文档介绍：医学图像三维重建中的关键算法罗东礼,徐大宏,赵于前(中南大学信息物理工程学院生物医学工程研究所,长沙 410083) 摘要: 本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。本文把 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。关键词:图像序列,三维重建,重采样,三角化 The Algorithm about 3D Reconstruction of Image Sequences Luo Dongli , Xu Dahong , Zhao Yuqian (Institute of biomedical Engineering, School of Info-Physics Geomatics Engineering, CSU, Changsha 410083) Abstract This paper discusses two important algorithms in 3D reconstruction of image sequences, . re-sampling algorithm and triangulation algorithm. An improved algorithm for Doulas-Peucker Line-Simplification is presented. This algorithm can improve the performance of re-sampling and 3D data field visualization. Triangulation is implemented by using a simple triangulation algorithm. Sequentially , 3D object reconstruction is achieve d. Keywords Image Sequence, 3D Reconstruction, re-sampling, Triangulation 0引言随着计算机软硬件技术, 以及医学成像技术的日益发展, 基于数字图像技术的医学应用系统也逐渐得到了长足的发展。在这些医学应用系统中, 在有效精确地提取出医学图像中相应目标特征量的基础上,进行人体组织或器官的三维重建[1,2] ,是很多实用系统的基础,如基于图像的病理分析[3] 、基于图像的手术导引与增强[4,5,6,8] 、虚拟手术平台[7] 等应用系统,因此医学图像的三维重建一直是国内外医学界及图像领域的研究与应用热点之一。三维重建的目的是从一系列二维切片数据( 图像) 中得到物体的三维表示, 一般使用网格的形式来表示。目前, 三维重建过程中经常延用的一种经典算法是 Lorensen 等人于 198 7 年提出的 Marching Cubes 方法[10] ,其原理简单,易于实现。但这种方法计算效率低,输出的三角网格数量巨大。因此近些年来, 仍然有研究者们从不同角度对该算法进行改进[9,11,12] 。本文在文献[13] 的基础上提出了一种改进重采样算法结合文献[9]