移动立方体算法中的三角剖分

Marching Cubes（MC）算法是基于规则体数据抽取等值面的经典算法。分析了该算法中的交点连接问题,解决连接上的二义性问题,从而更好地生成多边形;对于生成的非平面多边形,对三角剖分进行了优化,以此改进了移动立方体算法,通过实验验证了算法的正确性。     

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.     

基于改进MC算法的医学图像三维重建研究

MC算法是经典的三维重建方法。但它重建时效率低,产生了大量的三角面片,增加了绘制的时间和空间。而且存在拓扑二义性,会使重建后的图像产生空洞的结构,重建的效果也不是很理想。对此,提出相应的改进策略。介绍了如何提高计算效率、减少三角面片数量、消除二义性和平滑图像等方面。通过实验证明了改进算法的可行性。     

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。     

Marching Cubes算法改进研究及应用

对MC算法进行了改进和优化,运用渐近线判别法解决了原有算法的二义性问题,改善了生成图形的质量;利用线性八叉树结构提高了图形的绘制速度,使实时绘制和交互操作成为可能。运用改进后的MC算法,结合某铁矿实测数据进行矿体表面三维重构,得到了满意的效果。     

基于改进MC算法和分数阶混沌的CT图像三维重建和加密方案

在现代医疗领域的病理诊断与手术实操中,需要对CT进行三维重建实现二维图像的三维可视化以提高诊断和操作的正确性。针对目前三维重建耗时过长、精度欠佳等问题,提出了一种改进的MC算法,采用包围盒分割算法提取包含等值面的体素,有效提高了重建效率;利用三线性插值法计算等值面与体素的交点信息,从而提高了重建精度。为保障医疗信息在云存储以及网络传输的安全性,提出了一种基于分数阶Lorenz混沌的三维模型加密方案,实现了重建数据在频域的混沌加密。实验结果表明,改进的MC算法具有良好的重建效率和重建精度,提出的加密方案能有效地保护重建后的三维数据,并能抵抗穷举攻击、差分攻击和统计攻击。     

移动立方体算法面二义性问题研究

在三维表面建模技术中,Marching Cubes算法是应用最为广泛的方法之一。该算法简单高效,但是也存在一定的不足之处,比如面的二义性问题。构造等值面时,在特定情况下对相同的等值点可以采取不同的连接方式,就会产生二义性,这将使得生成的等值面拓扑结构不一致,导致物体表面模型有孔洞。针对这一问题,本文提出了一种基于插值点连线交点的解决方法,通过计算插值点连线交点的场函数值,唯一确定二义性面上等值线的连接方式,解决了面二义性,保证了等值面拓扑结构的一致。     

改进的光线投射法

采用光线投射法对连续CT图片进行三维重建,针对传统的光线投射法采样点计算量大,难以实现交互的问题,在采样过程中,利用平行投射直线之间的空间递推关系,提出了快速计算射线与平面集合的交点的算法,加快采样点的获取速度,实现重建速度上的提高。针对光线计算重复的问题,采用简化后的Phong光照模型,使得最后重建的显示效果更加理想。通过一台带有独立显卡的PC机,实现了改进后的算法,验证了该算法的实际效用。     

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。     

一种任意多边形窗口的直线裁剪算法

在多种裁剪算法的基础上进行分析和改进,提出了一种新的裁剪算法,算法通过计算任意多边形每条边所在直线与被裁剪线段所在直线求出真实的交点,并通过交点排序后的奇数校验法判断出交点所在位置,即是在任意多边形的内部还是外部,该裁剪算法通过实验证明了具有很高的算法效率.     

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。     

二维PCA非参数子空间分析的人脸识别算法

提出一种结合二维PCA(2DPCA)的二维非参数子空间分析(2DNSA)人脸识别算法.利用2DPCA对原始图像矩阵进行特征降维,以降维后的特征为训练样本,进行二维非参数判别分析,并综合考虑类边界样本对分类的影响,采用2DNSA实现更合理的特征提取.基于Yale、LARGE人脸数据库的实验结果表明,与(2D)2pCA、2...     

基于改进BM3D算法的椒盐噪声去噪

在处理由椒盐噪声污染的高对比度图像时,使用传统的三维块匹配算法（Block-Matching and 3D filtering,BM3D）去噪不能有效保留图像的边缘和纹理细节,在图像的边缘会出现边缘振铃效应。为了改善传统BM3D算法在处理椒盐噪声时的不足,提出了用边缘方向代替水平方向搜索相似块的BM3D改进去噪算法。实验结果表明,改进BM3D算法获得的相似块数量是传统BM3D算法的3倍,峰值信噪比（PSNR）也得到进一步提高,在去除椒盐噪声的同时也使图像边缘得到有效保留。     

