工业CT断层序列图像三维重建的实现

文中对ICT序列断层图像进行三维结构的重建和显示。先对图像进行预处理，去掉空气环，然后再利用Matlab功能强大的函数用体绘制方法进行断层序列图像的三维重建，对某一工业CT机提供的实测数据进行了三维重建，实验结果比较理想。     

曲面网格数据的边缘提取与显示

曲面网格数据是有限元计算与实际测量中经常得到的一类重要的离散数据,由于其采样不规则,采样点分布在曲面上,因而已有的图像分析方法不再适用,文中讨论了该类数据的特征分析方法,给出了曲面网格数据中特征区域边缘的自动提取与显示方法。     

一种体数据面绘制算法

三维标量场可视化技术不仅可以绘制等值面,而且可以模拟X线的透射效果,文中以彩色分割医学图像为背景讨论了体数据的表面绘制算法;应用势函数原理,给出了一种新、快速有效的法向计算公式,并给出部分实现细节;最后,应用光线投射原理,绘制出彩色图像空间中物体表面的高度真实感图形。     

图像边缘提取的简单算法及应用

图像边缘识别在实际中有很重要的应用，Roberts、Sobel、Prewitt、Krisch、Gauss-Laplace边缘检测算子及轮廓提取或轮廓跟踪、利用平滑技术提取图像边缘、利用差影技术提取图像边缘、利用小波分析技术提取图像边缘等方法是常用的方法。     

放射治疗计划系统中基于边缘模板的体廓自动提取

放射治疗中,治疗计划系统对CT、MRI等医学影像进行处理,获得体表、肿瘤等感兴趣组织的轮廓,是完成治疗规划的重要基础。论文针对CT/MRI图像的特点,提出并实现了一种基于边缘模板的体廓自动提取方法。该方法对图像进行平滑处理和锐化后,由Guass-Laplace算法进行边缘检测和轮廓提取,然后手工编辑和修改第一张图片的体廓数据,以此作为边缘模板,自动提取后续图片的体廓。该方法实现方便,效果好,满足了治疗计划系统对体廓自动提取的要求。     

工业CT体数据切片重组方法研究

为了获取工业CT体数据任意方向的切片序列,提出了一种切片重组方法。该方法首先对体数据进行封装并定义逻辑坐标系,接着在逻辑坐标系中计算剖切平面的法向量和中心,求出平面的运动轨迹方程,并提出一种新的剖切面采样准则。对汽车引擎三维工业CT体数据进行了切片重组,得到了新的图像序列。该方法可连续、自动地获取任意方向的序列切片图像,弥补了工业CT不能从任意角度扫描的不足。     

阈值自适应CNN的彩色图像边缘提取

细胞神经网络用于彩色图像边缘提取已经有很多人做了研究。现有的大部分工作都根据经验选取固定阈值来设计CNN模板。但这种阈值的选取方法忽略了人眼最小分辨差具有自适应性的特点。在设计图像边缘提取CNN模板选取阈值时,引入人眼最小阈值差成果,设计出了一组阈值自适应的CNN模板,同时对设计的阈值自适应算法的稳定性进行详细的论证。该算法让检测出的边缘更加符合人眼的视觉特性。实验结果证明,该算法效果良好。     

用细胞神经网络提取二值与灰度图象边缘

边缘是图象的重要特征,采用细胞神经网络提取图象边缘时,网络参数的选择是一个重要问题。为了能够有效地提取图象边缘,基于高通滤波模板,选择了细胞神经网络的一组简单易行的参数,首先将其用于检测二值图象边缘,再在此基础上,通过综合灰度值各位面边缘检测的结果提取出灰度图象的边缘。与传统边缘提取方法Sobel和Log方法的比较可见,该方法是有效的,并且由于细胞神经网络具有高速并行运算、便于硬件实现等特点,因此使其在图象实时处理中具有更大的潜力。     

基于pillar grid三维地质体表面模型提取算法

在油气勘探开发过程中,三维地质建模技术应用越来越广泛。pillar grid是目前主流三维地质建模软件应用的结构化网格,提供储层流体流动的描述方法。如何更加直观地展示地质体构造形态,将地质体网格数据中三维地质体表面模型提取出来在地质建模中具有较高的应用价值。因此,提出一种三维地质体表面提取算法,对基于pillar grid三维地质体数据进行解析,提出其表面模型来辅助计算机可视化展示。该算法主要包含基于pillar grid无断层三维地质体表面模型提取算法和带有复杂断层三维地质体表面模型提取算法两部分。通过实际的三维地质体模型数据进行算法验证,证实该算法能够较好地实现基于pillar grid复杂三维地质体表面模型提取功能,满足实际需求,具有应用价值。     

基于matlab边缘提取的几种方法的比较

简要介绍了几个基于Matlab的图像轮廓提取技术,如roberts、sobel、prewitt、Laplacian、canny等边缘检测算子,比较了这几个边缘检测算子的处理结果.     

