在分析传统主动轮廓模型的基本原理、数学表征及算法实现的基础上，针对其收敛于局部极小值和依赖初始位置选取方面存在的不足，提出了改进的主动轮廓模型。该模型通过对一阶连续性能量Econt的改进和增加外部约束能量Esand,使MRI图像边缘提取能够接近真实边缘且不依赖初始位置选取。通过脑部肿瘤边缘提取实验证实了该改进主动轮廓模型的有效性。

基于局部高斯分布拟合能量的主动轮廓模型

参数可变形模型（Snake）是在感兴趣区域（ROI, region of interest）附近定义一条带有能量的样条曲线（面），在内部能量和外部能量的作用下发生形变，使其能量最小化以得到 ROI 的边界。

这是一个非常好的GFV-Snake算法源码，非常有价值的算法，值得好好研究。

基于先验形状约束的主动轮廓模型的代码，能够基于已知的形状约束更好滴分割图像

具有瑞利分布的超声图像的主动轮廓模型

Snake模型与先检测边缘点再将它们连接成边缘的方法不同，轮廓的连通性及角点均影响能量泛函。Snake的轮廓线模型继承了上层知识，而轮廓线与目标轮廓的匹配又结合了底层特征。Snake模型可以通过优化能量泛函得到一个局部最优的轮廓曲线。

1、代码别人写的，自己备份 2、手动标记初始化边缘。 3、按"S",停止标记点，开始搜索 4、最终显示搜索结果

自己写的利用贪婪算法获取收敛轮廓的主动轮廓算法matlab程序，可以实现自动初始化轮廓，并且初始轮廓不需要全部包含目标。 压缩包中包括：matlab程序，运行说明及参考文献 希望对学习active contour 的您有用~~

使用GVF域和VFC域进行图片分割 % Vector field convolution (VFC) external force field example. % % See also AMT, EXAMPLE_PIG, AM_VFC, AM_VFK, AC_DISPLAY. % % Reference % [1] Bing Li and Scott T. Acton, "Active contour external force using % vector field convolution for image segmentation," Image Processing, % IEEE Trans. on, vol. 16, pp. 2096-2106, 2007. % [2] Bing Li and Scott T. Acton, "Automatic Active Model % Initialization via Poisson Inverse Gradient," Image Processing, % IEEE Trans. on, vol. 17, pp. 1406-1420, 2008. % % (c) Copyright Bing Li 2005 - 2009. clear all disp('======================================') disp('Vector field convolution (VFC) example') %% parameter settings disp('Initializing parameters ...') SAVE_AVI = 0; % set it to 1 if you want to save the process as .avi movie DISPLAY_STREAMLINE = 0; % set it to 1 if you want to plot streamlines, note that it takes a while mu = .2; GVF_ITER = 100; normalize = 1; alpha = .5; beta = 0; tau = .5; SNAKE_ITER = 5; SNAKE_ITER1 = 60; RES = .5; clr = {'b' 'b' 'r'}; %% Read images disp('Reading images ...') U = imread('im_U.bmp'); noisyU=imread('im_Unoisy.bmp'); figure(1) %% compare 3 different cases for cs = 1:3, %% compute external force fields switch cs, case 1, % traditional GVF with Gaussian filter disp('--------------------------------------------------') disp('Case 1: GVF snake with initial circle close to FOI') disp('Computing the external force field ...') h = fspecial('gaussian',[5 5],5); f = imfilter(double(noisyU),h); titl = 'GVF'; Fext = AM_GVF(f, mu, GVF_ITER, normalize); R = 20; case 2, % traditional GVF with Gaussian filter disp('--------------------------------------------------') disp('Case 2: GVF snake with initial circle far away from FOI') disp('Computing the external force field ...