基于MC算法的螺旋CT扫描数据的三维重建

在Marching Cubes(MC)算法的基础上，针对螺旋CT扫描数据的特点，提出一种改进的三维表面的快速绘制方法。通过使用体元描述表，并且对体元数据进行二值化处理，简化了数据，在绘制过程中，根据形体拓扑结构，优化了体元内部的等值面形成算法，提高了三维重建的速度和质量。     

超声图像斑点噪声限制的非线性各向异性扩散

结合非线性各向异性扩散和斑点噪声的限制,有效抑制临床超声图像斑点噪声.基于最小均方误差方法得到瞬时方差系数作为边缘检测器去控制扩散方程,并将经过对数压缩的斑点噪声模型限制通过附加能动项引入,通过能量最小化,自动估计附加能动项最优权值.仿真图像和临床超声图像实验证实,该算法能有效抑制斑点噪声、保留纹理信息.     

点云数据的三角剖分及计算机三维重建

为了解决直接剖分法因点云数据拓扑结构复杂出现的自交现象,提出了一种基于分治策略的三角剖分方法.首先,对原始点云数据进行平面投影并执行区域分割;其次,在每一个区域内进行直接剖分,剖分过程遵循异侧剖分准则、法向量夹角最大剖分准则、阈值距离剖分准则、最小内角最大剖分准则.最后,按照空间Delaunay剖分准则完成区域之间的连接.实验结果表明,该文提出的剖分方法对于规则曲面点云和非规则曲面点云都具有理想的剖分效果,并且执行速度快.     

基于散乱点数据的三维重建并行实现

为解决三维重建过程中重建数据计算量大、重建时间长等问题,提出了基于散乱点的三维重建并行策略.利用任务池的方法,实现了任务分配过程中的动态负载平衡.基于可视化工具包VTK对待重建的图像进行体绘制和可视化.通过仿真实验对并行算法的性能进行了量化分析,实验结果表明所提并行策略能够提高重建速度,缓解重建精度与重建速度之间的矛盾.     

基于CT扫描数据的混凝土细观结构的三维重建

目前混凝土细观结构模型大部分采用基于随机抽样原理和统计学原理的虚拟细观结构模型,为了建立更加准确的混凝土细观结构模型,基于对CT扫描的DICOM格式原始数据的调用,建立了混凝土或钢纤维混凝土真实细观结构的三维模型,避免采用普通物理光学图像或256色灰度图建立细观结构而导致信息大量损失的不足.从重建的效果来看,钢纤维、骨料颗粒、硬化水泥砂浆、孔隙等混凝土内部真实的细观结构清晰,较好地体现了混凝土的非均质性.     

基于频谱分析方法的超声空化场三维重建及其分布

超声空化是声化学反应的主动力,采用水听器对超声清洗槽内的超声空化场进行定量测量,通过频谱分析对声场能量进行分离,并利用非线性能量来表征空化能量,再通过MATLAB软件对测量结果进行三维重建,该方法同时具备了定量性和直观性两种优势.同时,通过图形用户界面(GUI)对程序进行封装,增强了该方法的可操作性.基于此方法,进一步研究了液体中超声空化场的三维分布情况,并对其分布规律进行了探讨,从而为声化学反应提供了理论指导.     

基于区域划分的SAR图像相干斑各向异性扩散滤波算法

经典的细节保持各向异性扩散滤波算法(DPAD)在抑制SAR图像乘性相干斑噪声时,存在同质区块效应现象与边缘区噪声残留问题,为此提出了一种基于区域划分的各向异性扩散滤波算法。该算法通过在DPAD扩散方程中耦合方向扩散来抑制边缘区域相干斑与同质区块状起伏;通过阈值化的边缘强度映射对SAR图像实施同质区与边缘区的区域划分,并对不同区域采用不同尺度局域窗分别实施各向异性扩散滤波,从而在抑制同质区相干斑的同时有效保护边缘。实验结果表明：与多种各向异性扩散抑斑算法相比,本文算法在保护边缘的同时,能明显降低同质区块效应现象与边缘区噪声残留问题。     

