医学图像三维重建的规则移动立方体法

标准的移动立方体（Marching Cubes,MC）算法不适合实时绘制大量的三角面片。在MC算法的基础上提出了一种能大量减少三角面片数量的规则移动立方体算法（Regularized Marching Cubes,RMC）。该算法通过建立表面判断查找表寻找等值面,不需要判断体数据中的每个立方体,起到了减少立方体数目判断的作用,从而节省计算时间;同时在等直面的合并过程中,通过确定种子等值面、设置阈值,自适应地合并已判断过的立方体中包含的面片,保证了不同精度下的合并效果。在用户设定的误差范围内,可以加快医学图像...     

地质构造三维重建算法研究

在综述三维重建算法的基础上提出了一种体素赋值重建算法。该方法从原始地质地震测量中取得数据，然后建立片存储的数据结构，并以象素为体素建立重建模型及算法。同时，利用图象处理中的一系列技术，采用三维重建算法，并引进计算机图形学一些真实感三维图形的产生算法，通过一系列隐面消除、旋转变换、光照模型等处理产生具有真实感的立体三维图象，实现了利用人工地震数据进行地质构造三维重建任务。该方法为地质工作者提出了一幅清晰、直观、形象的地下油层和地质构造分布立体形态图象，为地质分析、地震探矿、油层储量分布与评估提供了一个方便的工具。     

基于组结构字典稀疏表示的地震数据随机噪声压制

基于地震数据自身学习得到的自适应字典能够更精确地表示地震数据,针对稀疏表示传统方法训练出来的自适应字典的无结构性问题,文章提出一种基于组结构字典稀疏表示的地震数据随机噪声压制算法。该算法首先通过地震数据本身训练得到自适应学习型并具有一定结构性的组结构字典,然后利用该组结构字典对地震数据进行稀疏表示,通过得到的表示系数重建地震数据。所用的组结构字典能够更好地适应地震数据自身特性,对地震数据进行稀疏表示可得到更加稀疏的表示系数,滤除了通常系数很小的随机噪声,从而能够有效压制随机噪声。实验表明,文中所提出的地震数据随机噪声压制算法具有良好的去噪效果。     

基于图像熵分块的压缩感知字典学习算法

针对传统字典学习算法预处理阶段未考虑图像内外部特征的问题,提出一种基于灰度梯度矩阵的图像熵字典学习算法.该算法通过灰度梯度矩阵计算图像块熵值,并对各图像块进行分类,每类数据组合成训练数据集,再利用基于系数矩阵的奇异值分解算法更新各类子字典.对测试图像的稀疏表示系数进行重建实验,仿真结果表明,该算法可高效训练出自适应稀疏字典,显著提高图像重建精度.      

基于变分方法的体素图像四面体化

四面体网格在医学图像、可视化等领域有广泛的应用.现有的体素图像生成四面体网格算法通常需要进行去噪、分割、四面体化等多个步骤,从而导致误差的不断累积.这里提出了一种直接由带噪音的原始体素数据生成最终需要的四面体网格的算法.本算法的核心是针对体素图像四面体化的需求提出了一种基于全变分稀疏模型的优化方法,并通过交替方向乘子法等数值算法高效地优化该变分模型,直接从输入的原始体素图像中得到四面体网格,同时对网格的顶点位置、连接关系、四面体的属性信息都进行了优化.通过在模拟数据与真实数据上的实验表明,该算法在处理即使带有噪音的数据时也能很好地重建四面体网格,并能保持原始信号的尖锐特征.     

自适应直接取样岩心三维重建算法

由于直接取样算法在重建过程中引入了多个需要手动调节的参数,使其在实际运用中具有一定的难度.针对这一问题,提出了一种自适应直接取样岩心三维重建算法.首先,使用三级网格对图像进行逐级重建;其次,使用高斯加权来提高模式匹配的准确性;然后,根据待匹配数据事件的条件数据点自适应的选择模式搜索范围,将距离最小模式的中心点赋给待模拟点;最后,使用算法与传统直接取样算法分别对多张储集层岩心图像进行三维重建.通过比较重建结果与真实结构在统计分布、孔隙结构上的差异,证明了算法的有效性.     

