基于改进MC算法的脑图谱三维重建

随着脑图谱在神经外科手术的教学与应用中起到越来越重要的作用,脑图谱的三维重建成为了脑图谱研究的一个主要方向。针对MarchingCubes算法在提取脑图谱数据等值面效率低下的问题,通过对MarchingCubes算法的遍历方法和拓扑结构的研究,提出一种适用于脑图谱三维重建的改进算法,采用该改进算法实现脑图谱三维重建系统。并以Brainnetome Atlas脑图谱数据作为实验数据对系统效率进行测试,实验结果表明,相对于原始算法,改进算法确实提高了三维重建系统处理脑图谱数据的效率。     

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。     

MC算法在电磁场仿真的应用与实现

近年来可视化技术由于其优点得到了飞快的发展。Marching Cubes算法广泛应用于三维空间数据的等值面构建中。简要介绍MC算法的基本原理,在电磁场的仿真研究中引入该算法,针对电磁场数据和算法的特点,在实际的运用中做出改进,以满足实时仿真的要求。     

MC 算法在 CT 医学图像三维重建中的应用*

MC 算法是三维重建面绘制的经典方法,采用等值面提取的方式把所需的数据分离出来进行重建。通过对 MC 算法的原理进行分析,结合 VTK 类库编程,研究基于 MC 算法提取CT 图像病灶的方法,并通过坐标平滑的方法对算法进行改进,提高三维重建的平滑显示效果和重建速度。     

应用于油藏数值模拟的MC改进算法

针对油藏数值模拟PEBI网格的特点及其关于网格划分的已知信息,提出了基于五面体特征体元的Marching Cubes算法,并用分块逐层遍历的方法来搜索有效体元,从而减少了数据场遍历的时间。该方法无须对数据进行预处理,避免了由预处理导致的误差所引起的井筒周围等值面的失真,同时也提高了数据处理的速度。实验表明该方法生成的等值面能满足实际需求。     

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。     

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.     

空间相关MC算法的VTK实现

移动立方体是面绘制的经典算法,但要求对所有空间所有体素进行处理,执行效率不高.通过对空间相关性进行研究,即六面体体素如果与等值面相交,则等值面一定会在该六面体的6个面的方面延续,对标准的MC算法进行改进,只处理那些与等值面相交的六面体体素.可视化工具包封装了许多常用的可视化算法,为研究人员提供了极大的便利.通过空间相关性,对VTK中已有库函数vtkMarchingCubes进行改进,提高了原有算法的执行速度,同时又扩充了VTK已有的类.     

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.     

基于MC算法的高质量脊柱CT图像三维重建

从脊柱CT图像中重建出脊柱的三维模型以提供直观的术前病灶信息,能够有效辅助高难度的脊柱畸形矫正手术。针对传统MC(Marching Cubes)算法存在的重建表面不平滑、结构拓扑歧义的局限以及人体脊柱重构碎片过多的特点,提出一种基于保边局部高斯滤波与三维区域增长的改进型MC算法。该算法采用保边滤波去噪并增强边缘,局部高斯滤波平滑待重建区域以改变原有体素类型,减少二义性体素对数,有效地解决了重建表面不平滑与结构拓扑歧义问题;采用基于三维区域增长的双阈值分割算法,大大减少碎骨重建的数量。实验证明,采用高质量重建算法重建的脊柱三维模型能够满足医学三维可视化的要求。     

改进PMVS三维重建点云滤波算法

针对在小范围场景进行单目视觉三维重建过程中,稠密点云模型存在大量离群点的现象,提出一种改进的点云滤波算法.将多视图稠密重建(Patch-based Multi-View Stereo,PMVS)算法与统计分析法相融合,对利用PMVS算法得到的稠密点云进行统计分析,设定标准距离并求解点云中每一个点到其所有邻近点的平均距离...     

基于轮廓线法的汽车类外观专利图像三维重建

对立体产品的外观设计专利图像进行三维重建是外观设计专利三维检索的基本前提。结合汽车类外观专利图像的特点,提出汽车类外观专利图像三维重建方法。该方法利用三视图理论及汽车模型的对称性,根据俯视图信息确定主视图与后视图之间在不同高度的距离,进而获取三维空间点坐标;对车轮部分的连接进行特殊处理,并按照子轮廓线连接法构造四角面片,实现三维模型的重建。实验结果表明:1)与传统方法相比错误面片数降低了19.4%;2)重建效果图在外形上与实际物体更为接近。     

基于改进遗传算法的医学图片颜色迁移及重构

为了得到有效和符合真实人体器官组织的彩色仿真图片,通过灰色MRI切片和真彩图像的亮度及纹理的适应度的搜索取优而实现灰度MRI切片的颜色迁移。着重研究将改进遗传算法与点邻域亮度纹理分布和局部颜色结构分布相结合,并应用于Welsh图像彩色化算法和比较,探索用于遗传算法的种群选择、交叉和变异、编码方式和码值渐变自适应等调整技术和方法。将点邻域分布和彩色局部分布的彩色特征通过穷举法、随机法和遗传算法进行最优彩色点搜索分析比较。最后得到的彩色化的MRI切片的三维重构模型能多层次清晰地反映器官组织的分布和构造。     

基于ToF相机的三维重建技术

针对利用ToF相机实现物体的重建提出一种新的三维重建算法,通过分析物体重建过程的特点,对KinectFusion的重建算法进行改进。点云匹配过程包括粗匹配和精匹配两个过程,最后进行全局优化,提高相机位姿估计的精度,从而得到更精确的三维重建结果。利用泊松重建算法重建物体表面,相比于TSDF算法,能够实现完整表面的重建。提出结合强度图对深度图进行多边滤波的算法以及一种新的补空洞法则,增强深度图像。多边滤波算法在PSNR和SSIM的评估中都优于双边滤波结果,提出的三维重建算法与KinectFusion三维重建结果对比,表面更完整,重建结果更优。     

基于二维视图特征的三维重建

在分析现有ＣＡＤ二维参数化设计,三维参数化设计以及三维重建方法的基础上,基于工程图图形的整体宏观性,图形拓扑性及三维视图的投影规律,提出了二维视图特征的概念及一种新的工程图处理方法。     

局部线性重构分类算法研究

局部线性重构(LLR)是局部线性嵌入算法(LLE)的一个基本步骤,其目的是用线性重构的方法来表达向量数据之间的局部邻域关系。提出一种快速的监督分类算法,它采用训练集中的向量数据重构测试数据,能够最好地重构给定测试数据的类别被判定为待求标签。与相关算法的实验比较表明,该算法在分类准确性和计算时间上均有明显的优势。     

基于多层次模式匹配的三维重建方法研究

本文面向实际工程图样,首先,借助工程图样语义分析,设计了一组识别模式:尺寸约束模式、投影约束模式及组合方式约束模式;其次,提出了一种基于多层次模式匹配的三维重建新方法,根据组合体的复杂程度和识别问题的类型,分别应用上述三种识别模式,分阶段、分层次地对组合体中的基元体进行识别,然后根据识别出的基元组合关系对组合体进行重建.最后,基于该方法建立了一个三维重建原型系统一.     

基于水平集模型的3D表面重建

综合模糊技术和水平集方法,提出了基于水平集模型的3D表面重建的方法,为了使重建结果不受噪声影响且与模型初始位置无关,在模糊分割的基础上,引入了模糊外力,在该外力作用下模型能逼近任意复杂的物体表面;利用水平集方法使模型能重建任意拓扑结构的重杂物体,实验结果表明该方法的有效性。