基于Hessian矩阵和区域生长的肝血管树的分割算法研究

由于血管成像设备的限制和血管本身形态结构的复杂性,使得血管分割成为一个难题。针对CT肝脏血管图像的特征,设计一种将Hessian矩阵多尺度滤波、形态学和三维区域生长相结合的方法,实现血管分割。首先,使用灰度变换突出目标区域,利用基于Hessian矩阵的多尺度滤波方法对血管进行增强;其次,对增强后的血管图像进行闭运算,并进行三维区域生长;最后,利用膨胀运算将血管的弱连接进行连接。实验表明该方法具有一定的可行性和有效性,能够很好地实现血管的分割,所产生的血管连续光滑,很适合作为三维重建的数据集。

基于Hessian矩阵和区域生长的脉络膜血管自动检测

脉络膜血管自动检测在临床上具有重要意义,可通过观察分析脉络膜血管的形态、厚度等信息对多种眼底疾病进行诊断。为辅助临床诊断,提出了一种新的基于SD-OCT图像的脉络膜血管自动检测方法。首先检测出色素上皮层下边界,确定感兴趣区域(Volume of Interest,VOI),然后对图像进行基于灰度线性变换的增强以及三维块匹配滤波等预处理,随后采用Hessian矩阵对血管进行初步提取,提取结果作为目标区域的种子点,进一步用三维区域生长方法检测完整的血管区域,并通过形状信息排除误检以及形态学滤波对检测结果进行后处理。测试结果表明,该方法是一种有效的脉络膜血管自动检测方法。

3D正态分布变换在多波束自动校准中的应用

多波束测深数据存在横摇误差、纵摇误差、艏摇误差等,需进行校准。当前主要采用商业软件Caris进行人工手动校准,自动校准主要采用迭代最邻近算法等。针对Caris需要人工干预以及ICP容易陷入局部循环的缺陷,采用3D正态分布变换的配准方式,通过建立联合概率密度函数,采用似然函数建立匹配点云与目标点云之间转换关系。利用Hessian矩阵和梯度向量求最优化转换参数,完成多波束条带的自动校准。本文结合Caris中的人工配准结果,通过对3D-NDT算法匹配效果进行对比分析,验证了文中算法在平坦地区、斜坡区域等多种地形中都取得了更优的匹配效果,为实现多波束自动校准提供了重要的算法依据。

基于三维血管重建的高分辨率CT图像孤立性肺结节提取

肺癌是人类的一大杀手,为了提高其治愈率,人们越来越重视对肺癌的早期形态——肺结节的影像检测,但一直被较高的假阳性率所困扰。在高分辨率CT图像基础上,打破常规思维,从肺部血管三维重建入手,间接去掉血管组织对结节提取的干扰。首先利用数学形态学及凸包算法获得二维完整肺实质,再利用区域增长法提取肺部软组织,间接得到疑似结节图像,然后利用三维Hessian矩阵特征值的几何意义,构造三维血管结构的增强因子,得到完整的肺部血管图像,将其与疑似结节图像进行对比,重合区域即可除去,最大限度地剔除血管的干扰,最后再利用疑似区域的几何特征剔除残余的肺部杂质,最终获得较低的假阳性率,提取准确率较高。

自适应复杂光条纹中心提取方法研究

激光条纹中心提取作为线结构光测量中最关键的环节,其提取方法的准确性及适应性直接影响着测量系统的整体性能。针对环境光干扰、待测物表面反射率差异较大引起的宽度变化的复杂激光条纹,在Steger方法的基础上,提出了一种自适应复杂光条纹中心提取算法。该方法首先根据线激光宽度选择固定的尺度因子,对图像进行高斯核卷积,得到各点Hessian矩阵;然后求得对应的法向宽度,并以此来选择对应的二阶法向偏导数的阈值,再结合一阶法向偏导为零计算出条纹在不同宽度处的中心点。实验结果表明该算法可以实现对于宽度变化的复杂光条纹中心的亚像素提取。

基于三维图像的大脑病灶显示和分析

针对头部各组织在灰度分布上存在复杂的粘连和交错叠加现象,提出在管状加强滤波算法中增加体素亮度调和参数并与管状控制的其他参数一起共同控制管状响应值的产生,该管状加强滤波算法和其他相关切割算法通过采用GPU编程方式实现,并对脑部肿瘤的提取和显示技术进行了探讨。实验结果表明,本文方法对于脑部组织和相关病灶的分割提供可视的实时显示,对脑部疾病的微创手术和介入治疗提供图像导视。

基于SURF-RANSAC配准的三维重建

为了提高三维重建中双目特征匹配的匹配效率和重建质量,在基于传统的加速鲁棒特征(SURF)匹配算法基础上,提出了一种基于SURF-RANSAC配准的三维重建算法。利用左右两幅图像来进行三维重建,首先通过Hessian矩阵来获取目标图像的初始特征点,并用邻近快速搜索算法完成初步的特征点匹配,然后融合随机抽样一致性算法(RANSAC)来优化匹配,最后利用三维坐标和纹理映射来完成三维重建。在Open CV上对该算法进行验证。结果表明,本文算法比传统的三维重建算法具有更高的精确度和更快的速度。