基于工业CT体数据的三维测量方法研究

采用工业CT体数据,研究了三维图像空间的距离、角度、平面面积、曲面表面积、目标区域容积等几何参数的精确测量方法,并将图像空间的测量结果转换到物理空间,从而实现了产品内部结构几何尺寸的测量。结合某标准工件模型,通过实例比较了该文方法的测量结果和实际尺寸的差别,结果表明该文方法具有较高测量精度。     

工业CT图像中小间隙裂纹的亚像素测量方法

工业部件内部小间隙裂纹测量是公认的技术难题,研究工件断面CT图像中小间隙裂纹的测量方法,使之达到亚像素精度。脊波变换是近年在小波变换基础上发展起来的新的分析方法,脊波变换对于图像中的线状奇异性（如边缘、裂纹等）较敏感,且它对图像中的点状噪声有抑制作用。在利用脊波变换检测工业CT图像中工件裂纹边缘的基础上,对小间隙裂纹的平均宽度进行亚像素测量。而工业CT图像成像时存在的点扩散效应,使测得裂纹宽度较真实的要宽些。因此采用宽度收缩的方法获得裂纹平均宽度并进行尺寸标定。实际工业CT图像的实验结果表明,该方法的测量精度能够达到亚像素级精度,可应用于工业CT图像中的小间隙裂纹测量,也可应用于其他类型图像。     

Edge detection based multi-material interface extraction on industrial CT volumes

X-ray CT scanning is recently becoming a popular technology for industrial applications as well as medical ones. Since the geometrical accuracy is often important for industrial applications, more precise methods for processing CT volumes are required. This paper proposes a method for extracting the multimaterial interfaces on CT volumes obtained by industrial CT scanners. Instead of extracting isosurfaces we detect edge-points, at which the norm of the volume gradient takes a local maximum in the gradient direction, and then interpolate the points as the material interfaces represented by the zero-level of compounded implicit functions. In order to achieve a robust material-identification, multilabel graph-cut is utilized in our method. Using edge-points, we can reduce the inaccuracy caused by CT scanning artifacts.     

工业CT三维图像曲面面积与内腔体积的测量

三维工件尺寸参数的测量,是从工件出发获得设计图纸的逆向工程的基础。但工件内部结构特别是封闭内腔的测量用传统测量方法难于实现。研究了基于工业CT的三维图像曲面面积与内腔体积测量的算法,针对工业CT断层图像,用C-V方法分割,在得到目标区轮廓点的基础上,计算面积与体积。为了使得到的曲面平滑,计算曲面上点到形心的距离并用高斯卷积进行轮廓滤波再测量。实验结果表明：该方法与传统的先图像去噪再分割测量的方法相比,有较好的测量精度。     

工业CT图像管道拟合

研究了工业CT图像序列中工件内部管道的拟合方法。在利用Facet模型提取管道边缘的基础上,将三维圆柱面、椭圆柱面管道的拟合转化为中心轴截面上的二维轮廓曲线圆、椭圆的拟合,与传统的三维曲面拟合相比,效率更高。通过对实际的发动机工业CT图像进行实验,结果表明该方法可以较准确地获取工件内部管道的几何参数,为基于工业CT的逆向工程打下基础。     

基于卷积神经网络的时频域CT重建算法

针对采用时域滤波器解析重建后图像存在伪影和图像细节丢失等问题,提出了一种基于卷积神经网络（CNN）的时频域计算机断层扫描（CT）重建算法。首先,在频域中构建了基于卷积神经网络的滤波器网络,实现投影数据的频域滤波;其次,利用反投影操作算子对频域滤波后结果进行域转换得到重建图像;接着,在图像域构建网络对来自反投影层的图像进行处理;最后,在采用最小均方误差损失函数基础上引入多尺度结构相似度损失函数组成复合损失函数,减轻神经网络对结果图像的模糊效应,保留重建图像细节。图像域网络和投影域滤波网络联合作用,最终得到重建结果。在临床数据集上验证了所提算法的有效性,相较于滤波反投影（FBP）算法、全变分（TV）算法及图像域残差编解码CNN（RED-CNN）算法,当投影数目分别为180和90时,所提算法重建结果图像信噪比（PSNR）和结构相似度（SSIM）最高,且归一化均方根误差（NMSE）最小;当投影数目为360时,所提算法仅次于TV算法。实验结果表明,所提算法可以提高CT图像重建图像质量,是一种可行且有效的方法。     

基于两组细胞神经网络的工业CT图像分割

采用两组细胞神经网络实现工业CT图像的分割。一组细胞神经网络用粗分割,得到阈值分割图像,在此基础上用另一组细胞神经网络细分割,得到精细的边缘等信息。修正网络稳定态的定义,以网络伪稳定态作为网络迭代过程的终止条件。应用该方法,以发动机切片CT图像作为实验对象,能取得较好的效果。     

Lipschitz指数与平稳小波变换在CT图像去噪中的应用

针对CT切片图像噪声特点以及应用需求,提出了基于Lipschitz指数和平稳小波的CT图像去噪算法。利用改进的中值滤波器滤除图像的脉冲噪声,然后根据图像阶梯边缘的Lipschitz指数与小波系数之间的关系,在更好地保护图像边缘细节的前提下,利用平稳小波变换的阈值去噪方法滤除高斯噪声。实验结果表明,该方法无论是在视觉效果上,还是在最小均方差意义和信噪比增益上,以及保护图像边缘细节上都有很大提高。     

单幅图像超分辨重建的深度学习方法综述

图像超分辨重建（Super-Resolution,SR）是指利用信号处理和机器学习等方法,从单幅或者多幅低分辨率图像（Low Resolution,LR）中重建对应的高分辨率图像（High Resolution,HR）的技术。由于多幅LR图像之间亚像素位移的不可预知性,单幅图像超分辨重建（Single Image Super-Resolution,SISR）逐渐成为超分辨研究的主要方向。近年来,深度学习方法得到迅速发展,并广泛应用到图像处理领域。因此,针对单幅图像超分辨重建所使用的深度学习相关算法和网络模型进行系统的总结。介绍图像超分辨问题的设置和评价指标;讨论和比较单幅图像超分辨重建的深度学习算法,主要从网络结构设计、损失函数和上采样方式三方面进行论述;介绍常用的标准数据集,并选用基于不同网络模型的几种典型算法进行实验对比分析;展望图像超分辨技术未来的研究趋势和发展方向。