激光共焦扫描光学显微镜系统中的图像层间插值技术

由断层图像恢复出目标物体的三维图像是激光共焦扫描光学显微镜 (LCSM)系统的重要部分。提出了基于距离变换的断层图像插值方法来获得三维重构时的数据场。此方法由于在插值时考虑了目标物体的整体特征 ,从而使插值具有连续性     

激光共焦扫描显微镜中基于体绘制技术的三维重构

激光共焦扫描显微镜(LCSM)是一种典型的高新技术光电仪器，利用其采集的序列二维断层图像重构三维图形是LCSM系统的重要组成部分。本文研究了典型的体绘制方法并根据LCSM系统采集到的图像特点提出了适用于LCSM系统三维重构方法。     

体绘制技术在激光共焦扫描显微镜中的应用

激光共焦扫描显微镜 (LCSM)是一种高精度显微测试仪器 ,利用其采集的序列二维断层图像重构三维图形是LCSM系统的重要组成部分。本文研究了LCSM系统数据场的体绘制方法并应用在LCSM系统中。实验结果表明此方法用于LCSM系统 ,能够生成逼真的三维图形。     

一种适用于激光共焦扫描显微镜的体绘制

激光共聚焦扫描显微镜(LCSM)主要运用于生物医学研究,利用其采集的序列二维断层图像重构三维图形是LCSM系统的重要组成部分。主要研究了LCSM系统数据场的体绘制方法,根据其数据场特点,提出了最大值绘制算法。实验结果表明,此方法适用于LCSM系统,能够生成逼真的三维图形。     

激光共焦扫描显微镜数据场的三维重建

主要研究激光共焦扫描显微镜 (LCSM )系统数据场的体绘制方法。根据LCSM系统数据场的特点 ,提出了源—点光源光照模型以及体缓冲器绘制方法。实验结果表明此方法适用于LCSM系统 ,能够生成逼真的三维图形。     

基于参数域映射及B样条插值的三维重构方法

利用单目CCD图像进行物体表面非接触测量的核心是基于单幅图像的三维重构技术,常采用由阴影恢复形状(SFS)的方法实现三维重构。当图像分辨率较低时,通过由阴影恢复形状的方法重构的三维表面模型其分辨力较差,无法满足实际要求。为此提出了一种基于参数域映射及B样条插值的三维重构方法。采用B样条插值技术对图像进行放大处理,通过像素的参数域映射减小图像的失真及高频信息的丢失,根据放大后图像的灰度信息重构物体的三维表面模型。实验表明,基于参数域映射及B样条技术的图像插值方法很好地保护了图像的细节,利用该方法进行三维重构能够有效改善重构模型的分辨力和光顺性,为提高三维表面非接触测量精度创造了条件。     

基于颜色编码的大型物体表面三维测量

如何获得蕴含了深度信息的深度图像是发展机器视觉的关键。因为结构光空间编码方法只需要一幅图像就可以获得被测物体上可测点的三维信息,具有分辨率高、速度快和易于实现的优点而成为研究热点。一种颜色编码方案被用于大型物体表面的三维测量。这种编码方案以红、绿、蓝三原色以及它们的补色黄、品、青6种颜色作为基本颜色,按着任意相邻的3个条纹颜色排列顺序是唯一的方式组合,构成了颜色编码图案,并由投影仪投射到被测物体上。通过对摄像机拍摄的图像进行解码,获得物体的三维坐标。利用被测物体上的标志特征点,对物体进行分块测量。结合边缘检测及圆心检测确定分割线,对图像进行分割、拼接,实现了对大型物体表面的三维测量。     

基于超声合成孔径的物体三维轮廓成像技术

文中研究了采用超声合成孔径技术对物体进行三维轮廓成像的方法,通过超声合成孔径成像的数据得到轮廓线图像。根据探头移动轨迹建立三维坐标系,将轮廓线转换点云数据,其中利用边缘检测提高轮廓线的精度,通过轮廓线间的位置关系得到物体表面数据,结合表面数据复原出物体三维轮廓。实验结果表明,采用超声合成孔径技术可以实现物体的三维成像,是又一种有应用价值三维成像技术。     

用于三维成像的激光传感器旋转扫描系统

以实现物体三维成像为目的,设计用于三维成像的激光传感器旋转扫描系统。激光传感器采集物体光条图像,将光条图像传到上位机,使用旋转扫描测量模型获取物体光束的三维空间坐标数据,使用OpenGL开发图形库构建物体三维云图,将光条图像按照3D轮廓扫描顺序获取物体红、绿、蓝分量,将这些分量与物体3D空间坐标数据整合后,完成物体三维云图着色。实验结果表明：该系统具备较丰富的伺服控制功能,且标定物体光平面坐标误差仅为0.005 mm;物体三维成像逼真度较高,与实物颜色较为接近,三维成像效果优秀。     

