文档介绍：医学图像三维重建算法的研究
梁燕
主要内容:
背景
三维重建算法的简介
改进的简化算法及发展
背景:
CT、MRI、OCT等医疗仪器只能提供人体内部的二维图像,二维图像只表达某一截面的解剖信息,医生们只能凭经验由多幅二维图像去估计病灶的大小和形状,构思病灶与其周围组织的三维几何关系,这就给治疗带来了困难。医学图像三维重建与可视化技术就是在这一背景下提出的,这一技术一经提出,就得到了大量研究与广泛应用。可视化的研究涉及到许多不同的领域,如计算机图形学、图像处理、计算机视觉、信息处理,计算机辅助设计及交互技术等。
三维重建算法简介:
目前三维重建算法大致分为两种:
面绘制算法如移动立方体(Marching Cubes)
通过几何单元拼接,拟和物体表面来描述物体的三维结构
优点:速度快、绘制方便
缺点:不能显示图像的细节
体绘制算法如射线投影法(Ray casting)
直接将体素投影到显示平面
优点:图像质量高、便于并行处理
缺点:计算量大,运行时间长
算法的步骤:
图像获取:从OCT获得
图像的预处理:去噪、减少计算量
层间插值:层间的分辨率与每幅二维图像的分辨率不能差很多
图像分割:分割出待重建的组织
利用三维重建算法重建模型
渲染模型并显示
重建单位-体素
MC算法存在的难点:
1)对组织进行正确的分割
2)三维数据量很大,计算交点的坐标的运算量很大
3)保存提取出表面的坐标需要大量的空间
4)渲染表面的时间较长
改进的目标:加快绘制速度
提高成像质量
节省存储空间
改进算法-网格简化算法
网格简化算法是虚拟现实中细节层次模型的主要研究内容,思想是近景中用精细模型而远景用粗略模型来表达,以实现实时绘制的需要。
DeHaemer利用自适应递归方法提出基于规则四边形网格表示物体的简化多边形网格方法
Schroeded提出了基于顶点移去的网格简化算法
网格简化算法分类:
自适应细分
找到一个简单的基本网格,不断细分不断接近原始模型
删除
重复的从网格中删除顶点或面片,对因此产生的洞进行三角化
顶点合并
将三角片中两个或三个顶点合并为一个顶点,合并后的新顶点又可参与下一轮的合并,减少了整个多边形的数目