基于Riemann度量的张量值图像各向异性插值

张量值图像在数字图像处理中有很重要的作用,传统的线性插值方法只考虑了被插值点与采样点的位置关系,没有考虑采样点张量自身信息,在插值过程中容易造成边缘模糊。该文提出了一种Riemann度量框架下的各向异性插值方法,由张量场的梯度信息得到局部结构张量,用来确定邻域采样点的权重,依此构建自适应插值核函数,在Rie-mann度量框架下对邻域采样点加权求和得到被插值点张量值。该方法容易实现且效率高,这在含大量数据的张量值图像处理中显得尤为重要。实验结果表明,该方法既能保持张量值图像边缘特征和细节特征,又能保证插值后张量满足正定性条件。此外,各向异性的处理框架为张量值图像滤波、分割和配准等问题提供了新的解决方法。     

基于各向异性扩散的降噪新方法

提出一种基于各向异性扩散的图像降噪新方法.该方法能够避免Perona和Malik以及You和Kaveh等人提出的方法中对参数选择的困难, 而且也能够克服Catte方案对图像进行预平滑的过程中所面临的问题.实验结果表明,该方法在图像增强过程中的降噪和细节保留方面都能有较好的效果.     

基于各向异性扩散的图像分割算法

提出了一种基于各向异性扩散的图像分割算法.对现有的各向异性扩散的正则化方法进行了分析.根据微分几何中共形映射的有关理论,把原扩散方程分解为关于表面曲率的二阶方程,给出了分解式的正则化条件,保证了解的稳定性.通过对扩散系数的调节,提高了对各向异性扩散过程的控制能力.在形态学分割的基础上,通过能量函数最小化实现非线性尺度空间中的区域合并,消除了分水岭算法造成的严重过分割现象.实验结果表明,该算法的分割结果可为后续识别和理解提供较理想的方式.     

基于各向异性扩散的图像放大法

在分析图像特点以及常规插值方法放大图像一些不足之处的基础上,根据文[7]的思想方法,以及放大图像的边缘位置要对应于原先图像的边缘位置的原则,先用边缘提取算子（如Canny算子）得到待放大图像的边缘位置,再经过三次样条插值,得到放大图像的边缘位置,最后运用各向异性扩散,在非边缘区域,将经过常规插值方法放大的图像进行光滑化处理．实验证明,该方法是一种处理时间短且效果不错的图像放大方法．     

一种基于各向异性扩散的图像分割算法研究

针对煤矿井下图像对比度小、纹理不清晰和数据量大等问题,根据各向异性扩散在图像处理中具有良好的边缘保持与增强的作用,提出一种基于各向异性扩散的图像分割算法．首先在图像分割前对原图像进行各向异性扩散运算,在消除原图像噪声的同时,更好地划分了图像的边缘和纹理区域;然后提取图像的纹理特性运用到聚类算法中,从而对图像进行分割．实验证明：与未经扩散处理的分割算法相比,基于各向异性扩散的图像分割算法不仅改善了分割效果,而且提高了计算速度．     

基于改进的各向异性扩散的DWI图像恢复

扩散加权图像（DWI）中广泛存在的高斯白噪声会给张量计算和脑白质追踪等带来严重的影响．为了减少噪声影响,尝试采用改进的各向异性扩散滤波器来对DWI进行恢复．这种改进的扩散滤波器具有良好的稳定性和边缘保持特性,并且能有效地消除高斯噪声的影响．采用峰值信噪比（PSNR）和结构相似性（MSSIM）参数来定量地评估本滤波器消除高斯噪声的性能．基于模拟和真实数据的实验结果表明：采用的滤波器能有效去除DWI的高斯噪声的影响．     

基于各向异性信息扩散的图像修复方法

图像修复是数字图像处理的重要内容,可用于恢复图像中小的破损区域、文字去除以及目标物体隐藏.基于偏微分方程的修复模型可以利用待修复区域周围的有用信息沿等照度线自动向内扩散修复图像,在保持图像边缘的基础上同时平滑噪声,但其算法实现比较复杂,执行速度很慢,并且稳定性不好.针对这一问题采用改进方案,简化了模型,直接利用各向异性扩散方程进行图像修复.该方法获得了较好的实验结果.     

