CN103489222A - 三维图像中的目标体表面重构法 - Google Patents

Abstract

本发明公开了三维图像中的目标体表面重构法，包括以下步骤：S1：采用点密度分析法、改进的网格划分法即深度优先遍历法获取目标体外壳数据；S2：将S1所得目标体的外壳数据看做计算机图形学中的点云，采用基于图像分割的能量函数法进行目标体的表面重构。本发明提出的三维图像中的目标体表面重构法，首先采用改进的图像分割技术对获得的目标体的体数据，即地震采样点数据进行处理，使之可以应用于计算机图形学中的点云曲面重构法，然后采用改进的基于图像分割的能量函数法对目标体进行表面重构，克服了采样点为体数据的三维目标体表面重构难题，适用于噪声含量大或者外形扁平、各方向采样不一致、欠采样的目标体的表面重构。

Description

三维图像中的目标体表面重构法

技术领域

本发明属于三维图像技术领域，具体涉及一种关于地震数据的三维图像中的目标体表面重构法。

背景技术

三维图像中的目标体表面重构被广泛地用于地球物理、地质勘探、医疗卫生、遥感遥测等科研和生产领域。比如，在地质解释工作中，针对地表下物体、地层结构的识别、追踪以及建模都是十分重要的；再比如，在医疗卫生工作中，针对人体内部组织与器官的三维建模和表面重构同样是极为重要的过程。

针对采样点为目标体表面点的三维目标体表面重构，可以利用计算机图形学中的点云曲面重构方法。多年来，学者们围绕点云曲面重构问题进行研究，发明了许多求解这个问题的方法。这些方法大致可以分为三类：基于网格划分的曲面重构、基于显式方法的曲面重构，基于隐式方法的曲面重构。但是由于三维图像数据是体数据，基于点云的曲面重构方法不能直接用于三维图像中的目标体表面重构。

针对采样点为体数据的三维目标体表面重构，目前的主要解决方法可分两大类，一类是基于图像处理中的图像分割技术，对三维图像进行分割处理，将目标体分离出来；一类是利用体绘制、体透视、点等标量形式等方法直接对三维体数据进行可视化，如商业软件petrel，是以体透视或点绘制的形式表达目标体，但是这些方法都不能很好的将目标体的表面重构出来，尤其是地质领域里的地震目标体，这是因为三维图像目标体表面重构问题难度十分大，主要表现在：

（1）三维图像数据是目标体所在场景中的体采样点，而基于点云曲面重构的原始数据是目标体表面的采样点，不能直接使用计算机图形学中的点云曲面重构方法。

（2）特别是地质领域里的地震数据，地震图像里的目标体形状具有不规则性、不可预知性，不能事先对目标体的轮廓外形做出任何几何约束。

（3）地震图像里的目标体具有边界不明确性，地震数据信噪比低等特点，使得表面重构工作难度更大。

发明内容

本发明的目的在于克服现有技术中的上述问题，提供一种将针对体数据表面重构的图像分割技术与针对表面点数据的计算机图形学中的点云曲面重构法结合起来、能够很好的进行地震目标体表面重构的三维图像中的目标体表面重构法。

为解决上述技术问题，本发明采用以下技术方案：

一种三维图像中的目标体表面重构法，包括以下步骤：

S1：获取目标体外壳数据，具体包括以下步骤：

S11：将地震采样点数据即三维地震图像的像素点中不属于目标体灰度值的像素点去掉，留下属于目标体灰度值的像素点；

S12：利用图像分割法处理S11所得像素点，得到若干个相对独立且具有一定密度的像素点集；

S13：对S12所得像素点集进行点密度分析，获取目标体的有效像素点；

S14：在S13所得的有效像素点的基础上获取目标体的边界网格；

S15：筛去S14所得边界网格中存在的内部边界，获得目标体的外部边界即外壳数据；

S2：将S1所得目标体的外壳数据看做计算机图形学中的点云，采用基于图像分割的能量函数法进行目标体的表面重构，具体包括以下步骤：

S21：将S1所得目标体的外壳数据直接作为能量函数离散水平集的零值区域，构造出由立方体组成的目标体的外壳网格即表面网格；

S22：对S21中所得表面网格进行插值；

S23：选取目标体表面网格所在立方体周围的若干圈立方体作为参与四面体连接和计算的种子点，构造出非规则四面体网格；

S24：通过判断各四面体在目标体表面网格上、外部还是内部确定能量函数中分段常数水平集和指示函数的取值；

S25：为每个四面体以及相邻四面体之间所共享的三角形赋予一个权值，完成有向赋权图的构造；

S26：求解能量函数最小的表面；

S27：把求得的三角形面片拼接起来，即得到目标体的最佳表面。

进一步地，所述S11中采用的的方法为二值法。

进一步地，所述S12中采用的方法为6位或26位的种子区域生长的图像分割方法。

进一步地，所述S13中的点密度分析过程包括以下步骤：

S131：定义一个体积为1的立方体，并使所述立方体在S12所得像素点范围内移动，当立方体所在区域的点密度大于预先设定阈值时，该区域内的所有点为有效点，将所述有效点记录下来；

