基于区域增长与局部自适应C-V模型的脑血管分割

提出了一种针对TOF MRA(time-of-flight magnetic resonance angiography)磁共振图像的双重分割脑血管提取方法。首先结合高斯滤波,采用二维OTSU算法,结合MIP(maximum intensity projection)图像获得三维血管种子点,定义全局与局部信息相结合的区域增长规则,通过区域增长算法对血管进行粗分割;然后,采用 Catt 扩散模型对体数据场进行各向异性滤波,提出了局部自适应C-V模型,将初步分割结果作为自适应活动轮廓模型的初始轮廓线进行二次分割。实验结果表明,该算法不仅能够有效分割脑血管粗大分支,而且还能精确提取脑血管的细小结构。     

构件内部裂纹缺陷的三维重建

在生产过程保证产品的质量问题的研究中,针对ICT无损检测中缺陷的空间信息无法准确判断的问题,采用重建含有内部裂纹型缺陷的结构件算法.基于种子填充算法的区域边界搜索算法,准确找到裂纹的边缘和形状,提高重建的精确度.提出多种子体素生长的等值面提取算法,可以克服传统MC算法的拓扑不一致、计算效率低等缺陷.利用表面跟踪、元表面生长和元表面三角剖分得到结构件的重建模型,进行仿真.试验表明,方法解决了以往算法只能进行表面重建的局限性,可以实现对实体内部裂纹缺陷的三维空间形状观察,裂纹缺陷部位清楚,为质量评定提供可靠依据.     

基于分割的三维医学图像表面重建算法

提出了一种基于分割的三维医学图像表面重建算法,它将图像分割与MC(marching cubes)算法有机地结合,这样可以根据不同医学图像的特点,采用适合的分割方法,实现对不同组织的准确分割,并利用分割结果精确地提取等值面,避免了MC只适合于阈值分割的局限性.同时采用一种基于区域增长的立方体检测方法,提高了表面跟踪的效率.实验证明,运用本算法,重建速度和显示效果均有提高.     

基于改进MC算法和分数阶混沌的CT图像三维重建和加密方案

在现代医疗领域的病理诊断与手术实操中,需要对CT进行三维重建实现二维图像的三维可视化以提高诊断和操作的正确性。针对目前三维重建耗时过长、精度欠佳等问题,提出了一种改进的MC算法,采用包围盒分割算法提取包含等值面的体素,有效提高了重建效率;利用三线性插值法计算等值面与体素的交点信息,从而提高了重建精度。为保障医疗信息在云存储以及网络传输的安全性,提出了一种基于分数阶Lorenz混沌的三维模型加密方案,实现了重建数据在频域的混沌加密。实验结果表明,改进的MC算法具有良好的重建效率和重建精度,提出的加密方案能有效地保护重建后的三维数据,并能抵抗穷举攻击、差分攻击和统计攻击。     

基于点云增强的网格化优化算法

针对三维点云在采用传统泊松算法进行网格化重建时,重建时间较长并且最终重建出的模型存在孔洞和局部细节缺失等问题,提出一种基于点云增强的网格化优化算法。该算法首先通过统计滤波对初始点云进行降噪处理,为了在保证细节特征的基础上提高重建效率,在通过体素滤波进行适当点云降采样的同时利用双三次样条插值进行点云孔洞修复,然后将移动最小二乘法误差函数引入到点云法向计算中以优化点云法向量的质量。实验结果表明,优化后的网格化算法较传统泊松重建算法耗时更短,并且在一定程度上提高了重建模型的准确度。     

基于局部CT图像的岩心三维图像重构

文章以岩心局部高分辨率CT图像为参考,提出将数字重建得到的多组形态各异但特性与真实岩心一致的重建图像进行拼接,并采用基于高斯模糊的拼接算法对拼接结果进行后续处理,最终得到岩心三维图像。结果表明,该方法能够较快重构出岩心高分辨率三维图像,同时基于高斯模糊的拼接算法能够在不改变重建图像孔隙度和特性的情况下改善拼接效果。     

