El modelo de contorno activo es una técnica de investigación integral utilizada para la detección de objetos destacados. La mayoría de los modelos de contorno activo para la detección de saliencia se desarrollan en el contexto de escenas naturales, y su papel con imágenes sintéticas y médicas no está bien investigado. Los modelos de contorno activo existentes funcionan eficientemente en muchas complejidades, pero enfrentan desafíos en imágenes sintéticas y médicas debido al tiempo limitado, como el contorno ajustado automático preciso y el coste computacional de inicialización costoso. Nuestra intención es detectar el límite automático del objeto sin reinicialización, lo que lleva a extraer objetos destacados en la evolución. Para esto, proponemos una novedosa derivación de un esquema de solución numérica, utilizando la transformación rápida de Fourier (FFT) en ecuaciones diferenciales de contorno activo (Snake) que tiene dos mejoras principales, a saber, evita completamente la aproximación de derivadas espaciales expansivas de diferencias finitas, y el esquema de regularización puede ser generalmente extendido más. En segundo lugar, FFT es significativamente más rápido en comparación con la solución tradicional en el dominio espacial. Finalmente, este modelo practicó la función de fuerza de Fourier para ajustar curvas de forma natural y extraer objetos destacados del fondo. En comparación con los métodos de vanguardia, el método propuesto logra al menos un aumento del 3% en la precisión en tres conjuntos diversos de imágenes. Además, se ejecuta muy rápido, y el tiempo de ejecución promedio de los métodos propuestos es aproximadamente una duodécima parte del valor base.