1. 研究目的与意义
在对梯度矢量流(GradientVector Flow, GVF)模型的力场分析的基础上,将力场扩散方程中梯度矢量流的各分量分别归一化,使曲线上各点受物体边界力场影响跟它与边界的距离无关,从而克服了GVF模型难以解决的深凹腔问题。同时,提出在GVF模型中引入和设置方向矢量的算法,在矢量指定范围内能屏蔽掉不需要的物体力场的影响,从而更加准确地分割出感兴趣的物体。
但是，新的问题随之产生，比如时间复杂度变高变长，导致运算缓慢，影响工作效率。迭代次数在较小的情况下图形聚合的不完美。故研究中引入矢量流GVF模型的概念，去除不必要的杂质影响，进一步改进GVF模型。同是，把GVF Snake模型与实际运用相整合，结合具体的概念，扩大模型的应用范围。比如突破仅仅局限于类似脸部特征的追踪，将snake模型进一步的连入新的概念，如彩色目标的跟踪，医学图像分割等。2. 国内外研究现状分析
gvf模型被广泛应用于医学，生物学，刑侦学的边缘检测，目标跟踪，图像分割等领域。
kass[1]于1987年提出了snake模型，用于追踪人嘴部的运动。snake在轮廓检测过程用最小能量模型，处理问题时有较好的整体效果。但是传统的snake模型还是存在诸多限制，1997年，xu chengyang[2]和prince提出了gvf方法，成功的解决了凹形轮廓检测问题和初始轮廓线设置困难的问题，提高了snake模型的应用范围，但是 gvf模型还是存在初始轮廓线难于确定，计算复杂度高，不能逼近复杂轮廓等问题。gvf模型被广泛应用于医学，生物学，刑侦学的边缘检测，目标跟踪，图像分割等领域。
青岛大学 信息工程学院的 于磊[3]等对gvf snake模型进行了时间复杂度的研究，提出了有效逼近域的概念，并且给出了轮廓线的定位方法，通过将初始轮廓线设置到有效逼近域内，可以有效的逼近了复杂轮廓，并且通过减少迭代次数，有效的降低了运算时间，但该研究方法并未给出如何将初始轮廓线靠近最佳轮廓线的方法；随后，刘彩霞[4]，范延滨[4]又进行了进一步的算法精简，在保留了所有gvf模型的优点的情况下，使模型的运算速度提升了10倍左右；
3. 研究的基本内容与计划
研究内容和预期成果：
1，gvf模型缺点的改进方法，通过归一化解决深凹腔问题；
2，引入矢量算法使gvf分割更精确
4. 研究创新点
综合引入了归一化和矢量流处理的方法，使基于GVF分割方法更精确，适应范围更广，同时，对GVF模型的改进，包括有效逼近域的研究，分割方法的改进，基于Snake模型的凹形目标快速提取算法的改进等有效的降低了算法的复杂度，节约了大量时间，使其能更切合实践。
GVF模型的运算速度缓慢的原因解析，构建一种新的GVF骨架模型，有效解决了运输缓慢的问题，同时深入了解了GVF模型应用上的灵活性和多边性
