Snake算法知识点记录

Snake算法

snake是一种主动轮廓模型，主动轮廓模型目前用到了2种：CV和snake。snake在逐步迭代优化过程的目标是能量函数最小化，snake的目标不像sobel、canny等找到整张图的轮廓。它只搜索你给出的初始轮廓附近，达到轮廓更精确的目标，至少原版的snake只能达到局部优化的目标。

因为曲线曲率的关系，闭合的轮廓曲线中，凸曲线按照法向量的方向，具有向内的作用力；凹曲线法向量向外，具有向外的力。而曲率计算就是跟一阶导数、二阶导数相关的。

在迭代过程中，弹性能量能快速的把轮廓压缩成光滑的圆；弯曲能量将轮廓拉成光滑的曲线或直线，他们的作用是保持轮廓的光滑和连续性。通常alpha越大，轮廓收敛越快；beta越大，轮廓越光滑。

通常梯度高的位置都是图像中前景与背景的界限或者物体与物体之间、物体内部不同部分的界限，适合用于分割。外部能量会使轮廓朝（灰度）高梯度位置靠近。

Snake目前主流的图像分割方法，曲线演化理论如下图，曲线存在曲率，曲率有正有负，于是在法向曲率力的推动下，曲线的运动方向之间有所不同：有些部分朝外扩展，而有些部分则朝内运动。这种情形如下图所示。图中蓝色箭头处的曲率为负，而绿色箭头处的曲率为正。

粗略表示为Esnake=Vs+Vss+Eext；可以认为当Esnake的能量达到最小时snake曲线和物体的边缘一致。

Snake主要原理是先提供待分割图像的一个初始轮廓的位置，并对其定义个能量函数，是轮廓沿能量降低的方向靠近。当能量函数达到最小的时候，提供的初始轮廓收敛到图形中目标的真实轮廓。

Snake能量函数是有内部能量函数和外部能量函数组成，内部能量控制轮廓的平滑性和连续性，外部能量由图像能量和约束能量组成，控制轮廓向着实际轮廓收敛，其中约束能量可根据具体的对象形态定义，使得snake具有很大的灵活性。

Snake模型主要研究的方面：

1.表示内部能量的曲线演化    2.外力    3.能量最小化

由于snake模型对于初始位置比较敏感，因此要求初始轮廓尽可能的靠近真实轮廓，而当图像边缘模糊，目标比较复杂或与其他的物体靠的比较近时，其初始轮廓更不易确定。

应用snake的优势：由于生物或人体组织解剖结构的复杂性，以及软组织形状的易变性，那些仅依赖于图像本身的灰度，纹理属性等低层次视觉属性来进行分割的图像分割方法难以获得理想的分割效果，因此医学图像分割迫切需要有一种灵活的框架，能将基于图像本身低层次视觉属性（边缘，纹理，灰度，色彩）和人们对于待分割目标的知识经验，如目标形状的描述，亮度，色彩的经验统计，医生的经验等，可以一种有机的方式整合起来，得到待分割区域的完整表达。