基于形变模型的三维人脸快速重建改进算法

针对传统三维人脸重建算法效率低且难以满足实际应用的缺陷, 提出一种三维人脸重建改进算法。该算法基于ASM（Active Shape Model) 增强算法, 自动地对特定二维人脸特征区域进行准确定位, 并实现三维人脸数据库的归一化; 利用稀疏形变模型对特定正面二维人脸进行快速三维重建; 采用明暗纹理恢复算法对重建后的三维模型人脸特征区域的每个顶点法线进行约束, 并将其应用于人脸识别中。实验结果表明, 该方法可实现对特定正面二维人脸快速三维重建, 并取得较好的三维重建精度与识别率, 与经典ASM算法相比, 精度提高12.3%, 迭代次数减少6次。     

MRI脑序列图像的三维重建算法研究

针对MRI脑图像分割和三维重建中存在精度与效率不高的问题,提出了一种MRI脑图像分割与三维重建方法。首先,采用双边滤波法对MRI脑图像进行去噪;其次,通过一种改进的区域增长算法对MRI脑图像进行了颅骨去除;同时,再利用改进的模糊空间聚类对脑图像中的组织进行聚类,以准确提取脑白质;最后,将提取出来的脑白质通过规则移动立方体法进行了三维重建。所给实例表明,对MRI脑序列图像的重建效果良好,为后续的定量分析和可视化打下了良好的基础。     

用于电阻层析成像的快速自适应硬阈值迭代算法

针对电阻层析成像技术图像重建具有严重病态性的问题,提出了一种稀疏重建算法——快速自适应硬阈值迭代算法,研究了噪声对该算法在电阻层析成像图像重建效果上的影响,并通过仿真和模型实验测试了该算法的性能.结果表明:一定强度范围内的噪声对硬阈值迭代算法、自适应硬阈值迭代算法和快速自适应硬阈值迭代算法的影响较小.快速自适应硬阈值迭代算法成像速度更快,且该算法重建图像的空间分辨率相对其他两种算法也有较大的提高.     

一种快速迭代软阈值稀疏角CT重建算法

针对目前迭代软阈值稀疏角CT重建算法收敛速度较慢的问题,提出了一种基于全变分约束的快速迭代软阈值稀疏角CT重建算法.该算法首先对CT稀疏投影数据采用联合代数重建算法(SART)进行重建,以获得满足数据一致性的重建图像,然后计算SART重建图像的离散梯度变换,并对其进行软阈值滤波,最后利用离散梯度变换的伪逆更新重建图像.由于在迭代过程中利用了前2次迭代重建图像作为下一次迭代的初始图像,因而加快了重建算法的收敛速度.对Shepp-Logan模体进行仿真的实验结果表明:在无噪、5×104和2×105光子泊松噪声情况下,与SART重建算法、基于Harr小波的快速迭代软阈值算法以及基于全变分约束的迭代软阈值重建算法相比,该重建算法的收敛速度有明显提高,同时能够有效减小图像的相对重建误差.     

基于Marching Cubes方法计算分子体积

利用Marching Cubes方法,基于分子形貌理论,提出了分子等值面模型体积的计算公式.首先,利用二进制和十进制的转换关系定义体元顶点的标号,并将与分子表面相交的体元归纳为16种不同的构型,其中包括基本构型和特殊构型.然后针对不同构型给出相应的体积计算公式,最终通过求和得到整个分子的体积.该方法的优点在于不需要重建分子表面,即可通过已知网格数据和阈值直接得到分子的体积,易于理解,并具有较高的计算效率.最后,通过几个典型分子体积计算结果的对比,证实了该方法准确有效.此外,该方法同样适用于其他从规则网格数据中提取的等值面模型体积的计算.     

基于三维网格单元的等值面梯度抽取法

针对三维网格等值面抽取中存在的二义性问题,提出三维网格单元等值面梯度抽取法.本算法利用梯度在三维网格单元外表面计算等值点,勾勒等值面轮廓,而后以添加网格内等值点方式明确等值面在网格内部凹凸方向,提出映射后Delaunay三角面片提取法,在二维空间完成等值面抽取.为减少计算及绘制所需存储空间,采用调整步长及合并阈值的方法控制输出三角面片数量.实验结果证明,该算法可一次性抽取等值面准确轮廓,克服了Marching Cubes算法的二义性,生成面片可真实描述三维网格内部等值面走势,通过调整参数保证了等值面精度,降低了存储代价.     

