基于多视图几何方法的三维树状物体的重建研究

基于多视图几何方法的三维树状物体的重建研究

论文摘要

基于图像的建模技术是近年来兴起的一种备受关注的物体三维建模方法,试图从二维图像数据出发获得特定物体的三维模型数据。树状物体作为一种普遍的自然实体,其三维模型的建立在自然景物模拟和医学生物学方面都有重要的意义。基于转动C-臂造影系统的冠脉造影图像重建心脏血管树的三维骨架具有很好的临床意义和很高的应用价值。本文讨论了基于多视图几何方法的三维树状物体在转动C-臂造影系统下的三维重建问题。当造影剂在血管中流动并达到平衡态时,用转动C-臂造影系统获得的两个投影角度下产生的图像对可视为一对双平面图像。通过在两幅投影图像中找到树状物体的特征点(端点和节点)并匹配,用双目立体重建算法可以重建三维特征点并连接成血管树。本文研究的主要内容包括:(1)介绍了多视图几何方法所用到的数学基础知识和它的基本原理和方法,研究了求解基本矩阵的一般算法,提出了一种随机采样一致性估计(Random sample consensus)加权平移算法,实现了高精度基本矩阵的求解,并通过具体图像实例验证了所提算法较以往算法的优势;(2)阐述了转动C-臂造影系统的成像原理并综合利用树状物体的拓扑结构和极线约束实现了特征点的自动匹配;在特征点匹配的基础上射影重建树状物体,并利用标定物体(正方体)实现欧几里德重建;利用Matlab编程实现了三维树状物体结构的三维显示;最后,测量树状物体各节点间的树枝长度并与重建结果比较,验证本文算法的有效性。

论文目录

  • 中文摘要
  • ABSTRACT
  • 第1章 绪论
  • 1.1 基于多视图几何方法的三维重建
  • 1.2 树状物体的建模方法
  • 1.3 论文研究的背景
  • 1.4 论文研究的思路
  • 1.5 本文的工作简介
  • 第2章 多视图几何的基础知识
  • 2.1 射影几何
  • 2.1.1 齐次坐标
  • 2.1.2 2-D射影
  • 2.1.3 3-D射影
  • 2.2 射影几何的变换层次
  • 2.2.1 射影层
  • 2.2.2 仿射层
  • 2.2.3 度量层
  • 2.2.4 欧氏层
  • 2.3 摄像机模型与多视图几何
  • 2.3.1 摄像机成像模型
  • 2.3.2 对极几何
  • 2.3.3 摄像机矩阵
  • 2.3.4 基本矩阵
  • 2.3.5 本质矩阵
  • 2.4 本章小结
  • 第3章 随机采样一致性估计加权平移算法
  • 3.1 基本矩阵计算的一般方法
  • 3.1.1 八点算法
  • 3.1.2 改进八点算法
  • 3.1.3 加权平移算法
  • 3.2 Harris角点检测和互相关匹配
  • 3.2.1 Harris角点检测
  • 3.2.2 基于灰度相关匹配
  • 3.3 随机采样一致性估计加权平移算法
  • 3.3.1 随机采样一致性估计鲁棒算法
  • 3.3.2 随机采样一致性估计加权平移算法
  • 3.4 实例验证
  • 3.5 本章小结
  • 第4章 转动C-臂下的三维树状物体欧几里德重建算法
  • 4.1 转动C-臂造影系统及点匹配
  • 4.1.1 转动C-臂造影系统
  • 4.1.2 综合利用拓扑结构和极线约束匹配特征点
  • 4.2 射影重建
  • 4.2.1 射影矩阵
  • 4.2.2 三维点的射影坐标计算
  • 4.3 欧几里德重建
  • 4.3.1 射影扭曲矩阵
  • 4.3.2 从射影重建恢复欧几里德重建
  • 4.3.3 两步欧几里德重建算法
  • 4.4 多视图三维重建
  • 4.5 本章小结
  • 第5章 仿真实验与转动 C-臂下的树状模体实验
  • 5.1 仿真实验
  • 5.2 转动C-臂下的树状模体实验
  • 5.3 本章小结
  • 第6章 总结与展望
  • 6.1 全文总结
  • 6.2 树状物体三维重建的研究现状及展望
  • 参考文献
  • 致谢
  • 攻读硕士学位期间发表的论文
  • 简历
  • 相关论文文献

