脊柱CT图象的三维重建

先将脊柱ＣＴ图象经灰度校正、图象增强、二值分割、边缘跟踪、取样，获得一系列边缘取样点的坐标，然后进行内插、曲线拟合、曲面拟合，最后通过绕ｘ，ｙ，ｚ轴等多种方式的旋转与消除，从而获得满意的ＣＴ图象重建物体三维形貌。这样可以达到良好的视觉效果，以从不同角度看到脊柱内部组织的生长情况，对医务工作者的诊断和手术具有指导意义。     

古建筑视觉三维重建系统设计与实现

基于视觉的三维重建一直是计算机视觉领域的研究难点和热点,古建筑文化遗产的三维数字化应用就是其中之一.针对此需求,设计并实现基于图像视觉的古建筑三维重建系统.该系统由单个摄像机采集古建筑的多视角图像序列,通过图像特征提取和匹配、摄像机位置姿态计算、优化算法、三维点云生成、纹理映射等一系列自动计算过程,得到古建筑的三维重建模型.通过实验验证,该系统能够自动计算获取视觉效果良好的古建筑三维重建模型,且其实现成本低、操作简单安全,无须人工干预,可以满足当前古建筑快速安全的三维数字化应用需求.     

基于CT的医学图像三维重建

本文介绍了医学CT三维重建的算法,分析了目前所用的关键技术,为医学图像三维重建应用软件的开发打下了理论基础.最后使用VTK开发包,以手部骨骼三维重建为例,给出了实现面绘制和体绘制方案和结果.     

基于Kinect的轴类零件三维重建研究

使用Kinect采集的深度数据,进行了轴类零件三维重建算法的研究。首先借助Kinect获取深度和彩色数据,通过坐标转换将深度信息转换成三维点云数据;其次提取出感兴趣目标的点云数据,根据点云数据的噪声特点,并对其进行滤波降噪处理;然后进行点云分割获得点云集,最后对各点云集进行结构参数化分析。实验结果表明,本文算法能够精确、高效地实现轴类零件的重建。     

基于MIMICS软件的脊柱三维重建算法研究

探讨基于MIMICS图像处理软件的脊柱三维重建算法。采集真实患者脊柱部位的CT影像数据,应用比利时医学交互式影像控制系统软件(Materialise's Interative Medical Image Control System, MIMICS)对影像数据进行图像处理、三维重建。采用基于灰度值的阈值分割、蒙版编辑、区域增长等算法编辑图像,最后计算三维蒙版获得脊柱的三维模型。结果:获得可编辑的stl格式的脊柱三维模型。应用MIMICS软件可基于脊柱CT影像数据高精度、准确的、快速建立三维模型,以用于临床的测量、手术规划、3D打印和数字骨科的有限元仿真。     

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。     

基于RGB-D单目视觉的室内场景三维重建

针对室内环境单目视觉的室内场景三维重建速度慢的问题,采用华硕Xtion单目视觉传感器获取的室内场景彩色图像和深度图像进行快速三维重建。在图像特征提取上使用ORB特征检测算法,并对比了几种经典特征检测算法在图像匹配中的效率,在图像匹配融合中采用Ransac算法和ICP算法进行点云融合。实现了一种室内简单、小规模的静态环境快速三维重建方法,通过实验验证了该方法有较好的精确性、鲁棒性、实时性和灵活性。     

基于Kinect-v2的多视角三维重建实现

设计并实现了一种基于Kinect v2的简单快速、低成本实现三维重建的系统,适合离线操作且不受硬件设备限制,使用Kinect v2传感器获取不同视角的多片点云,分别将目标模型点云与周围场景点云分离并去除离群点云,利用RANSAC算法对相邻两片点云进行粗配准,将两两配准的ICP算法扩展到多片点云,设定角度阈值从两边向中间逼近的策略,减少累积误差,提高物体点云还原度,实现单个静态物体的三维重建。实验结果表明,本文在目标物较小重叠且结构特征不突出的情况下,仍能得到较好的三维点云模型,具有一定的实际应用价值。     

高铁车体表面三维重建及瑕疵点检测

针对高铁车体表面高精度三维重建问题,提出了一种基于线结构光扫描的车体表面三维重建及瑕疵点检测方法。通过安装在阵列式仿形相机支架上的多台线结构光传感器对车体表面进行三维数据采集;运用点云数据拼接技术与数据去重原理对多相机采集数据进行处理。同时设计了基于固定激光与光尺基准的误差补偿方法,以提高三维重建精度。提取指定尺寸范围的瑕疵点并输出点云数据;进行三维重建及瑕疵点检测过程节拍分析。实验结果表明:该方法在车体深度方向上能达到较高精度,检测所需时间较短,符合高铁车体表面瑕疵点检测的要求。     

