MC三维重建算法的二义性消除研究

面绘制法进行三维重建是三维重建技术的主要方法,Marching Cubes(移动立方体)算法是经典的面绘制法.本文在剖析了MC算法的基础上,针对其存在的二义性问题,给出了消除二义性的方法,从而使重建效果更加清晰.     

带输入队列并行交换的负载平衡分析

并行交换是新兴的交换技术,基于该技术能够利用小型交换模块来构建大容量的交换系统,例如太比特或更高容量的交换机.把带输入队列的并行交换称为带缓存并行交换(buffered parallel switch,简称BPS),重点研究其中并行且独立工作的交换模块之间的负载平衡问题.从不同角度出发,提出两种负载平衡的定义.基于两种定义,分别分析了BPS负载平衡的条件并提出分布式调度算法族.最后,提出一种简单而有效的调度算法,该算法能在无加速比BPS中同时满足两种定义,仿真实验结果表明了该算法的有效性和良好性能.另外,就算法的工程实现进行了讨论.     

基于标签化医学图像的多阈值三维重建算法

针对传统面绘制重建方法 MC无法一次性提取多个阈值器官的问题,提出一种将MRI图像中靶区及其周边组织进行标签化分割的多阈值三维重建算法。该算法通过将二维图像中的多阈值器官标签化为简单的整数,降低提取等值面时的数据存储量,进而提高等值面的绘制速度。同时,定义了多阈值三维重建时体素顶点索引方式和等值面相交形态,减少了传统MC算法提取多个阈值器官时存在三角面片与顶点复用的情况,且仅需一次性扫描即可重建多个器官等值面。实验结果表明,本文算法较传统MC算法,重建器官数量越多,器官彼此结构越紧密,三角面片与顶点复用情况减少越明显,在保证重建效果的同时,绘制速度可提高30%。     

基于MC算法的光刻仿真微结构的三维重建

在深度光刻中为了仿真微结构的形状,需要利用三维光场分布的数据对其进行三维重建。而MC(Marching Cubes)算法是三维重建中构造等值面的代表性的方法之一。以MC算法为基础,首先介绍了如何利用MC算法来绘制三维光场数据的等值面,然后分析将等值面和边界所围成的空洞补全的方法,最后研究了如何利用有限元分析软件的参数化设计语言将生成的面模型转换成实体模型。该方法重建的几何模型不但可以用于微结构形状误差分析,而且还可方便的用于建立有限元模型,直接应用于有限元分析。     

医学图像中微细管道结构的表面绘制算法

在医学图像处理中,常常需要提取出特定的组织或者结构,再以提取到的二值体数据为基础,对组织结构进行三维重建。传统的Marching Cube(MC)算法在对微细结构进行三维重建时,可能会产生断裂现象,不能有效保持原始体数据的连通性。以血管体数据为例,针对医学图像中微细管道结构重建提出一种改进的MC算法,以保持重建后组织结构的连通性。     

移动客户机的缓存同步算法

1.移动客户机缓存简介在移动数据库系统中,移动客户机(MobileClient,简称MC)的缓存技术可以用于支持MC的断接操作,即在MC与数据库服务器中断网络连接时,允许用户继续对数据库进行操作。与服务器级复制相比,MC的缓存属于次一级的地位,它与服务器级复制互相配合,共同支持MC对移动数据库的访问,从而提高移动数据库的可用性。     

面绘制三维重建原理及其改进算法研究

Marching Cubes(MC)算法是经典的面绘制算法,但它存在数据源复杂、分割方法单一和三维网格存储量大的问题.针对这种情况,提出了改进策略,主要是从图像预处理、图像分割及三角形网格简化方面加以讨论,并给出了相应的算法,由此使得重建算法的数据源信息更准确,适用面更广,存储效率更高.     

基于MC算法的MEMS光刻仿真的三维重建方法研究

以MC(Marching Cubes)算法为基础,提出了一种补全重建后生成的三维形体表面出现空洞的方法,使用该方法进行三维重建生成的三维形体具有完整的外表面和良好的可视化效果.提出了一种三维重建时对多个形体进行布尔运算的新方法,该方法以MC算法为基础,将三维重建和布尔运算相结合,可以简单、方便、高效地进行三维重建时的布尔运算.     

MC算法在医学图像三维重建中的应用

详细介绍了MC算法,提出了优化网格模型简化算法。优化网格模型简化算法选取坐标点的原则是,尽可能地接近原始网格,通常采用子集选择法或优化选择法。在尽可能保证图像精度的前提下,优化网格模型简化算法可以提高运算速度,而单纯的网格算法由于失真严重而缺乏实用价值。基于体绘制的网格化简化算法重建的三维模型比较完全,且算法简单,在多排螺旋CT等医学图像三维重建中有较好的应用。     

基于Matlab的脑部MRI图像三维重建与动画显示

基于Matlab软件编程实现MC算法对人体脑部MRI图像进行面绘制三维重建;利用三维旋转变换和动画函数对脑部图形进行动画显示。实验结果表明,该算法能准确地对脑部进行全方位显示,运行速度快且占的内存空间较少。