發(fā)布時間：2025-02-08 11:49

　　在醫(yī)學(xué)圖像的三維重建的過程中,結(jié)合圖像分割算法,一個序列的CT圖像會產(chǎn)生多個不同器官的三角形網(wǎng)格,部分器官如骨骼等會含有大量的頂點(diǎn)和三角形面片。運(yùn)行分割算法和存儲大量的器官模型都需要一個性能強(qiáng)大的服務(wù)器,但是在檢索網(wǎng)格模型的過程,傳輸整個模型是沒有必要的,既消耗大量的網(wǎng)絡(luò)帶寬也增加了用戶等待的時間。本文探討一種動態(tài)傳輸3D網(wǎng)格模型的方法,服務(wù)器端傳輸含有特征點(diǎn)的點(diǎn)云數(shù)據(jù),客戶端使用這些數(shù)據(jù)進(jìn)行表面重建,最后介紹相應(yīng)的評價算法和應(yīng)用場景。本文主要工作分為以下幾個部分:第一個部分討論三角形網(wǎng)格的特征點(diǎn)檢測算法,這些特征點(diǎn)算法主要是基于三角形面片的空間拓?fù)涮匦曰蚴穷l譜域的特性,使用相應(yīng)的算子(計算公式)計算每個頂點(diǎn)的顯著性值。依據(jù)頂點(diǎn)的顯著性值計算出相應(yīng)的局部特征點(diǎn)與全局特征點(diǎn)。本文探討并修改相關(guān)的特征點(diǎn)檢測算法,以使這些算法可以檢測出足夠的特征點(diǎn)用于表面重建。本文研究的特征點(diǎn)檢測算法分為兩大類,第一類為基于空間鄰域的特征點(diǎn)算法,如Harris-3D,第二類為基于頻譜域的特征點(diǎn)檢測算法,如Stochastic Mesh Laplacian。實(shí)驗(yàn)部分將這些特征點(diǎn)檢測算法應(yīng)用于醫(yī)學(xué)3D模型與標(biāo)準(zhǔn)3...

【文章頁數(shù)】：90 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖ｂ前視圖ｃ側(cè)視圖圖１１華佗輪廓線模型ａ正視

，本算法和凸包算法的時間復(fù)雜度分析比較．Ｇｒａｈａｍ［１２］提出的平面點(diǎn)集凸包Ｇｒａｈａｍ掃描算法，其時間復(fù)雜度為Ｏ（ｎｌｇｎ）．文獻(xiàn)［１３］提出了平面點(diǎn)集凸包的最優(yōu)實(shí)時算法，使其復(fù)雜度達(dá)到了Ｏ（ｎ）．本算法根據(jù)Ｘ、Ｙ雙向搜索連接，并對局部的連通性進(jìn)行判斷，其時間復(fù)雜度是線性的，....

圖ｂ前視圖ｃ側(cè)視圖圖１１華佗輪廓線模型ａ正視

，本算法和凸包算法的時間復(fù)雜度分析比較．Ｇｒａｈａｍ［１２］提出的平面點(diǎn)集凸包Ｇｒａｈａｍ掃描算法，其時間復(fù)雜度為Ｏ（ｎｌｇｎ）．文獻(xiàn)［１３］提出了平面點(diǎn)集凸包的最優(yōu)實(shí)時算法，使其復(fù)雜度達(dá)到了Ｏ（ｎ）．本算法根據(jù)Ｘ、Ｙ雙向搜索連接，并對局部的連通性進(jìn)行判斷，其時間復(fù)雜度是線性的，....

圖ｂ前視圖ｃ側(cè)視圖圖１１華佗輪廓線模型ａ正視

，本算法和凸包算法的時間復(fù)雜度分析比較．Ｇｒａｈａｍ［１２］提出的平面點(diǎn)集凸包Ｇｒａｈａｍ掃描算法，其時間復(fù)雜度為Ｏ（ｎｌｇｎ）．文獻(xiàn)［１３］提出了平面點(diǎn)集凸包的最優(yōu)實(shí)時算法，使其復(fù)雜度達(dá)到了Ｏ（ｎ）．本算法根據(jù)Ｘ、Ｙ雙向搜索連接，并對局部的連通性進(jìn)行判斷，其時間復(fù)雜度是線性的，....

圖4基于泊松方程的三維重建改進(jìn)算法的流程

變?yōu)橹�前�?2，權(quán)重不變，以及尺度變換后的區(qū)域AreaS～=14Area(S)，還有新的尺度函數(shù)域，因此得到:EV→槇(x～)=12EV→(x～)(13)E(m～，s～)(x～)=14E(m，s)(x)(14)以上通過兩種尺度變換參數(shù)，確保對參數(shù)權(quán)重的尺度變換不會影響最終的重建結(jié)....

本文編號：4031479