活动轮廓模型演化过程集成了图像数据、初始位置、理想边界和基于知识的约束条件;而GIS 中存储的矢量边界数据，可以作为活动轮廓模型的初始位置，对演化过程提供先验知识，通过与栅格形式的遥感数据相互作用[1-7]，改变矢量数据点的定位与多点连线的形态，实现 GIS 矢量边界的更新。活动轮廓模型中经典问题之一就是
初始位置的选择，通常需要人为设定，利用 GIS中已有的数据作为初始位置可以避免这种问题。但是，传统的活动轮廓模型是基于简单的二值图或灰度图进行实验的，对于复杂图像或复杂矢量边界并不适用，因此一些针对遥感影像或医学图片中轮廓检测的活动轮廓模型的改进方案相继被提出。贪婪算法实现了活动轮廓模型计算的离散化与局部化，简化了活动轮廓模型的计算复杂度，同时也有可能导致蛇点定位精度的下降。
1 蛇点分组法
活动轮廓模型也称为蛇模型，由Kass于1988年首次提出，是一种经典的轮廓提取方法。该模型同时考虑边界控制点的梯度信息和空间分布，将整体轮廓的连续性和弯曲程度与局部边界梯度信息相结合。
活动轮廓模型演化是一个能量最小化过程，其能量包括内部能量和外部能量，内部能量用来度量蛇轮廓的形状特征，如平滑性和连续性;外部能量用于度量图像信息对蛇轮廓的驱动力。
传统活动轮廓模型[8-9]的轮廓v 的能量公式为:
扎龙湿地位于黑龙江省西部乌裕尔河下游齐齐哈尔市及富裕、林甸、杜蒙、泰来县交界地域，面积 210 000 ha2，是亚洲最大的湿地之一。本实验选取扎龙湿地内边界相对清晰的克钦湖和东升水库为例，对上述矢量更新的方法进行仿真。实验根据一幅上世纪 90 年代中期的矢量数据及 1999 年的矢量数据，作为先验知识;选取2000 年 9 月 24 日的扎龙湿地 TM 遥感影像，截取地物位置图像，作为更新边界的数据源。
考虑初始位置距真实边界较近和较远的两种情况，对传统活动轮廓模型、贪婪算法和分组式活动轮廓模型进行仿真。图 3 和图 4 分别为以克钦湖和东升水库为实验对象的仿真结果。图3(a)、(b)、(c)、图 4(a)、(b)、(c)分别为初始位置距真实边界较近时传统蛇模型、贪婪算法和分组式蛇模型的实验结果;图 3(d)、(e)、(f)、图 4(d)、(e)、(f)分别为初始边界距真实边界较远时传统蛇模型、贪婪算法和分组式蛇模型的实验结果;图 3(g)和图4(g)为真实地物遥感影像。
表 1 显示，当活动轮廓模型的初始轮廓位置距真实目标边界距离较近时，在 3 种方法中，基于分组式活动轮廓模型的实验得到的结果较好但优势并不明显。此外，由于克钦湖覆盖的面积明显大于东升水库，在同一分辨率的图像中，其形状的演化过程对图像的敏感性比东升水库弱。基于以上因素，分组式活动轮廓模型分别得到了89.1%的更新准确率和 97.8%的多边形相似度。表 2 显示，当活动轮廓模型的初始轮廓位置距真实目标边界距离较远时，在 3 种方法中，基于分组式活动轮廓模型的实验同样可以得到最高的更新准确率与多边形相似度。但是，由于初始位置设定上的劣势，使得 3 种方法在更新准确率与多边形相似度上整体小于表 1 中的结果。
2 点分布―双活动轮廓模型
在利用遥感影像更新 GIS 矢量数据的过程中，往往忽略对已知遥感影像信息的有效利用，针对这一问题，本章提出一种基于点分布的双活动轮廓模型(PDDS,Point Distribution-based DualSnake)用于 GIS 矢量数据更新，该模型利用已有遥感影像信息计算目标边界点的平均分布，以此为“镜面”建立初始矢量边界的“镜像”，将两边界各自演化的结果取平均作为更新后的 GIS矢量边界。该方法同时利用了 GIS 和遥感的历史数据作为先验知识，分别作为活动轮廓模型的初始位置和区域约束信息，使遥感与 GIS 信息结合更加紧密。仿真实验表明，基于点分布的双活动轮廓模型在 GIS 矢量边界更新的应用中，可以得到比以传统活动轮廓模型更好的更新准确率和多边形相似度，并且接近手工方法的效果。
本章引入点分布模型中的“目标轮廓提取”[13]环节，对遥感影像历史数据中目标边界点进行采集，构建目标区域的轮廓点分布模型，为轮廓演化提供目标区域的先验约束信息。目标轮廓提取过程：将采集的样本中的目标轮廓的各点均用一个二维坐标表示，第 k 幅遥感影像采集的轮廓点集为[(xk1, yk1), (xk2, yk2),…, (xki, yki),…, (xkn, ykn)]T，i=1, 2, …, n，共采集 m 幅遥感影像上的目标轮廓点。