基于点云面的区域性三维重建及点云拼接*

目前基于点云面的三维重建方法中,重建的区域性选择存在着两个问题：重建区域过大会导致目标物体不明确,效果不佳,运行时间长;重建区域过小会导致目标物体不完整,信息丢失。针对重建窗口过大时,本文采用改进的snake的区域性重建算法,即通过轮廓提取只对窗口内的目标物进行重建;针对重建窗口过小时,本文采用基于投影面的点云拼接算法,即通过重建后的点云进行拼接的方法使目标物体恢复完整。以上两点改进弥补了点云三维重建及拼接时出现的应用局限性和不稳定性,减少重建时间,提高重建有效性,鲁棒性。     

下颌骨CT序列图象的三维重建

在对医学图象三维重建的研究现状和已有的重建方法进行分析的基础上，从牙科医生进行牙种植手术的实际情况出发，提出了一种简单，实用的三维图象重建算法－影像配准叠加法，该方法的基本思路是：首先对二维CT数字图象进行影像纠正，内插和配准，以确定每个像素的三维坐标值，再按其空间位置关系给每个像素点设置适当的透明度，然后进行影像配准叠加，以便在二维屏幕上显示出具有立体感的真三维图象来，实验结果表明，该方法定位精度高，重建图象失真度小，既能作定性观察，又能作定量测量，并且测量数据精度较高。     

基于CT切片的人脸三维重建

人类感知外界信息,80%是通过视觉得到的。三维重建一直是计算机视觉领域最热门的研究方向之一。研究了基于医学图像的三维重建,从一系列二维断层医学图像中重构出三维实体,以便满足医学应用。     

三维重建中深度图像配准方法研究

三维重建是计算机视觉的主要目的,也是计算机图形学领域的研究热点。通过两两配准和多视角配准的深度介绍和举例说明,系统介绍了深度图像配准方法。通过这些方法可以大大简化三维物体的识别和定位等问题,开辟了机器视觉的一个新途径。     

骨组织模型3D打印建模中CT图像序列选择的策略分析

骨组织模型的精确3D打印对骨科手术前进行手术方案规划、术中定位和术后评估手术效果均有不可替代的作用.然而,打印等比例的、与患者完全匹配的、精确的骨组织模型涉及术前CT影像扫描、3D建模、3D打印及打印后处理一系列流程.其中,对于3D打印前的重建,CT扫描图像序列的选择直接影响打印模型的质量.通过比较骨窗序列和标准序列C...     

单图三维重构方法

在场景深度信息未知的情况下,由多视点成像产生的焦散失真是无法消除的。针对该问题,利用多视点成像中光束斜交的特性,提取失真图像中结构化图形中包含的场景深度信息,实现对单幅多视点图像的三维几何结构重建。重构适用范围包括所有已知函数形式的曲线,尤其为直线、圆等特殊几何图形的三维重构提供了专门的数学方法。     

基于体绘制法的头部CT图像的三维重建

介绍了体绘制法重建医学三维图像的方法,基于真实CT图像数据,使用MATLAB的图像处理工具箱重建了头部的三维图像.     

基于图像分割的三维重构

三维重构方法是医学图像可视化系统、治疗计划系统的重要技术。基于图像分割的三维重构方法结合了图像分割、等值面抽取、网格简化三种技术,是不同于传统Marching Cubes算法的一种三维重构方法。它首先将医学图像分割为二值图,然后利用Marching Cubes方法进行等值面抽取,最后对得到的网格模型进行简化。实验结果表明,基于图像分割的三维重构方法加快了Marching Cubes的运算速度,改善了重构的效果,有利于实现对基于三维重构的大型几何模型的实时绘制和交互。     

医学图像三维重建中的关键算法

该文主要讨论了基于序列图像的三维重建中的两个关键算法:特征数据点列的重采样算法与三角化算法。把Douglas-Peucker线性简化算法应用在特征边界的重采样上,数据的压缩比得到了明显的改善,也显著地提高了可视化速度。并使用一种简单的三角化算法,对重采样后的数据点列进行三角化,实现目标的三维重建。     

ImageJ软件在三维立体CT图像处理中的应用

通过使用ImageJ这款开放源代码的图像处理软件对一组人头部颅内的CT切片进行处理,着重介绍了ImageJ在三维CT图像处理中的应用。给出了ImageJ进行三维CT图像处理主要的操作方法和处理后的效果图,为更好地使用ImageJ对CT图像进行三维处理提供参考。通过先计算各个感兴趣区域的面积,再累加实现了三维模型体积的计算。如果进一步知道图像的物理分辨率及CT切片的物理间距,则可以计算出感兴趣目标真实体积。