改进的T- Snake 算法首先在分水岭法中, 对相邻区域以其像素数、灰度均值和灰度方差定义距离, 并据其在图像上建立新的连通图, 以对图像过度分割而产生的一些过小区域合并 其次, 在模型跨边缘时, 利用已分割断层图像中模型内部区域的统计特征, 用区域生长法获取内点并重新参数化模型, 使模型不再跨边缘, 以保证模型形变到正确的边缘-Improved T-Snake algorithm first law in the watershed, the number of pixels in its

混合高斯模型使用K（基本为3到5个） 个高斯模型来表征图像中各个像素点的特征,在新一帧图像获得后更新混合高斯模型,用当前图像中的每个像素点与混合高斯模型匹配,如果成功则判定该点为背景点, 否则为前景点。通观整个高斯模型，他主要是有方差和均值两个参数决定，,对均值和方差的学习,采取不同的学习机制,将直接影响到模型的稳定性、精确性和收敛性。由于我们是对运动目标的背景提取建模，因此需要对高斯模型中方差和均值两个参数实时更新。为提高模型的学习能力,改进方法对均值和方差的更新采用不同的学习率 为提高在繁忙