借鉴上述思想，提出了这种双重轮廓分置边界两侧的思想，使目标边界的先验信息得到再利用。不同于 S R Gunn 的方法[14]，本章充分发挥遥感和 GIS 的历史数据的作用，为边界更新提供初始位置和目标区域边界的先验知识。
(1) 目标边界估计 对多幅不同历史时期的遥感影像中实验对象边界点进行手动采集，其中第 k 幅图像对应边界点组存为一串点坐标序列{(xki, yki)}，k=1,…, m，i=1,…, nk，由式(8)、(9)确定目标边界坐标序列的估计值
其中 (xki′, yki′) 为第 k 幅遥感影像的目标边界点中距离第 1 幅遥感影像第 i 个顺序目标边界点距离最短的点坐标，dis 为距离函数，m 为历史遥感影像数，nk为第 k 幅遥感影像对应的边界采集点数，这样估计出了近似目标轮廓;
(2) 建立“镜像” 双活动轮廓模型涉及到目标边界内外两侧的两个活动轮廓，S R Gunn 等任意地指定两个轮廓的初始位置，并没有利用到已获取的知识。在利用遥感影像更新 GIS 数据时，存在来自遥感影像和 GIS 的历史数据，充分利用这些先验信息，可以使双活动轮廓模型这一载体将遥感与 GIS 数据结合得更加紧密。首先将 GIS 已有数据作为近似目标轮廓一侧的初始轮廓;其次，充分利用区域先验信息，求取初始轮廓关于近似目标轮廓对称的“镜像”轮廓。两个初始轮廓的控制点是关于近似目标轮廓对称的，这样，双活动轮廓模型的一个初始轮廓来自 GIS的历史数据，而另一个初始轮廓来自遥感影像的历史数据，使更新过程不再单一的利用现势的遥感影像作为数据源，而是遥感现势数据、遥感历史数据和 GIS 历史数据集成的数据源。这样的双初始位置设计同时包含了目标边界的区域信息和边界信息作为约束。
(3) 利用双活动轮廓模型更新 GIS 矢量边界 GIS 中表示区域边界的线性矢量数据，是闭合的不规则多边形，它是由边界曲线上的有限个拐点连接而成。针对这一特点，本章对活动轮廓模型内部结构进行改进，使其更适用于矢量边界的演化。
(4) 由双矢量边界合成结果矢量边界 当近似目标轮廓内外两侧的闭合矢量边界在上述设计的离散式活动轮廓模型作用下达到了与单轮廓活动轮廓模型相当的准确率时，将两个矢量边界按照下式进行合成
分别以扎龙湿地内的克钦湖和东升水库为实验对象，对提出的基于点分布的双活动轮廓模型和传统活动轮廓模型的实验结果进行了对比：图 5(a)、(b)、(c)分别为以克钦湖为实验对象时分组式活动轮廓模型、传统活动轮廓模型和真实地物遥感影像;同样，图 5(d)、(e)、(f)分别为以东升水库为实验对象时分组式活动轮廓模型方法、传统活动轮廓模型和真实地物遥感影像。
根据两种评价标准，分别以克钦湖和东升水库边界为对象，对本章方法与传统活动轮廓模型进行对比，如表 3 所示。通过比较可以看出，采用点分布和关于近似目标边界对称的双活动轮廓模型这两种策略，可以使两种地物矢量边界更新准确率达到 87.7%和 74.5%，较分组式活动轮廓模型的 75.0%和 70.0%有显著提高，并且也大大高于基于传统活动轮廓模型方法的更新准确率，证明点分布-双活动轮廓模型削弱了传统活动轮廓模型对初始位置的敏感性。可见，基于点分布-双活动轮廓模型的改进方法利用多种先验信息较好的弥补了之前提出的方法的一些缺陷。
3 结 论
利用改进的活动轮廓模型处理矢量边界更新问题，融合了单点迭代的简便性与多点之间的关联性，是传统活动轮廓模型和贪婪算法活动轮廓模型相结合的改进方案，在局部和整体计算上分别继承了传统活动轮廓模型和贪婪算法活动轮廓模型的优点。通过建立初始边界“镜像”的方式构建双活动轮廓模型的初始轮廓，从而包含了来自遥感和 GIS 历史数据及现势数据的多个信息，实现了以双活动轮廓模型作为载体的遥感和GIS 数据的更紧密结合。利用不同时期 TM 遥感影像与矢量数据进行实验，结果证明基于改进活动轮廓模型方法比传统活动轮廓模型用于此类问题具有更高的更新准确率与相似度，弥补了传统活动轮廓模型对初始位置敏感的缺陷。
