有关基于图像分割的医学图像三维重建算法毕业论文写作资料-论文写作网

简介:关于本文可作为相关专业角形一是论文写作研究的大学硕士与本科毕业论文角形一是论文开题报告范文和职称论文参考文献资料。

角形一是论文范文

摘要：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.

关键词：三维重建；MC算法；图像分割；模型简化

中图分类号：TP391

文献标志码：A

在医学领域中,目前的医学影像设备(CT,MRI,PET等)为科学家进行临床研究提供了大量丰富的体数据,但现有的成像设备只能提供二维的断层图像,如何有效地显示这些数据所包含的研究对象的信息是相当重要的.这些数据是一个规则网格结构化的标量数据场,对其进行三维可视化是根据这个标量数据场建立精确的、有真实感的对象视图.三维可视化算法可分为面绘制算法( surfaceRendering)和体绘制算法(Volume Rendering).三维重建中最经典的面绘制算法是移动立方体( Marching Cubes)算法,也是目前最常用的算法.

做一回下颌角整形论文范文:《宝藏天下》第二季（7）玉兽面纹角形器

1 移动立方体(MC)算法

MC算法的基本思想是从三维体数据中提取出等值面,所以通常也称之为提取等值面(ISO-Sur-face Extraction)算法.即将读入的一系列三维图片看作一个个图层,从相邻图层各取4个像素组成一个立方体的8个顶点,根据图像大小就可以分成若干个小立方体,然后根据各小立方体的顶点与给定阈值的大小关系将立方体的顶点以0或l标号（顶点小于阈值为0）.其中有一些立法体与阈值所在的等值面是相交的,采用插值计算出等值面与立方体边的交点,再将交点连接起来形成三维图形.但是最初的MC算法也存在两方面问题,一是最初的移动立方体算法的等值面是通过阈值分割来提取的,对CT图像进行阈值分割的效果比较明显,但由于人体内部构造的复杂程度、生物软组织的不稳定性和MRI成像时对骨组织显示清楚而软组织模糊的特点,造成在进行阈值分割的时候的分割效果不是很理想.因此最初的移动立方体算法在医学领域的应用中存在着一定的局限性.二是移动立方体算法进行表面绘制时会产生大量的三角面片,输出是三角形网格,由此建立的三维网格数据量庞大,因此,必须采取有效的措施在视觉误差允许的范围内对MC算法得到的模型进行合理的优化操作.基于这两点的考虑,笔者综合了图像分割与MC算法,将分割结果作为MC的输入,利用分割结果构造等值面.同时对MC算法进行绘制后产生的大量三角面片,基于曲率的边折叠网格简化方法.

2像的分割

在进行三维重建前的图像分割将会使重建的效果更好,分割的好坏对三维重建后模型的准确性也会产生直接的影响.笔者先使用中值滤波对图像进行预处理后,再采用水域分割方法对其进行进一步处理.

2.1算法思想

分水岭算法是一种基于数学形态学的图像分割技术,已广泛应用于图像分析领域.但这种标准的分水岭变换存在过分割现象.分水岭分割主要包括两部分：梯度选择和基于标记的watershed变换.

2.1.1择梯度算子

水域分割实际上是把边缘检测和区域生长二者相互结合,就能够得到单像素宽的、连续而准确的边缘特征.因此边缘算子的选择对图像分割的效果起着非常重要的作用,笔者拟采用Sobel边缘检测算子.

2.1.2基于标记的watershed变换

由于直接对梯度图进行生长会造成过分割的想象,笔者采用改进的watershed变换,先确定图像中目标的标记或种子,然后再进行生长,并且生长的过程中仅对具有不同标记的标记点建筑防止溢流汇合的堤坝,产生分水线.基于标记的watershed变换大致分为3个步骤,一是对原图进行梯度变换,得到梯度图；二是用合适的标记函数把图像中相关的目标及背景标记出来,得到标记图；三是将标记图中的相应标记作为种子点,对梯度图像进行watershed变换,产生分水线.

2.2实验结果

笔者对一幅头骨的原始图像切片进行水域分割,分割的效果见图1.