海量点云曲面增量拓扑重建EI北大核心CSCD

针对现有的曲面重建算法难以兼顾大规模采样数据的重建效率与重建曲面拓扑正确性的问题,提出一种基于局部Delaunay网格剖分的曲面增量重建算法.该算法采用波前扩展的策略,通过波前环的扩张、分裂、重叠面片的消除等步骤,将局部重建过程传播至每个样点的邻近区域,获得插值于采样点集的二维定向流形网格曲面,实现整个采样点集的增量拓扑重建;在曲面局部重建过程中,分别基于局部区域的Cocone算法与二维投影点集的Delaunay网格剖分方法重建曲面的尖锐区域与平坦区域,其中局部区域重建曲面网格的边界的正确性由区域之外的少量辅助样点保护.实验结果表明,文中算法具有较高的重建效率,适用于封闭和非封闭海量点云数据的重建;且在采样密度符合要求的情况下,重建的网格曲面与原表面拓扑同构.     

海量点云曲面增量拓扑重建

针对现有的曲面重建算法难以兼顾大规模采样数据的重建效率与重建曲面拓扑正确性的问题,提出一种基于局部Delaunay网格剖分的曲面增量重建算法.该算法采用波前扩展的策略,通过波前环的扩张、分裂、重叠面片的消除等步骤,将局部重建过程传播至每个样点的邻近区域,获得插值于采样点集的二维定向流形网格曲面,实现整个采样点集的增量拓扑重建;在曲面局部重建过程中,分别基于局部区域的Cocone算法与二维投影点集的Delaunay网格剖分方法重建曲面的尖锐区域与平坦区域,其中局部区域重建曲面网格的边界的正确性由区域之外的少量辅助样点保护.实验结果表明,文中算法具有较高的重建效率,适用于封闭和非封闭海量点云数据的重建;且在采样密度符合要求的情况下,重建的网格曲面与原表面拓扑同构.     

自适应的基于点云的CAD模型重建方法

基本的随机抽样一致性(RANSAC)算法无法根据点云模型的噪声自适应地设定分割参数,并有效判断点云数据是否被合理分割。针对该问题,提出了一种自适应的基于点云模型的计算机辅助设计(CAD)模型重建方法。该方法采用RANSAC算法从点云数据中提取基本形状体素,使用直方图法分析点到相应形状体素表面的投影距离。对分割不合理的区域,按照该点云面片的高斯噪声设置新的分割参数,再次进行形状提取。经过一定轮数的迭代,该方法可以合理提取点云模型中的细小形状体素。然后通过校准形状体素的位置和方向、根据相邻形状体素之间的交线裁剪形状体素,实现CAD模型的重建。最后,以误差分布图和直方图分析了原始点云数据中点到CAD模型表面投影距离,有70.71%的点的投影距离不超过点云模型包围盒高度的1%。实验结果表明,以点云包围盒高度的1%为尺度向实验数据中加入噪声时,该方法仍能够通过自适应设置分割参数提取出合理的细小体素。     

基于“几何-拓扑”迭代优化的三维网格模型修复算法

针对三维网格模型孔洞保特征修复问题,提出一种基于"几何-拓扑"迭代优化的三维数据修复算法.给定残缺的三角网格模型,首先识别孔洞区域,利用动态规划方法对孔洞区域进行初始的三角剖分,赋予孔洞区域拓扑连接关系;然后识别孔洞边界一对特征点,基于特征点及其法向粗略拟合特征曲线,在特征曲线的指导下调整孔洞局部的拓扑结构,即孔洞区域拓扑连接关系优化;最后基于孔洞及其N环邻域构建保特征的局部总变分能量函数,迭代求解孔洞及其邻域的顶点几何位置,即局部顶点几何位置的优化,重复局部拓扑连接关系优化和顶点几何位置优化,直到拓扑结构优化处理中不再发生连接关系调整,即完成了三维网格模型的修复.在现有的完整三维网格模型上人为去除部分构造带孔洞的残缺模型,以此作为数据,与其他修复算法进行对比实验的结果表明,所提算法可以有效地恢复孔洞区域的显著特征,并且在修复时间和误差统计上占有明显优势.