基于CT图像的颌面部模型三维重建方法

基于CT图像,选择颌面部组织(包括脸颊软组织)为对象,建立符合生理要求的口腔修复、软组织变形仿真模型。利用Amira软件,通过轮廓提取、公共轮廓线建立、模型光顺等操作,结合重建组织的医学特征,对颌面部不同组织分别进行三维重建。所建立的三维模型可真实再现颌面各组织的解剖形态,体现相邻组织紧密结合特性。     

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。     

车载红外图像彩色化的立体感实现方法

对车载红外图像进行具有空间立体感的彩色化处理可以改善车载红外图像的理解效果,更好地辅助驾驶.首先用基于遗传算法优化BP神经网络模型的单目红外图像深度估计方法获取单幅红外图像中的景物深度,然后用深度信息调制彩色化后的红外图像的饱和度,利用透视学中饱和度变化来区分表达景物的深度,得到视觉上有空间立体感的彩色车载红外图像.试验结果显示饱和度调制后的彩色车载红外图像具有视觉上的空间立体感,有助于环境感知和安全驾驶.     

基于边缘分割的车载单目远红外行人检测方法

基于机器学习的车载单目远红外行人检测方法存在实时性较差和检测精度较低的问题.为此,文中提出了基于边缘分割的头部-方向梯度直方图-支持向量机(Head-HOGSVM)行人检测方法,引入加权Sobel算子强化行人的垂直边缘以分割行人候选区域;根据不同距离行人的外观模式选择行人检测方法:使用头部特征检测中、近距离行人以改善系统的实时性,使用头部识别级联基于方向梯度直方图特征的支持向量机(HOG-SVM)分类器检测成像模糊的远距离行人.在多个郊区场景视频数据集上的实验结果表明,与基于双阈值分割的HOG-SVM分类方法相比,文中方法的检测精度和检测速度分别提高了约33%和200%.     

基于单目序列图像的运动目标跟踪

对于视频监控图像中运动目标位置的检测,现有的定位跟踪系统主要采用双目或结构光立体视觉技术,存在系统设计复杂、检测速度慢等缺点.有鉴于此,文中将地面约束引入到单目视觉监控中,提出了一种单目序列图像运动目标跟踪方法.该方法利用摄像机安装信息和几何成像原理,结合非线性补偿,推导出单目不对称非线性成像的地面运动目标实际位置计算公式.通过搭建室内监控测试平台,在序列图像中进行了寻找步行者足印位置的实验,结果验证了文中方法的有效性.     

基于车载激光扫描数据的城市地物三维重建研究

车载激光扫描系统可以精确、快速获取城市建筑物、道路交通设施、隧道等地物的表面信息,非常适用于城市物体三维空间信息的快速精确获取和在此基础上的三维重建.然而点云不是GIS数据,也不是三维模型,要将大量离散的点处理为可使用的三维模型还需要一系列复杂的过程,现阶段针对车载激光点云三维重建的方法还主要依赖于人工交互或半自动化处理,而且没有针对整个城市地物的三维重建方法.针对这一问题,本文仅提供一种基于地物分类的车载激光点云三维重建的方法,数据基础是已分类的彩色点云,重点是充分利用各类地物的特性,对不同地物使用不同的三维建模策略,以首都师范大学自主研制的车载激光扫描系统获取的三亚市点云数据为实验对象,验证了本文提出方法的可行性与实用性.     

基于非定标图像序列的三维重建

本文介绍了非定标图像序列的三维重建的应用需求、基本概念和当前国际上研究进展情况。     

基于CT图像序列的膝关节三维重建

良好的手术操作对象的几何模型能提高虚拟手术系统的沉浸感,为了获得逼真的股骨、胫骨和髌骨的几何模型,论文对膝关节的CT图像进行分析,根据灰度直方图选取合适的阈值进行阈值分割,并结合区域生长做进一步的处理,最后进行三维重建。结果表明建立了更精确的几何模型。     

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.     

基于深度学习的单幅图像三维重建

随着深度学习技术的发展,深度神经网络在图像处理和三维重建中得到广泛应用,为探究目前深度学习框架下的单幅图像三维重建研究现状,该文对近年的相关研究工作进行综述.首先介绍深度学习框架下基于图像的不同三维重建方法的分类;其次梳理图像三维重建中不同神经网络方法的研究进展;并根据重建三维模型表示方式的不同,分别讨论针对体素、点云、网格、隐式等不同表示方式的单幅图像三维重建网络和方法;然后给出单幅图像三维重建中的常用评价指标与数据集,并对公开数据集下针对不同表示方式的各类三维重建方法的结果进行比较与分析;最后对单幅图像三维重建所面临的困难和挑战进行讨论,并给出未来的研究方向.     

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.     

