一种基于非透明度校正的光线投射体绘制算法

针对传统光线投射体绘制算法的非透明度校正不能满足实际应用的要求,提出了一种新的体绘制算法。该算法基于新的采样合成函数,采用非透明度提前截止来判断光线终止。最后,通过gsgl语言编写顶点程序和片段程序对实现了算法。实验结果表明该算法在不同的采样间距下都可以大大改善体绘制的质量和速度。     

基于GPS和车辙的三维路面重构

提出了一种基于地理定位系统(GPS)和横断面车辙数据的路面三维重构模型.针对GPS和车辙的采样间隔不同,首先采用Cardinal插值算法对非等间距的离散GPS点插值,并按间距需求选取等间距的插值点,然后将序列化后的GPS插值数据与车辙数据融合,构造出在三维空间中用于绘制三角形网格的顶点矩阵,最后实现了三维重构路面的绘制.实验表明用该方法重构的三维路面在路面车辙、坑槽及拥包的检测方面有很好的应用价值.     

采用双正交小波和分段正交匹配追踪实现压缩感知图像重构研究

采用B样条双正交小波实现图像的稀疏化,用低采样率对高频子带进行压缩感知采样,通过分段正交匹配追踪重建算法实现图像重构.实验结果表明:方案具有较好的图像重构效果,在低通滤波器消失矩相同的情况下,高通滤波器的消失矩越高,图像的压缩感知重构效果越好.随着高通滤波器消失矩的增加,重构图像的效果改善程度减缓,计算复杂性增加.     

基于模块化设计的三维医学图像体绘制方法

为了提高三维图像的视觉效果和重建效率，提出一种基于模块化设计的三维医学图像体绘制方法．该方法将图像分割模块与体绘制有机地结合起来，并基于混合型链结区域增长与聚类分析的分割方式，来解决在实际应用中旋转观察时存在的障碍物体干扰问题．同时，基于Raycasting算法，对重构核进行改进设计：用包围盒选择与动态调整采样步长的重采样方法来提高重建效率；通过旋转光源和视角，对感兴趣的区域进行采样重建．实验证明该方法不仅效率高，而且显示效果好．     

基于变步长子空间追踪的DCT域非均匀采样图像重构

压缩感知是一种充分利用信号稀疏性的全新的信号采样理论。如何从采样得到的低维数据中高效地恢复出原始的高维数据是压缩感知理论的一个关键研究问题。本文基于图像二维离散余弦变换(Discrete Cosine Transform,DCT)系数的分布特性,研究图像DCT域非均匀压缩采样,并在子空间追踪(Subspace Pursuit,SP)算法的基础上,提出一种变步长SP算法,用以实现压缩感知图像的快速重构。该算法自适应地设置图像DCT系数矩阵中不同列向量的采样率,将有限的采样值尽可能地分配给高幅值系数较集中的列向量。在重建DCT系数列向量时,动态调整不同子空间内的原子搜索步长,在高幅值系数集中区域对应的原子子集中进行小步长密集搜索,而在其它原子子集中进行大步长快速搜索。实验结果表明,与基于SP算法的DCT域均匀采样图像重构算法相比,本文提出的基于变步长SP算法的DCT域非均匀采样图像重构算法在图像重构精度与重构算法运行时间方面均具有明显优势。     

一种基于压缩感知的图像去马赛克算法

文中提出了一种基于分块压缩感知的图像去马赛克算法.该算法首先将Bayer色彩滤镜阵列采样值等效为压缩感知理论中感知矩阵采样所得的压缩数据.其次通过结合Bayer色彩滤镜阵列自身特点训练分块稀疏字典.最后在训练所得稀疏字典的基础上利用分块压缩感知重构算法便可精确重构出Bayer色彩滤镜阵列采样结果.由于训练所得稀疏字典能有效降低与Bayer色彩滤镜采样阵列之间的相关性,因此文中所提出的图像去马赛克算法能有效对单一Bayer色彩滤镜阵列采样值进行重构.通过实验验证表明：新的图像去马赛克算法明显优于传统插值算法,重构所得彩色图像在去除假色影响的同时能完整保留原始图像的细节信息.     

基于压缩感知的图像重构GUI系统

本文利用MATLAB平台设计了基于压缩感知的图像重构GUI系统,针对不同的变换基、测量矩阵、重构算法对图像的压缩采样及重构进行了比较和讨论,其中变换基包括小波变换基和离散余弦变换基;测量矩阵包括随机矩阵如高斯矩阵和贝努利矩阵,以及确定矩阵如哈达玛矩阵和托普利兹矩阵;重构算法包括正交匹配追踪算法和压缩采样匹配追踪算法.并通过峰值信噪比PSNR衡量了图像重构的性能.该GUI系统能够为基于压缩感知的图像重构提供直观的实现平台.     

基于Shear-Warp的预合成体绘制方法

为提高用Shear-Warp重建的三维医学图像的质量,提出了一种改进的基于Shear-Warp的预合成体绘制算法IPVR.该算法采用预合成体绘制技术,在重采样过程中,结合体绘制方程和光照模型,确定最终的重采样值并合成中间图像,从而消除标准Shear-Warp算法中因欠采样而产生的混淆现象.实验证明该方法满足实时体绘制要求,显示效果较好.     

基于加权L1最小化的图像小波域压缩感知重构

压缩感知理论因为能以少量的采样精确地重构原始信号而得到广泛关注.通过在压缩感知的框架下研究小波域图像重构问题,提出了一类小波域的加权l1最小化方法.该方法不仅利用了信号稀疏性的先验信息,而且在重构模型中,通过对不同小波子带上的系数施加不同的权重,从而整合了图像小波域的结构信息,与经典的压缩感知算法相比具有更好的信号可恢复性.仿真实验结果表明,选用该方法能够以更少的采样得到同等精度的重构图像,验证了该方法的有效性.     

改进型离线迭代在线重构算法的电容层析成像技术研究

针对电容层析成像技术的逆问题中图像重构精度与速度的矛盾性,以12电极电容层析成像系统为对象,提出了一个改进型离线迭代在线重构(OIOR)算法。改进型OIOR算法是针对OIOR算法成像精度不高的问题加入了迭代滤波过程,既保证了成像速度,同时也提高了成像精度。以仿真电容值和实测电容值进行了图像重构的实验验证,从成像效果、相对误差、相关系数以及重构时间这4个方面对此算法进行了分析评估。仿真及实验结果表明:改进型OIOR算法通过迭代滤波100次即可在20ms内有效提高传统OIOR算法重构图像的精度,使其相对误差降低约20%;与传统迭代法相比,在获得相同精度图像的条件下,其重构时间约为传统迭代算法的1/10。