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.     

基于光学相干层析图像的眼底黄斑部三维重建

基于眼底黄斑部光学相干层析(OCT)图像提出一套建立视网膜局部三维模型的方法,并为实现三维OCT临床诊断技术进行前期探索.本文以梯度结合数学形态学的方法分割图像,采用基于互信息的配准算法进行图像配准,并设计了一种改进的线性插值算法进行片层间插值,最后用体绘制方式重建出眼底黄斑部三维模型.基于上述方法在PC机上成功构建出视网膜黄斑部三维模型.该模型外观平滑,较为精确,为临床应用奠定了基础.     

基于图形处理器的锥束CT快速迭代重建算法

提出了一种基于图形处理器实现的锥束CT图像迭代重建算法.该算法将三维纹理作为被重建物体的离散模型,基于射线投射方法实现了锥束CT的正投影计算;通过反向逐层映射到三维纹理实现了反投影计算;采用多纹理融合等技术完成了图像校正和投影校正.与经典的TMA-SART算法比较,作者算法运算速度快,占用显存少,支持全浮点精度运算,且易于在算法中添加先验知识和约束条件.通过对Shepp-Logan模型的图像迭代重建实验,验证了该算法的优势.     

基于深度学习和光场成像的火焰三维温度场重建算法

提出一种基于深度学习和光场成像的火焰三维温度场快速重建算法.该算法利用卷积神经网络对火焰光场图像进行深层特征提取,建立了光场图像与三维温度场之间的映射关系,从而实现火焰三维温度场的快速重建;利用视在光线法构建了火焰光场图像和三维温度场数据集,对卷积神经网络进行训练,利用测试集对训练结果进行了验证和评价,并将卷积神经网络算法与传统非负最小二乘(NNLS)算法的重建结果进行了对比.结果 表明,基于深度学习和光场成像的火焰三维温度场重建算法可准确重建火焰温度场,同时具有较高的计算效率(火焰的网格划分为10×8×15,NNLS算法的重建时间为4759 s,深度学习算法的重建时间为830 μs),平均相对误差为0.14％,且对于图像噪声具有良好的鲁棒性.     

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Dirac残差模块的单幅图像超分辨率重建

针对单幅图像超分辨率重建问题(SISR),提出了一种新的基于Dirac残差的超分辨率重建算法.算法使用全局跳跃重建层来直接利用输入LR图像的低频特征,通过多个dirac残差块来自适应学习输入LR图像的高频特征,通过亚像素卷积进行图像重建.算法通过权重参数化来改进残差层,同时使用输入图像的卷积特征与残差网络学习特征结合进行重建.实验采用Adam优化器进行网络训练.使用L1范数作为损失函数.在PSNR、SSIM和视觉效果与其他先进算法进行对比,实验结果表明,在常用测试集上与其他深度学习算法相比有较大提高.     

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．     

基于多视点可见性检测的面皮三维表面重建

提出了一种面皮三维表面重建方法 SRMFM(surface reconstruction method for facial model),首先采用MC算法重建面皮三维模型,在Frankfurt坐标校正基础上建立面皮体素模型,然后采用基于广度优先遍历的多视点可见性检测算法提取表面顶点,创建面皮三维表面模型。可从断层图像自动、快速地重建出保持表面细节特征的面皮三维表面模型。     

基于轮廓插值加权算法的研究

为了进行医学二维图像的三维表面图像重建,最重要的一步就是提取二维图像的轮廓线。文章首先从算法的角度上探讨了诸如线性加权平均的图像插值方法、动态弹性插值方法、方向性插值方法和基于形状的插值算法的基本原理,以及它们的适用范围和局限性。在基于形状的插值方法的基础上,提出了改进的轮廓插值加权算法,采用这种改进算法以后,三维重建的轮廓质量有明显的改善。     

图像三维模型重建方法研究

提出一种基于数据挖掘技术的图像三维模型重建方法.首先对图像进行去噪处理和缺陷修复,并采用点云配准将不同图像分配到统一坐标系中,过滤掉图像中的冗杂信息;然后通过TSDF算法对点云配准后的图像进行数据融合,获取完整的点云模型;最后在OpenGl条件下对点云模型实施渲染,完成图像三维模型的重建.实验结果表明,该方法具有较高的重建效率和配准效率,重建的图像三维模型真实性高,边缘和纹理的处理效果清晰.