近些年来,计算机图像的检测和分割在图像处理中起着越来越重要的作用。由于物体形状的多样性以及图像质量的不同,传统的图像检测和分割方法,如边缘检测、阈值方法等,用来提取轮廓边界时可能完全失效,有时必须在分割结果中去除无效的对象边界。活动轮廓模型是利用能量最小化函数在复杂图象中寻找目标边缘的一种新方法,在国内外都受到了广泛关注。本文对活动轮廓模型进行了详细的研究,并将研究结果应用于人脸的轮廓检测,为一下步人脸识别奠定了基础。本文首先介绍了在计算机中图像预处理和边缘检测常用的一些方法,比较了这些算法的优缺点。然后后引入了活动轮廓模型,并深入研究了活动轮廓模型进行边缘检测的原理,给出了它的物理解释和实现方法。在基于活动轮廓模型的图像边缘检测中,搜索范围小和深度凹陷区域的分割是难点,为此本文对活动轮廓模型不同的外力场进行了研究,并对它们的轮廓收敛性能进行了分析,在此基础上提出了一个新的改进模型;它先采用距离snake使初始轮廓逼近目标物体边缘,然后结合NGVF使收敛进入目标物体的凹陷部分,最后应用有限差分实现了改进模型的数值计算;实验表明该模型具有较大的捕获区且能快速收敛到物体边缘的凹陷部分,提取出感兴趣目标的轮廓。接下来针对梯度矢量流活动轮廓模型同样存在着滤除噪声和准确定位的矛盾,提出利用三次B样条小波与GVF活动轮廓模型进行融合,得到一种去噪功能好的多尺度活动轮廓方法。它先在大尺度下对图像进行滤波,用GVF Snake搜索到一个抗噪性能好定位不太准的目标轮廓;然后逐步减少尺度,并在前一次的基础上进行GVFSnake搜索,最后得到搜索轮廓。文章最后用改进的模型检测出人脸和嘴唇的轮廓,它异于传统的检测方法,具有去噪功能好、边缘轮廓线连续的特点。全文的实验在MATLAB的环境下实现,得到了各种不同的边缘提取的效果。实验结果表明,本文算法在目标轮廓连续边缘检测过程中,不仅降低了对初始位置的敏感性,还提高了搜索效率,并且对真实图象的边缘提取也有较好的效果。