基于三维分割的Marching Cubes算法重构研究

论文摘要

在医学图像的可视化中,面绘制由于简单易于实现,计算量小和相对快捷的原因而得到较多的研究与实际应用。在医学数据中,等值面在很多时候并不能完全代表物体的表面,为了解决这一问题,更好的构造出感兴趣目标的表面,本文将面绘制中具有代表性的Marching Cubes算法与三维分割算法相结合,实现了人体部分组织的重构。本文首先对医学三维图像进行滤波处理,以降低噪声对三维分割结果的影响,当采集到的医学切片间距相对切片内像素间距较大时,采用线性插值构造中间切片,增加数据密度,避免成像结果失真。在三维分割的研究中,本文主要采用了区域增长算法,为利用Marching Cubes算法进行面绘制做准备。通过Marching Cubes算法及其改进算法的原理分析,本文将MarchingCubes算法从逻辑上分为“数据分割”与“表面拟和”两个部分,从而将三维分割算法嵌入Marching Cubes算法中,并将Marching Cubes算法从阈值分割扩展到区域增长分割方式,以适应不同的数据对象和不同的分割目标。本文利用3Dmed平台的开放插件接口实现了基于三维分割的MarchingCubes算法,并给出了脑部CT数据及下肢及腹腔CT数据的重构结果。实验结果显示,将三维区域增长算法嵌入Marching Cubes算法中,能够较好的实现脑部肿瘤等内部小块区域的重构,将三维阈值分割算法嵌入MarchingCubes算法中,能够较好的实现下肢骨骼等细条状结构的重构。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 论文研究背景及意义
• 1.2 国内外研究现状
• 1.2.1 医学三维图像的分割
• 1.2.2 医学三维图像的表面重建方法
• 1.3 本文研究主要内容
• 第2章 医学三维图像预处理
• 2.1 引言
• 2.2 医学三维图像增强
• 2.2.1 平滑
• 2.2.2 直方图调整
• 2.3 切片间插值
• 2.4 本章小结
• 第3章 医学三维图像分割
• 3.1 引言
• 3.2 基于阈值的三维分割
• 3.2.1 阈值分割原理
• 3.2.2 实验结果
• 3.3 三维区域增长分割
• 3.3.1 区域增长原理
• 3.3.2 区域增长算法实现
• 3.3.3 实验结果
• 3.4 交互式分割
• 3.4.1 交互式分割原理
• 3.4.2 交互式分割算法实现
• 3.4.3 实验结果
• 3.5 Live Wire算法
• 3.5.1 Live Wire原理
• 3.5.2 Live Wire算法设计与实现
• 3.5.3 实验结果
• 3.6 Fast Marching算法
• 3.6.1 Fast Marching原理概述
• 3.6.2 曲线进化理论
• 3.6.3 Fast Marching方法
• 3.6.4 Fast Marching算法设计与实现
• 3.7 Level Set算法
• 3.7.1 Level set原理
• 3.7.2 Level Set算法的实现
• 3.8 本章小结
• 第4章 Marching Cubes算法重构原理分析
• 4.1 引言
• 4.2 Cuberille算法
• 4.3 Marching Cubes算法
• 4.3.1 Marching Cubes原理
• 4.3.2 Marching Cubes方法存在的问题
• 4.4 Marching Tetrahedra算法
• 4.4.1 MT方法的基本原理及存在的问题
• 4.4.2 MT方法中的二义性判别和消除
• 4.4.3 多边形的三角化
• 4.5 Dividing Cubes算法
• 4.5.1 剖分立方体方法的基本原理
• 4.5.2 剖分立方体方法的改进
• 4.6 本章小结
• 第5章 算法实现与实验结果分析
• 5.1 引言
• 5.2 3DMed核心结构
• 5.3 算法具体实现
• 5.4 实验结果对比分析
• 5.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