目前，足迹分析和识别正处在由人工向自动化的过渡阶段，准确的图像分割和边缘提取是实现足迹自动识别的重要基础。由于足迹图像的自身特点，传统的图像处理方法很难满足要求，直接影响到足迹的准确识别。 活动轮廓模型(Snake模型)是一种高效轮廓探测法，对弱边界、模糊、噪声图像有良好的轮廓提取效果，已被广泛应用于边缘提取、图像分割、运动跟踪、3D重建等领域。本文对它的基本原理、实现方法进行了全面论述，通过对模型的改进，将它应用在实际问题中，取得了满意的结果。 本文的主要研究工作如下： 提出一种将经典Snake模型与自适应变模型相结合的算法，该算法快速提取图像中的开边缘并识别边缘形状，进而实现赤足足迹跖后缘的自动提取与形状识别。该方法首先对原图像校正、平滑去噪，由数学形态学方法得到Snake模型的初始轮廓，迭代求解实现跖后缘的快速、精确提取。然后，由高次多项式进行数字滤波，得到滤波后边缘曲线方程。最后利用先验知识，依据平均曲率的变化，自适应地选取不同的函数模型，提取出相应特征，进行足迹边缘形状的自动识别。仿真结果表明，该方法的总识别率可以达到88％。 根据足迹图像的特点，提出一种基于改进GVF模型的弱边界提取方法。该方法首先通过中值滤波和弱边界梯度增强进行图像预处理，然后利用区域灰度的先验知识，引入高斯型模糊贴近度，与气球力结合形成模糊气球力和GVF场共同形成外力。模糊气球力在压痕区内形成很大推力，使控点向边界快速移动，在边界处力很小，在边界外形成迅速加大的斥力，将控点推回边界。 为了提取弱边界椭圆，将改进的GVF模型和最小二乘原理相结合，提出快速、抗噪的弱边界椭圆提取算法。该算法在控点每迭代一定次数后，利用最小二乘原理，估算出椭圆准确位置，对椭圆边界采样作为新的初始轮廓，重新进行迭代，形成有约束形变。此方法应用到赤足足迹分析系统中，能够对常规方法很难处理的存在模糊、纹理噪声、大斑点噪声的弱边界图像，准确提取出椭圆轮廓，而且将经典GVF迭代次数减少一半以上。