    • [1].关于新颖的多视图分类方法的对比分析[J]. 电子世界 2020(14)
    • [2].818型海警巡逻舰多视图[J]. 军事文摘 2016(18)
    • [3].多视图聚类算法综述[J]. 软件导刊 2019(04)
    • [4].基于视图内字典原子不一致的多视图字典学习算法[J]. 南京信息工程大学学报(自然科学版) 2019(03)
    • [5].一种改进的多视图聚类集成算法[J]. 计算机科学 2017(01)
    • [6].基于多视图协同的可信数据动态交互可视化系统设计[J]. 电子设计工程 2020(15)
    • [7].样本加权的多视图聚类算法[J]. 计算机研究与发展 2019(08)
    • [8].基于依存语法构建多视图汉语树库[J]. 中文信息学报 2015(03)
    • [9].基于邻域多核学习的后融合多视图聚类算法[J]. 计算机研究与发展 2020(08)
    • [10].基于异质多视图主动学习的高光谱地物分类[J]. 计算机应用与软件 2018(02)
    • [11].怎样在VC++中创建基于SDI多框架多视图[J]. 电脑编程技巧与维护 2009(03)
    • [12].基于转换表的物料清单多视图映射方法[J]. 上海交通大学学报 2008(04)
    • [13].联合空谱特征的多视图主动学习的高光谱图像分类[J]. 遥感信息 2018(06)
    • [14].鲁棒多视图协同完整鉴别子空间学习算法[J]. 计算机工程与应用 2019(03)
    • [15].改进区域增长算法的植株多视图几何重建[J]. 中国农业科学 2019(16)
    • [16].基于生成对抗网络的多视图学习与重构算法[J]. 自动化学报 2018(05)
    • [17].一种多流形正则化的多视图非负矩阵分解算法[J]. 南京大学学报(自然科学) 2017(03)
    • [18].多视图图像三维重建技术研究[J]. 信息与电脑(理论版) 2019(10)
    • [19].一种基于多视图学习的群组发现方法[J]. 南京邮电大学学报(自然科学版) 2019(04)
    • [20].基于结构化多视图稀疏限定的监督特征选择算法研究[J]. 图学学报 2018(06)
    • [21].基于跨视图约束的多视图分类方法[J]. 模式识别与人工智能 2014(02)
    • [22].MFC中的多视图与属性页技术[J]. 科技信息(学术研究) 2008(03)
    • [23].基于多视图几何的位置与遮挡一致性恢复方法研究[J]. 工程图学学报 2011(01)
    • [24].开源多视图密集三维重建方法对比研究[J]. 电子世界 2019(12)
    • [25].多视图影像三维重建技术在乡村景观设计中的应用[J]. 东北林业大学学报 2019(12)
    • [26].基于结构化稀疏投影的多视图特征提取框架[J]. 计算机技术与发展 2019(03)
    • [27].基于离散指示矩阵优化的多视图子空间聚类算法[J]. 金陵科技学院学报 2019(01)
    • [28].基于多视图像的摄像机自标定方法[J]. 计算机工程与科学 2017(04)
    • [29].基于多视图边界判别投影的高光谱图像分类[J]. 图学学报 2018(06)
    • [30].移动多视图立体摄影的单木结构参数提取[J]. 测绘科学 2018(09)

    标签:;  ;  ;  ;  ;  ;  ;  ;  

    基于多视图几何方法的三维树状物体的重建研究
    下载Doc文档

    猜你喜欢