1. 分割技术
   1. 边缘（boundary）驱动的
      1. 边（Edge）检测器(自由模型)
      2. 活跃（active）轮廓/snakes
         1. 自由模型+背景知识
      3. 活跃形状模型
         1. 基于背景知识
   2. 区域驱动
      1. 可变模板
         1. 基于背景知识
      2. 统计或聚类技术
         1. 自由模型+背景知识
   3. 边缘+区域驱动
      1. 活跃轮廓
         1. 自由模型+背景知识
      2. 层次（Level）集方法
         1. 自由模型+背景知识
2. 其他概念
   1. 层次集
      1. 具有相同高度的点集合，如同测地线的水层
      2. 首次作为前向传播理论提出，后来引入到图像处理中
   2. snakes算法步骤
      1. 1.初始化一个猜测轮廓，通过点击图像中的点集合
      2. 2.数字化轮廓
      3. 3.在内部和外部压力下移动轮廓
   3. Snakes的问题
      1. 对初始的形状猜测敏感
      2. 无法应对复杂结构
3. 前向传播
   1. 以前向传播理解snake
      1. 在平面中移动的封闭表面（interface）
      2. 更宽泛的说，是从初始轮廓沿着法向量normal vector以速度F向着图像边界移动。
      3. 前向的两种不同传播
         1. 参数表征
         2. 层次(level)
   2. 在2D参数化高数中的不足
      1. 函数定义依赖于不同的对象
      2. front前后移动时t是不同的评价(value)函数
   3. 层次集
      1. Subtopic 1