三维激光扫描测量系统的三维图像数据压缩

三维彩色激光扫描测量系统是利用计算机视觉的原理对物体进行三维测量和重建,以获取物体的三维图像。三维图像的数据量很大,文中研究了三维图像的压缩策略和算法,采用三角形条带的网格压缩方法,以及顶点数据的编码方法,可以把三维图像的存贮空间减小到压缩前数据的１／６,从而有效地解决了测量系统在实际应用环境下的图像存贮和传输问题。     

基于局部Fisher判别法的电镜下致密沉积物自动识别

本文提出一种在电子显微镜图像中有效检测致密沉积物的方法.致密沉积物在电子显微镜图像中较难分辨,使用传统的SIFT,ORB或者SURF特征检测及描述算法往往难以达到理想的效果.运用传统计算机视觉处理流程,如,SIFT特征提取器以及描述器来进行特征提取,再建立bag-of-words全局特征向量,最后使用支持向量机来进行分类,在进行致密沉积物的分类操作中难度比较大.本文选择了实用LBP特征提取器来提取高反差度的纹理特征,使用梯度直方图特征提取器来提取轮廓特征,同时使用Schimid滤波器组和Gabor滤波器组来提取图像中的常规纹理特征,形成超高维度的特征向量使其包含显微镜图像中的全面特征.由于电子显微镜图像不具备色彩信息,纹理信息变得最为重要,又由于在显微镜图像中,尺度基本可知,LBP以及HOG能非常有效地提取高反差轮廓特征以及质地特征.配合两大纹理滤波器组合将可以确保特征向量在强调高反差特征的同时,不会忽略常规纹理信息.在特征提取出来后使用局部Fisher判别分析来降低特征向量的维度,并选择最具有可区分性和有效的特征.LFDA能够进行无指导的降维,并保留最具可分辨性的特征,对于本文提出的算法至关重要.由于在之前产生的特征向量对所有的特征并不进行强弱区分,经过LFDA后,不重要或者具有广泛普遍性的特征将会被舍弃,而最能够代表致密沉积物的特征将得以保留.这保证了之后的分类器训练能够在不牺牲训练速度的前提下,有效地形成分类区间.最后,算法使用了probabilistic boosting tree来对训练样本进行训练,PBT是按照等级划分的决策树,每一个节点是一个强决策器,它具有不易过度训练、高效准确的特征,通过输入LFDA处理后的训练样本特征向量,来学习得到致密沉积物的分类器.为验证本文提出的方法的可行性,一个包含50张电子显微镜图像的数据库被用于实验中.在这50张电子显微镜图像中,每一张都包含不同数量的沉积物区域.沉积物区域的总数约为500处.这些区域被精确标记.如果算法输出的沉积物标记与人工标记区域的重合率达到50%以上,认为该区域被准确识别,否则认为未能识别.在实验中,10张电子显微镜图像被用于神经网络的训练,而其余40张被用于测试.训练样本为100×100分辨率的图像块,只要图像块中包含沉积物区域,则视为正样本,否则视为负样本.为了增加样本个数,所有正样本被进行了旋转、平移、以及放大和缩小等变换.在训练中,一共500个正样本及约15000个负样本被输入到PBT.实验结果显示,本文提出的方法能够有效地在真实电子显微镜图像中识别致密沉积物,识别效率接近50%.该结果证明利用LBP特征以及Schimid滤波器组和Gabor滤波器组来提取显微镜图像特征能够全面概括图像中个体的显著性特征,比起单纯使用SIFT以及SURF具有更高的通用性、鲁棒性以及有效性.对于从显微镜图像中提取出来的高维度特征向量,使用局部Fisher判别分析法能够非常有效地实施降维操作,从而保留了显著性的具有区分功能的特征以便更有效的训练分类器.而probabilistic boosting tree对于只具有少量训练样本的训练任务能够相当有效地收敛且避免过度拟合的情况发生.本文提出的处理流程适用于大多数基于显微镜图像下的目标识别、分类以及再识别任务,且具有速度快、高鲁棒性以及易于扩展等特点,具有较高的实用性.     

