三維圖像中邊界曲面的自適應(yīng)檢測與重構(gòu).pdf

1、經(jīng)過幾十年的發(fā)展,圖像的可視化技術(shù)已經(jīng)成為圖像處理的熱點(diǎn)問題之一。其中,感興趣目標(biāo)的邊界曲面的檢測與重構(gòu)是三維圖像分析中一個(gè)重要的問題,經(jīng)常應(yīng)用于對(duì)目標(biāo)的描述、測量和分析中,特別是在醫(yī)療診斷、手術(shù)規(guī)劃、器官移植等醫(yī)學(xué)輔助方向更是有著重要的應(yīng)用。應(yīng)用梯度閾值來檢測邊界曲面是一種基本的方法,傳統(tǒng)上采用全局梯度閾值。但是很多三維圖像的梯度值分布范圍很廣,基于一個(gè)固定的梯度閾值并不能很好的將邊界曲面區(qū)分出來。而且由于邊界曲面本身的復(fù)雜性,以及圖

2、像細(xì)節(jié)及噪聲的影響,這種方法重構(gòu)的三維圖像常常伴隨著漏洞或不感興趣的碎片,不能真實(shí)的反應(yīng)原圖像信息。如何有效地選取合適的全局梯度閾值也是一個(gè)難題,往往需要反復(fù)測試或依賴操作人員的經(jīng)驗(yàn)?；谧赃m應(yīng)原理檢測邊界曲面的方法無需手動(dòng)設(shè)置梯度閾值,而是根據(jù)圖像的局部信息自動(dòng)計(jì)算合適的局部梯度閾值,以之來追蹤和抽取邊界曲面。這一方法不但解決了選取梯度閾值的難題,而且對(duì)提高檢測的精度有重要的意義。本文討論了三種自適應(yīng)的方法來進(jìn)行邊界曲面的檢測與重構(gòu)。

3、
　　第一種方法是基于視覺模型,參照仿生學(xué)原理建立的。人們衡量邊緣檢測算法的好壞,一般是以人眼的主觀觀察作為評(píng)判依據(jù)的。因此,人眼的視覺效應(yīng)對(duì)結(jié)果評(píng)價(jià)的影響很大。但是,很多邊緣檢測方法并未考慮到人眼的視覺效應(yīng)是非線性的這一特征,導(dǎo)致邊緣檢測的結(jié)果常常會(huì)和人的主觀評(píng)價(jià)有所差別。人眼對(duì)物體亮度的感覺不僅由物體本身的亮度決定,也與物體所處的背景的亮度有關(guān)。通過分析人眼在看物體時(shí)的閾值亮度比曲線和韋伯比曲線,我們可以將之應(yīng)用在三維圖像中,

4、建立梯度閾值選擇模型。這種方法可以根據(jù)圖像的亮度信息,自適應(yīng)選擇梯度閾值來確定可能在邊界曲面上的體元。進(jìn)而根據(jù)邊界曲面的連通性,追蹤出整個(gè)曲面。該方法對(duì)大部分圖像可以實(shí)現(xiàn)自適應(yīng)抽取,得到的邊界曲面與人的主觀視覺感受比較一致。
　　第二種方法是在方法一的基礎(chǔ)上,結(jié)合子區(qū)域信息建立的。由于三維圖像中常常包含復(fù)雜的圖像細(xì)節(jié),它們?cè)谝曈X模型下同樣是可見的,但是有些并不是我們想要抽取的邊界結(jié)構(gòu),而是不感興趣的碎片。方法一并未考慮圖像細(xì)節(jié)的影

5、響,而是將可見的邊緣全部抽取出來,因此得到的邊界曲面可能包含不感興趣的碎片。由于本文的方法針對(duì)梯度值漸進(jìn)變化的階梯型邊界曲面,因此,對(duì)于此類圖像,可將原圖像分割成很多個(gè)小區(qū)域,并認(rèn)為小區(qū)域內(nèi)邊界點(diǎn)的梯度值不會(huì)發(fā)生太大變化。在追蹤邊界體元時(shí),可以結(jié)合體元所在小區(qū)域內(nèi)邊界點(diǎn)的梯度信息和體元在視覺模型下的閾值,采用合理的方式來估計(jì)一個(gè)自適應(yīng)的梯度閾值,將邊界曲面結(jié)構(gòu)和碎片結(jié)構(gòu)區(qū)分開。該方法可以優(yōu)化方法一的結(jié)果,提高檢測精度。
　　第三種

6、方法是基于補(bǔ)洞的思路建立的。除了不感興趣的碎片,邊界曲面檢測的另一個(gè)難點(diǎn)是:對(duì)一些圖像,由于其本身結(jié)構(gòu)復(fù)雜,邊界曲面追蹤過程中會(huì)漏掉一些細(xì)節(jié),使抽取出的曲面包含洞。針對(duì)此類問題,我們基于檢測洞和再追蹤的思路提出了一種自適應(yīng)方法。由于邊界曲面具有連通性,我們?cè)谧粉欉^程中可以找到曲面停止增長的位置,之后采用合理的方式判斷此處周圍是否存在洞。如果存在,則說明該體元所在的子區(qū)域局部梯度閾值過高,應(yīng)該適當(dāng)降低,之后在此位置進(jìn)行再追蹤。反復(fù)進(jìn)行補(bǔ)洞