快速多点地质统计三维重建算法

在SNESIM算法的基础上,提出了一种快速多点地质统计三维重建算法.首先利用红黑树构建模式集,降低树结构高度,快速检索匹配数据事件.其次综合概率融合与连续逐层采样方法,分别利用半模板与全模板进行点模拟,提高模板中条件数据的比例,缩小模式检索范围.对二维河道图像、三维多孔介质图像和三维储集层岩心图像进行了多组重建实验,结果表明该算法能够在不损失精度的同时显著提升时间效率,且对于各向同性、各向异性岩心图像的重建结果都与真实数字岩心具有相似的视觉特征、统计特征和孔喉分布特征,证明了算法的可靠性.     

基于SURF-球面模型的岩心图像拼接

提出一种基于SURF-球面模型的岩心图像拼接算法。通过特征点匹配,建立球面模型,将待拼接岩心图像投影到同一球面,合并成完整的岩心图像;根据拍摄模式及岩心图像本身的特点,在特征点匹配过程中,使用SURF算法并指定图像特征检测区域,快速提取和匹配特征点;最后进行多分辨率融合,消除拼接缝,完成岩心图像的无缝拼接。实验表明本文的方法在岩心图像拼接中能达到较好的拼接效果。     

基于模拟退火的多尺度岩心三维图像融合重建

在岩心图像分析中,低分辨率岩心图像能够显示较大视域,具有较好的全局代表性,而对于低尺度信息无法准确表征;高分辨率岩心图像能够准确地表征岩心的低尺度信息,但通常仅能显示较小的视域.为了能综合分析高低分辨率下的不同岩心图像,本研究提出了一种基于模拟退火,将低分辨率三维岩心图像和高分辨率二维岩心图像融合重建为高分辨率三维岩心的算法.具体地,对于给定的高分辨率二维岩心图像,首先,将低分辨率三维岩心图像进行插值放大以统一两者的点长度,统计二者在二维中的孔隙分布情况,只保留高分辨率二维岩心图像中的小尺寸孔隙,以作为训练图像;然后,在融合重建过程中将低分辨率三维岩心中的大尺寸孔隙相设置为硬数据,以两点相关函数为目标函数重建其中的小尺寸孔隙.实验结果表明,本研究提出的融合重建算法可以很好的将低分辨率岩心重建为高分辨率岩心结构,且融合重建结果有效,准确.     

基于多幅图像序列的三维重建

基于多幅图像序列的三维重建技术, 以两幅图像的三维重建算法为基础, 采用由运动中恢复校准的结构方法, 在已知摄像机参数的情况下, 利用KLT特征点跟踪算法, 实现了多幅图像的三维重建, 并利用集束调整优化了重建结果.     

基于体数据变形的自适应移动立方体算法的研究

 移动立方体（Marching Cubes）算法是一种经典的三维重建方法,但是对采样稀疏的体数据进行重建时,不能满足所需的精确度要求。提出了一种基于体数据变形的自适应移动立方体算法。该算法通过自适应地改变体素顶点的位置,使得体素包含更多的图像信息从而使体素内的三角面片更加逼近等值面;同时,采用了区域增长策略对体数据进行分割从而避免了对整个体素空间的运算;对算法的并行优化提升了算法的三维重建效率。实验证明使用该算法对稀疏体数据进行三维重建,提高了重建的精确度,并且保证了重建的实时性与交互性。     

基于MC算法的CT图像三维重建

医学图像三维重建利用二维医学图像序列重建出三维模型,为医生提供直观、全面、准确的病灶和正常组织信息.采用VTK库进行医学数据可视化,分析了VTK可视化工具包的机制,介绍了MC算法的机理与实现过程.基于MC算法,使用三维可视化工具包VTK结合VC 6.0对基于DICOM格式的CT图像序列进行三维重建,并给出了实验结果.重建结果表明,采用VTK进行医学图像三维重建可以帮助医生明确诊断和制定正确的手术方案.     

基于双字典自适应学习算法的低采样率CT重建

在医疗诊断中,稀疏采样能减少CT扫描过程中辐射对患者的伤害.但直接对稀疏采样后的投影数据进行重建,会使CT重建后的图像出现失真、伪影等问题.为保证低采样率下重建图像的质量,提出了双字典自适应学习算法,参照Sparse-Land模型的双字典学习框架,将K-SVD算法与双字典学习算法框架相结合得到补全投影数据,利用FBP算法进行重建得到高质量的重建图像.实验结果表明,在低采样率下使用所提方法进行CT重建的图像质量优于COMP双字典学习算法和MOD双字典学习算法,并且此方法有效提高了CT图像重建在低采样率时的性能.     

一种稳健的低照度岩心样本图像拼接算法的实现

以往的基于SIFT BBF RANSAC算法对岩心图像进行拼接的过程在白光岩心扫描工程应用中取得较好的效果, 但当面对低照度、特征不明显的岩心荧光图像、以及受消光性和干涉色影响的岩石薄片正交偏光图像时, 传统的BBF算法无法很好地粗剔除误匹配特征点对, RANSAC算法就无法实现图像的正确拼接.本文提出了一种改进算法, 首先根据实际应用中待匹配岩心荧光、岩石薄片正交偏光图像的特点对图像进行模糊增强, 然后对图像利用SIFT算法提取特征点, 最后基于改进的BBF RANSAC剔除误匹配算法, 实现了低照度、重合量很小的岩心荧光图像以及岩石薄片正交偏光图像拼接. 〖HTH〗关键词: 〖HTK〗岩心样本图像拼接; 图像增强; 剔除误匹配     

医学图像三维重建中的关键算法

本文主要讨论了基于序列图像的三维重建中的两个关键算法:特征数据点列的重采样算法与三角化算法.本文把Douglas-Peucker线性简化算法应用在特征边界的重采样上,数据的压缩比得到了明显的改善,也显著地提高了可视化处理速度.并使用一种简单的三角化算法,对重采样后的数据点列进行三角化,实现目标的三维重建.     