基于图像分割的医学图像三维重建算法

针对Marching Cubes（MC）算法存在的数据复杂、分割方法单一和三维网格存储量大的问题,提出了先将图像进行中值滤波处理,进行了图像分割及三维网格模型简化,并给出了相应算法。实验证明运用本算法,三维重建速度和显示效果均有提高。     

MC算法生成数据的分组网格化处理

对MC算法生成的数据进行后续处理,首先采用排序归并算法,归并顶点数据.根据相邻三角形共有顶点的特性,确定三角形之间的连接关系.根据属于同一个子等值面的三角形相互连接的特性,采用种子算法,将属于不同子等值面数据进行分组.采用顶点表与三角形表的数据结构存放子等值面的数据,实现MC算法生成数据的分组与网格化.     

融合构型查找表与邻接查找子表的改进MC方法

针对医学图像三维可视化中移动立方体面绘制算法（marching cubes,MC）执行速度慢、效率不高的问题,提出了融合构型查找表与邻接查找子表的改进MC方法。该方法通过显性构建邻接查找子表约束体元搜索路径,使面绘制时只处理有效体元,根据邻接查找子表特点设计堆栈结构实现搜索算法,不仅提高了算法访问效率,而且减少了临时存储空间。在可视化工具包(VTK）下用改进MC方法对人体脚、胸腔、头部的CT数据集进行三维重建实验,结果表明在不损失重建质量的前提下,重建过程中遍历立方体数目缩短95%左右,重建时间缩短20%左右,提高了MC方法的执行速度和重建效率。     

发动机三维流动数值计算可视化技术研究

对三维数据场等值面Marching Cubes算法进行了改进,通过对每个顶点与三角片之间邻接关系的计算及法向量求法的改进获得交点法矢,将MC算法推广到三维非规则数据场等值面的计算,并结合发动机三维数值模拟的具体数据结构,完成了等值面及体绘制。     

医学图像三维重建方法的研究与实现

介绍了医学图像三维重建的分类及其重建方法与基本原理,对医学图像三维重建的方法作了归纳,最后详细地介绍了离散Marching Cubes算法的机理与实现过程.     

可视化类库VTK在三维建模中的应用

采用VC＋＋6．0作为开发平台，引入三维可视化类库VTK，实现了散乱数据和体数据的建模．通过数据压缩、平面分割来减少数据量，分别采用不同的建模方法，如Delaunay三角化建模、轮廓线建模、MarchingCubes建模，实现了三维数据的建模．     

序列图像的高精度面绘制方法

分析总结前人在面绘制方面工作的基础上,提出了一种极大地提高曲面绘制精度的数学方法——有理函数插值方法,可以有效的克服MC算法（Marching cubes）？MT算法（Marching tetrahedron）等由于采用线性插值而引起的在连接三角形面片时所造成的连接二义性问题以及拓扑不一致性问题。从实际数据的三维重建中可以看出使用该方法所绘制的等值面美观？光滑,具有很高的应用价值。     

联合局部和全局稀疏表示的磁共振图像重建方法

针对在压缩传感中独立使用全局或局部稀疏字典所分别导致的图像细节或整体图像结构信息的丢失,提出了一种联合利用局部和全局稀疏约束来捕捉磁共振图像细节和整体结构信息的磁共振图像重建算法。该算法首先从特定的磁共振图像中训练出稀疏字典,然后利用该字典进行局部稀疏编码。其次,利用预定义的全局字典来加强磁共振图像的全局稀疏性。最后,在局部和全局稀疏的共同约束下,利用非线性共轭梯度算法来对重建模型进行求解。整个重建过程可以重复迭代以逐步改善重建质量。实验结果表明:当下采样因子达到10时,相比于字典学习算法(dictionary learning MRI,DLMRI),提出的算法在重建质量上可以提高1-6dB。