廓;此外，基于底层信息的轮廓跟踪，一方而对一•值化过程的依赖性比较人;另一方而，对于间断的边缘，使用上述简单方法将会跟踪失败。
这些都是传统计算机视觉屮分层处理模型所无法解决的问题。
Snake模型为解决轮廓提取任务提供了新的思维方法。
改进的B-Snake模型肝脏CT图像分割算法王杰雄;陈国栋;陈怡【期刊名称】《计算机工程与应用》【年(卷),期】2015(000)009【摘要】肝脏模型的个性化是肝脏虚拟手术系统中的一个关键技术，而肝脏模型的个性化又是以肝脏CT图像的三维分割为前提的。
针对B-Snake模型的特点，提出一种结合区域填充的改进B-Snake模型图像分割算法。
将相邻的上一张切片的分割结果映射到当前切片上，根据一定的规则进行区域填充，并将填充后的结果与前一张切片的分割结果按一定的算法进行比较，进一步优化。
得到的初始轮廓很接近肝脏的真实边界，而且大部分曲线已在边界上，将其作为改进的B-Snake模型算法的初始轮廓，只需对其进行部分控制点的优化调整，就可得到准确的分割结果。
以此类推，直到处理完所有切片图。
实验表明，该算法能有效提高分割的准确度，获得较满意的分割结果。
%The personalization of liver models, which is premised on the 3d segmentation of liver CT images, is a key technology in the virtual surgery of liver. Considering the features of B-Snake model, this paper presents an improved B-Snake segmentation algorithm combined with Region Filling. The contour of the adjacent and processed section is mapped on the current section. Based on the contour, it gets a connected region according to Region Filling algorithm and compares the region with the liver region of the adjacent and processed section according to certain algorithm in order to obtain a more accurate contour. The resulting contour is close to the liver boundary, and large amount ofthe control points are on the right boundary. Then, the contour is served as the initial contour of the improved B-Snake algorithm for further processing, resulting in the final segmentation result after the evolution of part of the initial contour. The algorithm will not end untill all sections are processed. Experimental results show that the algorithm can obtain segmentaion result of liver CT images efficiently and accurately.【总页数】6页(P152-157)【作者】王杰雄;陈国栋;陈怡【作者单位】福州大学物理与信息工程学院，福州 350002;福州大学物理与信息工程学院，福州 350002;福州大学物理与信息工程学院，福州 350002【正文语种】中文【中图分类】TP317.4【相关文献】1.基于改进的Snake模型分割肝脏的CT图像 [J], 李玲;殷海2.CT图像中肝脏自动分割算法研究 [J], 张辉;闫谦时3.基于改进CV模型的腹部CT图像肝脏肿瘤分割 [J], 赵彦南;曾业战4.一种改进的B-Snake肝癌图像分割算法 [J], 史延新5.肝脏肿瘤CT图像的分割算法分析 [J], 肖海慧;廖定安因版权原因，仅展示原文概要，查看原文内容请购买。