基于孔隙度分类的超维重建算法

由于超维算法在字典建立过程和三维重建过程都涉及到大量的模式匹配，导致超维算法耗时较长，在实际的应用中还有一定难度.针对这个问题，本文提出了一种基于孔隙度分类的超维重建算法，能够较大程度上减少三维重建的时间成本.首先，结合字典元素的孔隙度这一特征对字典集进行分类；其次，利用孔隙度分类字典在重建时采取依孔隙度的搜索方式，优先搜索相应的字典区间；然后，针对不同的训练图像进行三维重建，结合孔隙度分布，提出了一种自适应的搜索范围确定方法；最后，通过对高中低三种孔隙度的训练图像分别进行多次重建，将传统超维算法和新算法的重建结果与真实岩心三维结构的统计特征函数、孔隙参数以及两种算法重建时间的进行对比分析，验证算法的有效性.     

基于矢量场自适应采样算法的图像体绘制技术

针对医学数据体绘制的特点,研究了体数据矢量场的变化特征,分析了采样频率与矢量场的关系,提出基于矢量场的自适应采样算法,对重建图像贡献最大的数据区域采用高频采样,对其贡献小的数据区域采用低频采样,从而自适应地控制采样步长,提高了重建性能.研究结果表明,自适应采样算法在重建效果不受影响的前提下,将重建速度提高约30％～60％.     

基于三维虚拟vr的历史街景重现技术

传统方法采集点云数据时容易丢失信息,无法保证历史街景重现的完整性。为此,提出一种新的基于三维虚拟vr的历史街景重现技术,对采集的0像素值点进行去噪处理,防止大量空洞产生。通过取交集对由三维采样点构成的集合进行多帧融合处理,求出各三维采样点的深度可信度,根据深度可信度排序对三维采样点进行无重复融合处理,获取历史街景完整三维点云。依据ICP法,通过不停查找对应点集及运算变换关系的过程,找到目标点集与参照点集间的旋转矩阵与平移向量,将感兴趣重建部分从整个场景中分离实现点云配准。将历史街景三维重建模型添加至Google Earth平台,在Google Earth平台实现历史街景重现。实验结果表明,所提方法能够有效实现历史街景重现,重建精度高、完整性强。     

基于样点拓扑近邻的散乱点云曲面拓扑重建

提出一种基于样点拓扑近邻的散乱点云曲面拓扑重建算法,对点云数据构建动态空间索引结构,采用动态扩展空心球算法查询样点k近邻,通过对样点的k近邻数据进行偏心扩展和自适应扩展获取样点的拓扑近邻参考数据,从中查询样点的拓扑近邻,从样点的同层拓扑近邻中获取符合Delaunay条件的匹配点,生成局部Delaunay三角网格,并通过增量扩展实现整个散乱点云的曲面拓扑重建.实例证明,该算法可对无隙、有边界等任意模型的散乱点云进行合理的曲面拓扑重建,有效解决了r-dense恰当采样点云中非均匀区域易产生非工艺孔洞的问题.     

一种稀疏度自适应正交多匹配追踪重构算法

压缩感知理论是一种利用信号稀疏性或可压缩性对信号进行采样同时压缩的新颖的信号采样理论。针对稀疏度未知信号重构问题,提出了一种稀疏度自适应正交多匹配追踪重构算法。该算法在广义正交匹配算法(generalized orthogonal multi matching pursuit,GOMP)基础上结合稀疏自适应思想。根据相邻阶段信号能量差自适应调整当前步长大小选取支撑集的原子个数,先大步接近,后小步逼近信号真实稀疏度,从而实现对信号精确重构。实验仿真结果表明,该算法能有效精确重构信号。具有良好的重构性能和较高的重构效率。     

逆向重建中B样条曲面过渡/微调精简方法

为提高逆向工程中点云数据精简与重构的精度和效率,改进B样条曲面拟合在曲率精简和曲面重构中的应用问题.对逆向工程中的3维扫描技术、3维设计、点云数据的精简及模型重构做了深入细致的应用研究.提出一种基于B样条曲面过渡/微调精简算法,将该研究应用于叶轮的逆向制造中,通过3维扫描获得曲面重构点云数据,将点云数据合理拼合封装与精简,进行曲面重建和3维再设计,同时分析产品的光顺性和精度,并利用快速成型机打印出产品模型样件.研究结果表明该方法既高效提高了曲面建模效率,又改善了逆向建模精度.      

基于自适应阈值的三维图像多尺度边缘检测

目的研究三维图像边缘检测中边缘的定位精度问题,根据多尺度小波变换的方法,提出一种自适应阈值三维图像多尺度边缘检测技术。方法首先对三维医学图像分解成多幅二维图像,再对图像直方图滤波平滑处理,消除噪声的影响,然后对平滑后的直方图进行多尺度分析,找出直方图的谷点,以不同尺度下的谷点比较后自动确定精确阈值,按照阈值对图像分割,然后对分割图像进行边缘检测,最后将多幅二维图像合成三维图像。结果实验表明,该方法能够自动准确选择分割阈值,准确检测三维图像的边缘。结论算法能解决人工估算阈值不够准确的问题,所检测到的三维图像的边缘能够满足目标识别和三维重建的要求。