基于Double Marching Cubes的表面重建算法

为克服基于Marching Cubes的表面重建算法在绘制三维表面时因二义性面的存在而使生成的表面网格易出现错误连接而形成层间空洞的不足,提出了基于Double Marching Cubes的表面重建算法.该算法采用双立方体体素作为生成表面网格的基本单元,以双立方体的12个特征点的标记情况为依据,建立一个双立方体体素索引表,通过查找索引表的方法绘制三维表面.该算法在建立双立方体索引表时就排除掉了二义性面的所有错误连接方式,因而生成的表面网格不会出现层间空洞,避免了为消除二义性面所进行的复杂计算,加快了表面重建的速度.     

基于区间树硬件加速索引的Marching Cubes算法

为了充分利用GPU的海量线程并行架构,提高等值面可视化效率,提出一种基于区间树硬件加速索引的Marching Cubes算法.该算法在预计算阶段利用GPU构造多区域的区间树作为体数据体素的值域索引;在实时运行阶段根据用户给定的阈值,通过该索引并行地搜索活跃体素,并生成活跃体素的多级索引,然后分配线程处理活跃体素,抽取并绘制等值面.将文中算法应用到不同体数据上的实验结果表明,其能够显著地提高现有Marching Cubes算法的效率;与现有的GPU基准算法相比,最高能达到4～10倍的加速比.     

基于最近邻Marching Cubes的医学图像三维重建

在医学图像三维可视化中,移动立方体算法（Marching Cubes,MC）是面绘制的经典算法。针对MC算法计算插值点导致执行速度慢、效率不高的缺点,提出一种基于最近邻逼近的MC算法,该方法在n次等分点量化序列中寻找等值面最近邻点代替线性或非线性插值,既避免了插值的大量计算又保证了误差精度,还可改善三角面片结构。利用可视化工具开发包VTK对人体脸部和脚部CT数据集进行三维重建,实验表明改进算法明显缩短了绘制时间,提高了重建效率。     

对体可视化Marching Cube算法的改进

提出一个由三维数据计算等值面中点的算法,它在两方面对标准Ｍａｒｃｈｉｎｇ Ｃｕｂｅ算法进行了改进。第一个改进是：在等值面上样本点的状态依赖于它所连接的边同等值面相交的数目;第二个改进是：两相邻样本点中等值面多边形顶点被定位于中点,使得共面三角片合并为一个多边莆,减少了生成多边形的数量,提高了算法效率。     

Marching Cubes算法研究现状

对现有的Marching Cubes改进算法从拓扑结构二义性、提高逼近精度、算法的时间和空间效率3个方面进行综述,对每一类改进算法进行新的分类,并对各类算法的实验结果进行比较.     

离散Marching Cubes算法在骨科手术模拟系统的应用

为保证模型相对准确和满足模拟手术过程中三维交互的实时性要求,手术模拟系统要求在保持模型拓扑结构的前提下简化模型。该文详细介绍了离散MarchingCubes(DiscMC)算法及其实现,在实现过程中使用查表法,解决了二义性问题,提高了程序的运行效率。实验表明,DiscMC算法在保持模型的拓扑结构基础上大幅度减少了三角面片数目,缩减比例达66%。DiscMC算法作为计算机模拟骨科手术系统的三维表面模型重构和简化算法是合适的。     

基于CUDA架构的改进Marching Cubes算法

Marching Cubes是医学体数据可视化的经典算法,但生产的网格质量差、算法执行速度慢成为阻碍其用于数值分析的两个主要缺点。文中提出一种基于硬件加速的Marching Cubes改进算法。该算法采用统一设备架构(CUDA)充分发挥Marching Cubes算法分而治之的优点,利用CUDA的可编程性并行分类体数据,加快了活跃体素和活跃边的提取;同时,该改进算法将得到的活跃边按照中点投影方式进行偏移,从而达到了改善网格质量的目的。最后通过实验表明,该算法可以保证在阈值未知的情况下,进行交互式的高质量网格建模。     

基于气象雷达回波3D重建的Marching Cubes改进算法

根据气象雷达回波数据的三维极坐标分布特点,提出一种改进的Marching Cubes三维重建算法.该算法将Marching Cubes常规算法中的单位正立方体构建转换为直接对回波极坐标数据的拟柱体构建,生成相应的等值三角面,并对三角面的顶点数据进行地曲订正,供OpenGL显示.为进一步提高重建算法的效率,该算法避免了对高仰角远距离无回波区的重建.实验表明,该算法有效实现了雷达回波的三维重建.     