基于图像的三维重建流程及实现

在介绍三维重建基本原理的基础之上,给出了一种简单易行的三维重建实现流程,重点介绍了点云获取的关键技术,最后给出三维重建实验结果。     

基于单目视觉的车辆碰撞模型

为了解决主动安全研究中车辆在行驶过程中与前车的碰撞危险判定问题,该文提出了一种车辆碰撞模型。基于针孔成像原理,分析图像中目标车辆与世界坐标系中实际车辆的映射关系。检测图像中路面消失点与车辆底部的位置,并以其差值作为车辆尺寸特征。分析多帧图像中车辆目标尺寸特征的变化规律,从而分析出车辆行进趋势,并估算出前车同本车的相对碰撞时间。该碰撞模型既为驾驶员反馈了碰撞时间信息,又通过分析加速度避免虚警。与已有模型相比较,该文模型在车辆距离大于30 m时效果不稳定,在距离小于30 m时误差低于5%。实验结果表明该模型具备较强的实用性与准确性。     

基于多旋涡湍流模型的红外退化图像仿真

大气湍流效应会导致红外成像降质,为了有效模拟复杂湍流场引起的红外图像模糊现象,本文综合考虑湍流场中旋涡尺度、强度、数量和旋涡随机偏移等因素,提出一种基于改进类高斯点扩展函数的多旋涡湍流模型,对红外图像进行退化仿真;为了定量评估仿真图像的模糊程度,利用模糊图像中心像素向周围扩散的特点,提出基于相邻像素-锐度的图像降质模糊度评估方法。实验结果表明：所提出的退化模型具有图像质量变化平稳、模型参数细致、仿真可控性强等特点,并且所提出的评估方法能准确地反映图像的降质模糊度。     

基于基因结构树模型的红外图像分割研究

针对红外图像分割的特点,采用基因结构树模型。首先通过由根节点至节点顺序累加获取属性为结构树模型的生长代价;接着判决规则为结构树分支节点距离计算,借助分支节点之间的夹角表示,夹角越小,则分支节点距离越小;最后从基因树中选择其中似然值最大的作为最优树,给出了算法流程。实验仿真结果显示算法对红外图像分割很好地保留目标区域,有较为简洁平滑的边缘,分割质量评价的定量结果优。     

基于多尺度特征提取的单目图像深度估计

在目前基于深度学习的单目图像深度估计方法中,由于网络提取特征不够充分、边缘信息丢失从而导致深度图整体精度不足。因此提出了一种基于多尺度特征提取的单目图像深度估计方法。该方法首先使用Res2Net101作为编码器,通过在单个残差块中进行通道分组,使用阶梯型卷积方式来提取更细粒度的多尺度特征,加强特征提取能力;其次使用高通滤波器提取图像中的物体边缘来保留边缘信息;最后引入结构相似性损失函数,使得网络在训练过程中更加关注图像局部区域,提高网络的特征提取能力。在NYU Depth V2室内场景深度数据集上对本文方法进行验证,实验结果表明所提方法是有效的,提升了深度图的整体精度,其均方根误差(RMSE)达到0.508,并且在阈值为1.25时的准确率达到0.875。     

基于图像的车载行驶安全监控系统设计

为了实时分析驾驶员的驾驶行为以及提高行驶过程的安全性,本文对车载行驶安全监控系统的必要性、特点、功能及其总体结构进行了分析和论证。针对图像采集、处理、分析与控制需求,基于数字图像处理技术,设计了车载行驶安全监控系统硬件构成,该系统中央处理单元采用TMS320DM642嵌入式DSP芯片;根据汽车行驶特点,进行了软件工作流程设计。实验证明该系统达到了预期的目的。     

基于光线投射技术的医学图像三维重建

针对医学图像数据的特点以及应用中的实际要求,通过对不同重建算法的比较,提出了以光线投射技术为基础的医学图像三维重建方案,同时提出了基于空间跳跃技术和序列相关性的综合加速算法,对重建算法进行加速·最后在PC机平台上实现了该方案,获得了接近实时的交互速度·由于所有重建算法的核心都是光线投射技术,因此在获得高质量重建结果的同时,极大地降低了系统的复杂性,提高了开发的效率,为医学图像三维重建的实用化提供了一种非常好的解决方案·     

基于物体几何性质的单幅图像三维重建

基于单幅图像的三维重建,需要的信息少,避免了基于多幅图像三维重建时图像匹配的难点,成为基于图像三维重建研究的一个热点。物体的深度值的计算是单幅图像三维重建的研究难点,针对此难点,利用规则物体的几何性质,对单幅未标定图像进行三维重建。首先利用消失点进行摄像机标定,然后手动获得需要的最少二维点,通过标定矩阵和物体几何性质计算出这些二维点的三维坐标,进而得到物体精确重建需要的所有信息,最后利用OpenGL实现三维重建和纹理映射。实验表明,此方法可恢复出目标物体的精确三维结构,能够满足一般虚拟现实的需要。