1. 活動輪廓線模型的分類
參數活動輪廓模型
主動輪廓線模型又稱為Snake模型，自Kass於1987年提出以來，已廣泛應用於數字圖像分析和計算機視覺領域。由於Snake模型具有良好的提取和跟蹤特定區域內目標輪廓的能力，因此非常適合於醫學圖像如CT和MR圖像的處理，以獲得特定器官及組織的輪廓。簡單的來講，Snake模型就是一條可變形的參數曲線及相應的能量函數，以最小化能量目標函數為目標，控制參數曲線變形，具有最小能量的閉合曲線就是目標輪廓。
Snake模型具有一些經典方法所無法比擬的優點：圖像數據、初始估計、目標輪廓及基於知識的約束統一於一個過程中；經適當的初始化后，它能自主地收斂於能量極小值狀態；尺度空間中由初到精地極小化能量可以極大地擴展捕獲區域和降低復雜性。同時，Snake模型也有其自身的缺點：對初始位置敏感，需要依賴其它機制將Snake放置在感興趣的圖像特征附近；由於Snake模型的非凸性，它有可能收斂到局部極值點，甚至發散。Snake模型稱為活動輪廓模型（Active Contour Model）是Kass與1987年提出的，它對於在噪聲和對比度不敏感，能將目標從復雜背景中分割出來，並能有效的跟蹤目標的形變和非剛體的復雜運動而被廣泛用於圖像分割和物體跟蹤等圖像處理領域。Snake主要原理是先提供待分割圖像的一個初始輪廓的位置，並對其定義個能量函數，是輪廓沿能量降低的方向靠近。當能量函數達到最小的時候，提供的初始輪廓收斂到圖形中目標的真實輪廓。Snake能量函數是有內部能量函數和外部能量函數組成，內部能量控制輪廓的平滑性和連續性，外部能量由圖像能量和約束能量組成，控制輪廓向着實際輪廓收斂，其中約束能量可根據具體的對象形態定義，使得snake具有很大的靈活性。Snake模型發展10多年來，許多學者對於經典的snake模型做了改進，提出各種改進的snake模型，其中梯度矢量流（Gradient Vector Flow,GVF）模型擴大了經典snake的外力作用范圍，加強了對目標凹輪廓邊緣的吸引力，提高了傳統的snake模型。
幾何活動輪廓模型(Geometric Active Contour Model)。
幾何主動輪廓線模型基於曲線演化理論和水平集方法(Level Set)，是通過一個高維函數曲面來表達低維的演化曲線或曲面，即將演化的曲線或曲面表達為高維函數曲面的零水平集的間接表達形式，將演化曲線或曲面的演化方程轉化為高維水平集函數的演化偏微分方程，從而避免變形曲線或曲面的參數化過程。