基于改进Marching Cubes算法的乳腺MRI肿块三维重建

核磁共振成像MRI(Magnetic Resonance Imaging)是目前乳腺癌肿块诊断的常用辅助手段,对图像的正确解析是关键,针对传统MC(Marching Cubes)面绘制算法应用于乳腺MRI图像的不足,提出了改进方法。首先利用乳腺MRI序列图相邻帧间图像灰度分布的相似,肿块组织形状相近等相关性,在RSF(Region-Scalable Fitting)模型的基础上利用初始轮廓迭代的方法提取肿块区域。接着将多组参数下获得的结果,依据每一帧与其前后帧的重叠面积越大越好作为条件进行筛选,使提取的等值面最优化。最后采用基于加权二次误差度量的三角形折叠方法,对面绘制产生的大量三角网格进行了简化。将所提出的改进方法应用于30例乳腺MRI序列图,实验结果表明,对于乳腺MRI肿块的三维重建在精度和绘制速度上都比使用传统MC算法有很大提高。     

移动立方体算法的研究和改进

CT三维重建技术是辅助医生对病情进行分析和显示的有效工具,它极大地提高了医疗诊断的准确性。移动立方体法（Marching Cubes,MC）是一种经典的医学图像三维重建算法,但是在实际使用中还是存在着一些缺点。针对传统MC算法出现的两个问题：（1）用直线代替双曲线来构造等值面会产生误差;（2）重建过程中大量时间耗费在检查空立方体上,提出了一种改进的MC算法,分别通过切片图像间的插值和基于分割的快速查找法来对此进行解决。通过实验表明,改进的MC算法比起传统MC算法,在三维重建的效果和效率上都得到了很大的提高。     

一种改进的MC算法

为了对等值面与子等值面进行提取和分组,在MC算法原理的基础上,提出了一种改进的等值面提取与子等值面分组算法。该算法首先将数据场分解为点、棱边、面与体元的拓扑结构;然后在整个数据场范围内求所有棱边与等值面的交点,并在面内连接交点形成面与等值面的交线,交线在体元内连接生成空间多边形;接着通过三角化各个体元内的空间多边形得到由顶点表与三角形表组成的等值面数据;最后根据三角形在顶点处的连接关系,采用种子算法对属于同一子等值面的三角形与顶点进行标记,属于同一子等值面的顶点与三角形将被存放在独立的顶点表与三角形表中。实验结果表明,该算法可以高效地实现等值面提取与子等值面的分组。     

基于MC算法的医学建模方法与研究

针对现有医学图像特点,提出了一种医学三维建模的新方法.该方法基于传统MC算法,结合种子填充思想进行等值面扩展,并利用DMC方法进行插值位置取代,最后直接连接等值点生成多边形网,从而减少了面片数量,很好的解决了二义性问题.实验表明,该方法较传统方法在拓扑结构、存储空间和处理速度方面均有较大改善.     

MC算法与MT算法的比较

三维医学图像表面重建算法是近来的一个研究热点,目前已有多种算法,其中最具代表性的是Marching Cubes(MC)算法和Marching Tetrahedra(MT)算法.本文对这两种算法的实现原理进行了分析比较,给出了实现这两种算法的数据结构,分析了两者的实现过程,并针对具体的实验结果比较了两者的优劣.     

Exact Isosurfaces for Marching Cubes

In this paper we study the exact contours of a piecewise trilinear scalar field. We show how to represent these contours exactly as trimmed surfaces of triangular rational cubic Bézier patches. As part of this, we introduce an extension of the marching cubes algorithm which gives a topologically exact triangular approximation of the contours for any case. Finally, we modify the exact contours to be globally  G¹  continuous without changing their topologies. We test the algorithm on both theoretical and practical data sets.     

基于Marching Cubes重组的外存模型渐进压缩

外存模型是指其规模远远超出内存容量的海量模型．为提高其存储、传输、显示等操作的效率,对外存模型进行渐进式的压缩是非常重要的．但当前已有的外存模型压缩算法都是单一层次的,不能做到渐进压缩．为此,该文提出一种针对外存模型的渐进压缩方法．能高效地压缩外存模型,并进行多分辨率的传输和显示．该方法首先将外存模型的包围盒空间按照八叉树形式进行剖分和层次化组织,使得最精细层次的各个立方块空间中的局部模型都能完全装入内存进行处理;然后,在各个立方块中对局部的模型进行基于Marching Cubes方式的重新拟合,并在此基础上建立各个局部的自适应八叉树;最后,基于各个局部自适应的八叉树,由粗至细渐进地遍历全局自适应八叉树的各个节点,并利用对内存模型能高效渐进压缩编码的先进方法进行编码压缩．实验表明,该方法对外存模型的压缩比达到了与处理内存模型相似的压缩比．高于目前的外存模型压缩方法,是第一个能渐进压缩外存模型的方法．