基于聚類預(yù)處理的三維圖像重構(gòu)研究.pdf

1、三維圖像重構(gòu)是計算機(jī)可視化技術(shù)中的重要研究領(lǐng)域，三維圖像重構(gòu)技術(shù)已廣泛應(yīng)用于軍事、航天、工業(yè)、醫(yī)學(xué)等領(lǐng)域?？梢暬夹g(shù)在各領(lǐng)域不可或缺的作用推動著三維圖像重構(gòu)技術(shù)的改進(jìn)和完善。
　　本文首先對三維圖像重構(gòu)算法進(jìn)行了探討和研究，闡述了面繪制算法中經(jīng)典的等值面抽取算法（MarchingCubes算法），并對體素、等值面等基本概念進(jìn)行了概述。同時對階梯型邊緣曲面的重構(gòu)原理、方法和實(shí)現(xiàn)進(jìn)行了深入的研究。在傳統(tǒng)的三維圖像重構(gòu)算法中，當(dāng)處理大數(shù)

2、據(jù)量的三維圖像時，常受限制于運(yùn)行速度的瓶頸，具體表現(xiàn)為三維重構(gòu)速度過慢或無法重構(gòu)較大數(shù)據(jù)規(guī)模的三維目標(biāo)。傳統(tǒng)的面繪制算法，包括MC算法、邊緣曲面重構(gòu)算法、追蹤算法等，均未考慮通過聚類預(yù)處理來降低數(shù)據(jù)場規(guī)模。針對以上情況，本文提出了對三維圖像進(jìn)行聚類預(yù)處理，以提高三維圖像重構(gòu)的速度。
　　本文引入三維圖像預(yù)處理的聚類算法是K均值聚類算法和模糊C均值聚類算法。聚類就是依據(jù)一定的規(guī)則和要求對研究對象進(jìn)行劃分，并且進(jìn)行分類，在這個分類過程