基于分段式序列图片集的运动恢复结构

多视图运动恢复结构（Structure from Motion,SFM）是三维重建中相机姿态估计的一种最常用的方法。传统SFM采用增量方式处理图片,算法的时间复杂度是[O(n4)],当图片数量较多时,重建时间很长。此外,由于图片噪声影响,漂移误差将随着图片数量增加不断累加,影响最终的重建质量。添加集束调整（Bundle Adjustment,BA）可以优化重建结果,但是需要花费更长的时间。在现有增量式算法的基础上,提出基于分段式序列图片集的方法,将序列图片集按照相似度划分为小集合,对每个小集合进行并行计算,减少误差累积量和重建时间,最后再用BA进行全局优化。实验结果表明,该方法能在保持一定精度的前提下,有效减少重建时间。     

自适应IQA阈值序列图像NLM超分辨重建方法

序列图像超分辨率（super resolution,SR）算法可以利用多帧低分辨率图像之间的互补信息重建出一张高分辨率结果。传统非局部均值（non-local means,NLM）超分辨率重建方法的迭代次数选取和最佳SR重建结果筛选过程高度依赖使用者经验值和主观评价,这极大地增加了算法复杂度,降低了算法的鲁棒性。为了解决这两个问题,提出一种基于图像质量评价（image quality assessment,IQA）自适应阈值的NLM超分辨重建算法。通过设计一种SR重建结果质量评价指标,将该指标引入到NLM重建算法中：一方面作为阈值,用以确定算法迭代收敛条件;另一方面作为评价标准,用以筛选多个输出结果中重建效果最佳的高分辨率图像。实验结果表明,提出的算法能在有效保证鲁棒性的同时,极大地提升NLM超分辨率重建算法的运算效率。     

图像压缩感知的双收缩快速迭代算法

针对传统图像压缩感知重构算法重构质量差及时间复杂度大的问题,提出一种双收缩快速迭代算法.通过引入阈值和正则化参数的双收缩,逐步迭代恢复图像信号,以加快收敛速度,改善重构质量.仿真结果表明,与传统阈值迭代算法相比,该算法重构图像的峰值信噪比较高,在低采样率下运行时间较少.     

心内膜表面几何模型三维重建算法研究

心内膜三维表面重建是心内膜三维标测系统中的关键问题。为了满足实际应用需求, 根据采集到的散乱点云数据的特点, 提出了一种改进的泊松表面重建算法。在估计表面点云法向量的基础上, 对表面点云法向量进行法向量一致化处理, 有效地控制时间复杂度, 快速重建出平滑的心脏模型。针对泊松表面重建算法中构建MC曲面出现的二义性问题, 提出一种消除二义性的简化改进方法, 可以更加精确地获取模型逼真表面, 提高重建的速度和精度。同时, 可以根据医生的要求, 对重建出的模型实时修正, 满足临床应用。最后, 通过实验验证了算法的有效性和可行性。     

小波域三维块匹配图像去噪

提出了一种关于图像去噪的三维块匹配算法（BM3D算法）的改进算法。它不仅保留了三维块匹配算法好的性质,而且最大的优点是能大大减少计算量,缩短运算时间。算法包括三个步骤：首先,对含噪图像进行小波分解;其次,对小波分解后的高频分量用三维块匹配（BM3D）算法进行去噪处理;最后,用处理后的结果进行小波重构得到去噪图像。给出了该算法的详细实现过程,并把它与以前的三维块匹配算法进行了比较。结果表明,改进后的算法,不但保留了三维块匹配算法在去噪方面好的性质,而且大大减少了运算量。     

基于模糊函数SVD和改进S3VM的雷达信号识别

为提升在日趋复杂的电子对抗环境中对雷达信号识别的准确率,提出了一种基于启发式采样搜索（Heuristic Sampling Search,HSS）改进S3VM的雷达辐射源信号识别算法。根据模糊函数理论,通过对雷达信号的模糊函数进行奇异值分解（SVD）,提取出奇异向量作为雷达信号识别的特征参数;针对传统的半监督支持向量机（Semi-supervised SVM,S3VM）的不足,利用改进的S3VM构建分类器对雷达信号进行分类,完成对测试样本的识别。该方法通过启发式采样搜索来寻求具有代表性的多个大边缘低密度的分类决策面,有效解决传统S3VM分类精度低且分类性能不稳定等缺点。实验结果表明,在雷达信号识别中,该算法明显提高了分类准确率。     

最小能量约束与ARDP算法混合的病灶点云重建

针对传统面绘制方法随真实感的提升效率急剧下降,且交互性及灵敏度较差的问题,基于CT点云数据提出了一种肝脏病灶的表面重建方法。首先改进了点云数据的插值和自适应精简方法;然后提出将模型重构过程分为两部分,先通过最小能量约束和简化的MC算法由点云距离场快速创建粗糙的基底模型,接着提出一种线性最优化的ARDP算法用于自动计算点元投影向量,从而将当前模型表面节点直接映射至点云,通过交互式地确定迭代次数可按需逐步提高模型精确度,最终获取高质量模型,实现散乱点到平滑面的直接过渡。实验结果表明,利用该算法生成平均误差小于0.000 1的高精模型将大大缩短时间,且对不规则病灶模型有着良好的适应性。