三维图像中边缘曲面的重构与可视化研究

论文摘要

伴随着三维成像技术的快速发展及其在生物、医学等领域的广泛应用,在实际中产生了大量的三维生物医学图像。对这些三维图像进行处理和分析的需要促进了三维图像的分析与可视化这一重要研究方向的发展。由于三维图像中的阶梯型边缘曲面通常对应于所包含解剖结构的边界面,因此,阶梯型边缘曲面的重构与可视化成为该方向的一个重要的研究问题。三维图像中的阶梯型边缘曲面可以看作包含在三维图像的连续采样区域中的连续隐曲面。本文将讨论该类连续隐曲面的检测、重构和可视化。首先,本文基于连续边缘曲面的连通特性,提出了一个三维图像中阶梯型边缘曲面的检测与追踪算法。在该算法中,我们首先检测出部分包含边缘曲面片的边缘立方体;然后再从中选取一定数量的边缘立方体作为种子立方体;最后,从这些种子立方体出发,基于连续边缘曲面的连通特性,采用区域增长法,追踪出包含连续边缘曲面的所有边缘立方体。所提出的算法可以很好地改进已有算法中边缘曲面上有洞的缺陷,并且能够很好地去除由于噪声及小细节所产生的噪声碎片,最终获得高精度的边缘曲面模型。此外,考虑到三维图像的数据量非常大,在对立方体的追踪过程中,我们采用了一些有效的方法降低算法的时间复杂度和空间复杂度。其次,本文提出一个基于交互方式的边缘曲面的选择与抽取算法。在该算法中,用户可以在二维切片图像中选取感兴趣的区域(ROI: Region

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 引言
• 1.2 三维数据的来源及分类
• 1.3 三维图像重建方法综述
• 1.4 三维边缘曲面算法检测或重构方法综述
• 1.5 本文中完成的主要工作
• 第2章 三维生物医学图像重建
• 2.1 图像预处理综述
• 2.2 面绘制
• 2.2.1 经典等值面抽取算法：Marching Cubes
• 2.2.2 Marching Cubes 方法的二义性
• 2.3 基于断层切片的轮廓线的曲面重构方法
• 2.4 体绘制
• 2.4.1 体绘制算法步骤
• 2.4.2 体绘制分类
• 2.5 体绘制技术与面绘制技术的比较
• 第3章 边缘曲面追踪算法
• 3.1 引言
• 3.2 算法框架
• 3.2.1 阶梯型边缘曲面模型
• 3.2.2 边缘曲面追踪策略
• 3.2.3 检测边缘立方体
• 3.2.4 确定种子点
• 3.2.5 追踪边缘立方体
• 3.2.6 区域生长法在追踪算法中的应用
• 3.3 非递归算法及DFS 算法在追踪过程中的应用
• 3.4 算法实现过程
• 3.4.1 共面关系和纵深追踪方向
• 3.4.2 追踪算法描述
• 3.4.3 设置第二个梯度阈值
• 3.5 计算边缘曲面片
• 3.6 显示边缘曲面的多边形曲面模型
• 3.7 实验结果分析
• 3.7.1 部分实验结果
• 3.7.2 实验结果中有关参量统计比较
• 3.8 与边缘曲面直接抽取算法比较
• 3.9 与等值面算法区别
• 第4章 边缘曲面模型交互式的选择与抽取
• 4.1 边缘曲面模型的选择与抽取
• 4.1.1 算法描述
• 4.1.2 实验结果
• 4.1.3 结果与讨论
• 4.2 离散边缘曲面模型的选择重构
• 4.3 ROI 区域的追踪绘制
• 4.4 三维图像绘制及显示
• 4.4.1 绘制边缘曲面模型
• 4.4.2 光照模型
• 4.5 三维图像可视化应用研究
• 第5章 工作总结与展望
• 参考文献
• 附录1 文中算法程序部分截屏图和追踪算法代码
• 附录2 边缘曲面追踪算法部分代码
• 致谢
• 攻读硕士学位期间发表的学术论文