基于改进泊松碟采样的地震数据重构

测量矩阵是压缩感知中一个重要的因素,不同的测量矩阵在不同的条件下重构出的效果会不一样,而且在整个重构过程中起着重要的作用。地震勘探中由于实际情况的影响使得压缩感知中测量矩阵的使用有所限制。针对地震勘探实际情况,结合jitter采样和泊松碟采样的优点,提出了一种改进的泊松碟采样方法,泊松碟采样并没有受到规则网格的约束,这里改进的泊松碟采样是基于规则网格的条件,结合jitter方式,避免了对空间采样点的浪费和克服了间距过大的缺点,同时提高了采样效率,针对野外的实际情况可以调节检波器的布置位置。目前,在一些领域,如图像重构、信号处理等,高斯随机测量矩阵都得到了广泛应用并且其重构效果都很好,但在地震勘探中,由于受到现有检波器的限制,高斯随机测量矩阵并不符合地震勘探的条件。这里,模拟数据和实验数据都表明改进的泊松碟采样方式能够和广泛应用的高斯随机测量矩阵一样取得较好的重构效果,并且代替高斯随机测量矩阵在地震勘探中取得实际应用。     

基于等值面拓扑简化的三维重建算法

针对工业CT无损检测巾缺陷的窄间信息无法准确判断的问题,提出了重建缺陷的算法.该算法使用八叉树来节省内存,并同时从内部增加和外郭切除体素的方法来准确找到缺陷的边缘,利用MC提取的等值面经过拓扑简化得到最终的重建模型.实验表明,该方法可以实现对缺陷的三维空间形状观察,并提高了检测效率,得到了缺陷在空间任意方向的分布.     

基于显微视觉的沥青路面微观纹理三维重构

针对沥青路面微观形貌常用检测方法的不足,融合显微视觉的局部放大特性和数字图像处理技术,提出了基于显微视觉的沥青路面微观纹理三维重构方法。根据激光三角测量原理建立显微视觉三维重构数学模型;利用立体显微镜采集序列图像,对图像进行插值处理和阈值分割,并提取光条中心线;采用Delaunay三角剖分算法实现表面三维重构。与基于聚焦深度的沥青路面微观纹理三维重构方法进行试验对比分析,结果表明,本文方法对光照均匀性无特殊要求,具有精度高、操作简便、三维直观性强等特点。     

基于信息扩散的稀疏数据插值算法

为了解决实际海洋观测资料中存在的零散、稀疏问题,提出了一种基于信息扩散思想的插值方法——正态扩散插值模型。该方法基于模糊映射思想,通过对稀疏数据点的信息进行模糊扩散和插值映射,进而实现有限数据点信息向其邻近区域点的概率插值。运用该算法思想和途径,建立了信息扩散插值正态模型。通过对海温资料的插值试验和对比分析,验证了该方法的合理性和有效性,可为海洋观测资料的客观分析和标准化处理应用提供实用方法和技术参考。     

基于Spark的地震数据重建方法的并行化

地震勘探技术发展早已进入TB(terabytes)级数据时代,并逐步迈向PB(petabytes)级。为提升海量数据处理效率,将地震数据处理算法进行并行化是一种广泛采用的手段。但是一些复杂度较高的算法,诸如地震数据重建类方法等,并行化难度较大,加速效果不理想。Spark作为一种面向大数据处理的通用分布式并行计算技术,可以应用于并可简化地震数据处理算法并行化过程。借助于Spark的优势,通过两个实例讨论了基于Spark的地震数据重建并行化方法,提出了对于具有复杂输入输出组织数据方式的算法的并行化方法,提升了算法效率。研究成果为该类算法的Spark并行化开发提供了有益借鉴。