论文部分内容阅读
骨架是图像几何形态的一种重要拓扑描述。随着MRI，CT及其它3D重建技术的发展，3D图像数据应用越来越广泛。3D骨架在图像数据的压缩，物体识别与表面重建，3D植物建模及植物根系图像分析，医学上计算机辅助诊断与辅助手术治疗等方面具有非常重要的应用。本文以植物根系3D重建图像为实例，开展3D图像骨架化算法及基于骨架的植物根系可视化研究。该研究得到植物营养学家的大力支持，所采用的研究方法与取得的成果已作为植物营养学家研究植物养分、水分吸收利用效率的重要手段。具体研究内容与成果如下：
(1)针对3D植物根系图像的特点，提出了基于B-Snake的骨架化改进算法。理论分析及对模拟和实际3D重建的植物根系图像的实验结果都表明，改进算法获取的骨架在连通性、光滑性、中心性及抗噪声性等方面明显优于改进前的离散Snake算法。同时，分析了传统的基于动态规划的B-Snake求解方法的时间复杂度，在此基础上，提出了在3D情况下的一种控制点局部受力演化的B-Snake求解方法，其时间复杂度较传统方法明显降低。
(2)针对传统的骨架化算法评价主要依靠人们的主观视觉的缺点，提出了一种相对客观的骨架化算法评价方法。其基本原理是首先生成测试用模拟骨架及由模拟骨架生成模拟图像，然后对测试图像采用不同的方法进行骨架化，通过计算所求骨架与实际骨架之间的距离，实现对算法的优劣进行评价。运用该方法对离散Snake算法与B-Snake算法所求骨架的连通性、中心性及算法抗噪声能力进行了评价实验，结果表明，该评价方法得出的结论与理论分析是一致的。
(3)针对Snake方法对初始位置敏感的问题，提出了一种横截面算法对基于Snake模型的骨架化方法进行优化。横截面算法可快速将Snake的初始位置定位于目标附近。实验结果表明，不论是采用离散Snake模型，还是B-Snake模型，优化后的方法运行效率平均提高约36％，同时所求骨架的位置准确度平均提高约18％。对算法的迭代次数及运行时间的分析表明，实验结果与理论值是相符的。
(4)研究了一种基于GPU的3D距离变换方法。距离变换是3D骨架化中一个主要的预处理环节，而传统的基于CPU的3D距离变换算法效率较低。近年来GPU通用计算得到飞速发展，应用领域不断拓展。通过对GPU通用计算原理的分析，本文提出了一种利用GPU的并行处理能力进行3D图像距离变换的方法。实验表明，相对CPU而言，GPU进行距离变换取得了较高的加速比。
(5)在获取3D图像骨架后，提出了一种由骨架及骨架点处横截面半径构造以骨架为轴心、近似圆柱形的三角网格曲面方法。实验结果表明，该方法能有效地重构类似植物根系这样的树状物体的网格曲面，取得了与Simroot系统基本一致的可视化效果。Simroot是目前植物根系模拟与可视化方面效果最好的系统之一。相比而言，本文方法具有以下优点：(a)重构出了3D网格模型，对这些网格模型可以做进一步的处理，如网格模型的优化、变形等。Simroot系统中没有生成中间的网格模型，直接调用OpenGL相关函数进行可视化。(b)Simroot系统的模拟根系半径都较小。对于较大半径的根系，由于没有中间网格模型，直接进行可视化，效果较差。对于本文算法，无论根系半径大小，都可生成较为合适的网格模型，因而可视化效果不受根系半径大小的影响。(c)Simroot系统只能处理由该系统自身算法生成的模拟骨架数据，不能接受其它的骨架数据，包含实际测量的骨架数据。本文算法可针对多种类型的骨架数据进行3D网格模型重构。