1、人通過視覺感知半數(shù)以上的外界信息，因此圖像處理領(lǐng)域的進展對我們感知外部世界有很大幫助。隨著計算機處理速度的提高和圖像處理技術(shù)的成熟，數(shù)字圖像作為一種直接而豐富的信息載體，已成為計算機科學領(lǐng)域越來越重要的研究對象。 在對圖像的研究和應(yīng)用中，人們往往只對圖像的某些部分感興趣，這些部分被稱為前景，余下的部分被稱為背景。圖像分割就是將圖像分為各具特色的區(qū)域并提取出前景的技術(shù)和過程。另一方面，前景的邊界是我們感興趣的對象，如果我們能檢測出

2、這些邊緣，就可以提取出前景。這種基于邊緣的圖像分割，也被稱為邊緣檢測。 本文首先簡單介紹了一些常見的邊緣檢測方法和算子，給出了不同算子對同一幅圖像進行分割的結(jié)果，并對結(jié)果進行了分析。隨后討論了基于可變模型的分割。可變模型分參數(shù)可變模型和幾何可變模型兩大類，前者通過參數(shù)顯式表達，如本文將討論Snake模型。后者，又稱水平集方法(Level Set Method)，通過高維函數(shù)隱含表達目標對象。本文將以可變模型為重點，詳細討論基于這

3、兩類模型的分割方法。 Snake，又被稱為參數(shù)主動輪廓，是定義在圖像域中的一條彈性曲線。該曲線在內(nèi)部能量和以邊界為特征的外部能量的驅(qū)使下不斷變形。當總能量達到局部極小時，曲線就刻畫了目標的邊界，從而給出了目標邊緣一個有意義的描述。本文詳細描述了Snake模型的原理，算法，并給出了實例。但該方法也存在某些不足，針對這些不足，本文介紹了相應(yīng)的改進。 水平集方法是本文的重中之重。該模型因有較好的數(shù)學理論基礎(chǔ)，具有很強的改變拓