本文提出了一种基于 I - 散度 - TV 去噪模型的新型局部统计变分主动轮廓模型，可用于分割被乘性伽马噪声损坏的图像，并通过向所提出模型的水平集演化（LSE）方程添加扩散项来构建反应扩散（RD）方程，进而将所提出模型转化为经典 ROF 模型。

Jan, 2024

提出了一种基于 Aubert-Aujol (AA) 去噪模型的新型变分主动轮廓模型，将测地线主动轮廓 (GAC) 模型与不含边缘的主动轮廓 (ACWE) 模型相结合，可用于分割受乘性伽马噪声影响的图像。通过添加相似度项，将提出的模型转化为经典的 ROF 模型。通过实验结果表明，该模型能够有效地停止在弱边缘或模糊边缘处的轮廓，并且能够自动检测具有乘性伽马噪声的图像的外部和内部边界。提出的快速不动点算法对于初始化轮廓的鲁棒性较强，并且可以将 Goldstein-Osher 提出的算法所需时间进一步减少约 15%。

Dec, 2023

该论文提出了一种结合深度、基于 patch 的表示和主动轮廓框架进行交互式边界提取的方法。作者使用了类别特定的卷积神经网络来训练向量预测器，以便指向感兴趣物体边界最接近的点，并使用 Sobolev 主动轮廓框架来演化轮廓。该方法在计算资源的使用方面非常高效，适合小型图形卡的使用，并在多个医学数据集和 PASCAL VOC 2012 数据集上进行了评估。

Jul, 2016

该论文提出了一种基于 I-divergence-TV 模型的新型变分主动轮廓模型，用于分割具有乘性伽马噪声的合成孔径雷达（SAR）图像，将基于边缘的模型与基于区域的模型相结合。所提出的模型能够在弱或模糊边缘处有效停止轮廓，并能自动检测图像的外部和内部边界。将全局凸分割方法和分裂布雷格曼技术融入所提出的模型，并提出了一种快速固定点算法来解决全局凸分割问题 [25]。合成图像和实际 SAR 图像的实验结果表明，与现有技术相比，所提出的快速固定点算法具有鲁棒性和高效性。

Dec, 2023

本文基于 Aubert-Aujol (AA) 去噪模型和变分水平集方法，提出了一种新颖的局部统计主动轮廓模型（LACM），用于具有强度非均匀性的 SAR 图像分割。通过使用凸松弛技术，将所提出的模型转化为全局优化模型。实验证明，我们提出的模型在一些具有挑战性的合成图像和 Envisat SAR 图像上相对于现有模型具有优越性。

Dec, 2023

本文提出了一种新的强度校正和半自动主动轮廓分割方法，并使用了几何流，包括重现核希尔伯特空间边缘检测器和一组标记和反标记的测地距离惩罚项。通过与一些最先进的方法进行比较，并在 MR 肌肉分割中进行测试，该方法显示出显著更好的结果。与其他方法相比，所提出的方法的平均 Dice 值分别为 92.5％、85.3％、85.3％，对于股四头肌、腿筋膜和其他肌肉群组，其他方法至少差 10％。

Sep, 2023

该研究提出了一种利用建筑物的几何特性来提高自动化建筑物分割模型准确性的方法，结合了主动轮廓模型和卷积神经网络，形成了一种可以端到端训练的结构化输出模型，达到了比现有技术更好的分割效果。

Mar, 2018

通过物理信息轮廓选择（PICS）算法，结合蛇模型和基于区域的损失函数，迅速实现了无需依赖标注数据即可进行图像分割的三维左心室分割。

Nov, 2023

提出了一种基于边缘加权测地距离作为惩罚项的选择性分割模型，该模型应用于医学图像处理，具有较少的参数依赖和用户输入量，与其他模型相比具有更好的稳健性。

Nov, 2018

使用基于对抗生成网络的模型，以轮廓为输入，在较少的像素输入下，对图像进行高保真重建，并实现了基于轮廓的图像操作，如简单的编辑可以实现复杂的面部表情变化。

Dec, 2017