主动轮廓线模型边界点的寻优.docxVIP

主动轮廓线模型边界点的寻优 0 优化问题的解决方法 1987年，kass、witka和ter泽科提出的活跃模型（acm）被称为sname模型。其基本思想是以一定形状的一些控制点为轮廓线,通过轮廓线自身的弹性形变,与图像局部特征相匹配,锁定在图像特征附近,从而达到某种能量函数的极小化,同时完成对图像的分割与跟踪。 传统的Snake模型主要存在以下两个缺陷:1)初始轮廓线的位置必须接近于实际的目标边缘。如果主动轮廓在初始化时,控制点离所需要提取的边缘的距离不够近,那么它将无法收敛到目标轮廓上。2)传统Snake模型无法检测到目标的凹陷边界处。针对这些缺点,不少文献已经提出了改进的方法,如Cohen提出了归一化图像力场和Balloon力的Balloon模型,提高了曲线的演化速度和定位边缘的精确性;Amini等提出基于动态规划的算法Snakes(DP),把全局最优估计问题的求解转化为递推求解一系列局部最优估计问题,保证算法的全局收敛性;Xu等提出了梯度向量流(Gradient Vector Flow, GVF)的Snake模型,该模型对图像梯度场逼近构造一种新的外力,通过严格地在内力和外力的作用下达到平衡来得到目标边缘,可以更好地检测深度凹陷区,但对于长窄形的凹陷区目标检测效果仍不理想。 粒子群优化算法(Particle Swarm Optimization, PSO)是一种进化计算技术