基于视图感知的单视图三维重建算法

尽管由于丢弃维度将3维(3D)形状投影到2维(2D)视图看似是不可逆的,但是从可视化到计算机辅助几何设计,各个垂直行业对3维重建技术的兴趣正迅速增长。传统基于物体深度图或者RGB图的3维重建算法虽然可以在一些方面达到令人满意的效果,但是它们仍然面临若干问题:(1)粗鲁的学习2D视图与3D形状之间的映射;(2)无法解决物体不同视角下外观差异所带来的的影响;(3)要求物体多个观察视角下的图像。该文提出一个端到端的视图感知3维(VA3D)重建网络解决了上述问题。具体而言,VA3D包含多邻近视图合成子网络和3D重建子网络。多邻近视图合成子网络基于物体源视图生成多个邻近视角图像,且引入自适应融合模块解决了视角转换过程中出现的模糊或扭曲等问题。3D重建子网络使用循环神经网络从合成的多视图序列中恢复物体3D形状。通过在ShapeNet数据集上大量定性和定量的实验表明,VA3D有效提升了基于单视图的3维重建结果。     

Algebraic reconstruction for magnetic resonance imaging underB0 inhomogeneity

In magnetic resonance imaging, spatial localization is usually achieved using Fourier encoding which is realized by applying a magnetic field gradient along the dimension of interest to create a linear correspondence between the resonance frequency and spatial location following the Larmor equation. In the presence of B₀ inhomogeneities along this dimension, the linear mapping does not hold and spatial distortions arise in the acquired images. In this paper, the problem of image reconstruction under an inhomogeneous field is formulated as an inverse problem of a linear Fredholm equation of the first kind. The operators in these problems are estimated using field mapping and the k-space trajectory of the imaging sequence. Since such inverse problems are known to be ill-posed in general, robust solvers, singular value decomposition and conjugate gradient method, are employed to obtain corrected images that are optimal in the Frobenius norm sense. Based on this formulation, the choice of the imaging sequence for well-conditioned matrix operators is discussed, and it is shown that nonlinear k-space trajectories provide better results. The reconstruction technique is applied to sequences where the distortion is more severe along one of the image dimensions and the two-dimensional reconstruction problem becomes equivalent to a set of independent one-dimensional problems. Experimental results demonstrate the performance and stability of the algebraic reconstruction methods     

VOIR: a volumetric image reconstruction algorithm based on Fouriertechniques for inversion of the 3-D Radon transform

A novel volumetric image reconstruction algorithm known as VOIR is presented for inversion of the 3-D Radon transform or its radial derivative. The algorithm is a direct implementation of the projection slice theorem for plane integrals. It generalizes one of the most successful methods in 2-D Fourier image reconstruction involving concentric-square rasters to 3-D; in VOIR, the spectral data, which is calculated by fast Fourier techniques, lie on concentric cubes and are interpolated by a bilinear method on the sides of these concentric cubes. The algorithm has great computational advantages over filtered-backprojection algorithms; for images of side dimension N, the numerical complexity of VOIR is O(N(3) log N) instead of O(N (4)) for backprojection techniques. An evaluation of the image processing performance is reported by comparison of reconstructed images from simulated cone-beam scans of a contrast and resolution test object. The image processing performance is also characterized by an analysis of the edge response from the reconstructed images.     

Wavelet-based reconstruction for limited-angle X-ray tomography

The aim of X-ray tomography is to reconstruct an unknown physical body from a collection of projection images. When the projection images are only available from a limited angle of view, the reconstruction problem is a severely ill-posed inverse problem. Statistical inversion allows stable solution of the limited-angle tomography problem by complementing the measurement data by a priori information. In this work, the unknown attenuation distribution inside the body is represented as a wavelet expansion, and a Besov space prior distribution together with positivity constraint is used. The wavelet expansion is thresholded before reconstruction to reduce the dimension of the computational problem. Feasibility of the method is demonstrated by numerical examples using in vitro data from mammography and dental radiology.     

Matrix-variate variational auto-encoder with applications to image process

Variational Auto-Encoder (VAE) is an important probabilistic technology to model 1D vectorial data. However, when applying VAE model to 2D image, vectorization is necessary. Vectorization process may lead to dimension curse and lose valuable spatial information. To avoid these problems, we propose a novel VAE model based on matrix variables named as Matrix-variate Variational Auto-Encoder (MVVAE). In this model, input, hidden and latent variables are all in matrix form, therefore inherent spatial structure of 2D images can be maintained and utilized better. Especially, the latent variable is assumed to follow matrix Gaussian distribution which is more suitable for describing 2D images. To solve the weights and the posterior of latent variable, the variational inference process is given. The experiments are designed for three real-world application: reconstruction, denoising and completion. The experimental results demonstrate that MVVAE shows better performance than VAE and other probabilistic methods for modeling and processing 2D data.     

多孔电极材料表面微孔显微形貌数字图像分析研究

本文利用微空间三角形重构、图像灰度阈值分割及聚类统计等数字图像处理技术,实现了基于SEM像的多孔电极材料有效表面积、表面微孔统计分布及表面形貌分形维数的表征。该方法方便、快捷,可应用于多孔电极材料制备过程的在线监测/检测及结构优化。