S132：按照从左到右、从上到下的顺序重复S131，直至覆盖完S12所得像素点的范围。

进一步地，所述S14中获取目标体边界网格的方法为：在获得的边界网格的基础上进行边界网格生长以获得目标体严格边界。

进一步地，所述S15中采用的的方法为深度优先遍历法。

进一步地，所述S22中的插值方法为沿着S21中所得表面网格的立方体的水平方向进行插值的各向异性插值法。

进一步地，所述目标体表面网格所在立方体周围的若干圈立方体包括位于目标体表面网格外侧和内侧的立方体。

与现有技术相比，本发明的有益效果是：

（1）本发明的三维图像中的目标体表面重构法，首先采用改进的图像分割技术对获得的目标体的体数据，即地震采样点数据进行处理，使之可以应用于计算机图形学中的点云曲面重构法，然后采用改进的基于图像分割的能量函数法对目标体进行表面重构，克服了采样点为体数据的三维目标体表面重构难题，很好的对地震数据进行了表面重构；

（2）本发明的三维图像中的目标体表面重构法将三维图像中的目标体的表面以矢量形式构建出来，便于研究人员分析、解释目标体；

（3）本发明的三维图像中的目标体表面重构法特别适用于原始三维图像噪声含量大的目标体的表面重构；

（4）本发明的三维图像中的目标体表面重构法特别适用于外形扁平、各方向采样不一致、欠采样的目标体，如地质体中的砂体的表面重构；

（5）本发明的三维图像中的目标体表面重构法实现了各向异性插值，与Min Wan，YuWang，Egil Bae等人提出的算法相比，具有更高的计算效率。

附图说明

图1为实施例中经二值法处理后的目标体像素点；

图2为实施例中经6位或26位的种子区域生长的图像分割方法处理后的目标体像素点；

图3为实施例中的点密度分析法示意图；

图4为实施例中的空间网格划分示意图；

图5为实施例中的外壳数据提取示意图；

图6为实施例中的目标体的表面网格示意图；

图7为实施例中的各向异性插值法示意图；

图8为现有技术中的插值法示意图；

图9为实施例中的四面体构造过程中立方体的选择示意图；

图10为实施例中有向赋权图构造结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本实施例中的三维图像中的目标体表面重构法将针对体数据表面重构的图像分割技术与针对表面点数据的计算机图形学中的点云曲面重构法结合起来，提供了一种能够很好的进行地震目标体表面重构的方法，该方法包括以下步骤：

S1：获取目标体外壳数据：

本实施例中的原始数据为地震采样点数据，目标体嵌在这个三维地震图像中，因此，获取目标体外壳数据具体包括以下数据：

S11：利用二值法将地震采样点数据即三维地震图像中不属于目标体灰度值的像素点去掉，留下属于目标体灰度值的像素点，结果如图1所示；

S12：利用6位或26位的种子区域生长的图像分割方法处理S11所得像素点，得到若干个相对独立且具有一定密度的像素点，如图2所示；

S13：对S12所得像素点进行点密度分析，获取目标体的有效像素点，具体包括以下步骤：

S131：如图3所示，可以定义一个体积为1的立方体，并使所述立方体在S12所得像素点范围内移动，移动方向如箭头所示，当立方体所在区域的点密度大于预先设定阈值时，该区域内的点为有效像素点，如图中实线方框所示，将所述有效像素点记录下来，这里，预先设定阈值是指根据精度要求所确定的点密度的阈值；

S132：按照从左到右、从上到下的顺序重复S131，直至覆盖完S12所得像素点的范围；

S14：经过S13的密度分析后，目标体数据虽然变得更加的完整和规则，但依然是体数据，为了获得正确的边界数据，首先需要确立一种合理的边界数据识别准则。在柯映林等人提出的网格划分算法中，如果6个面相邻网格中有三个或者三个以上网格为空将被初步判别成为边界网格，边界网格判定公式如下：

$g(x,y,z)=\underset{-1\≤i\≤1}{\mathrm{\Σ}}\underset{-1\≤j\≤1}{\mathrm{\Σ}}\underset{-1\≤k\≤1}{\mathrm{\Σ}}|f(x,y,z)-f(x+i,y+j,z+k)|\≥3---\left(1\right)$

其中，f(x，y，z)是关于空间网格的函数，对于任意实格，f(x，y，z)＝1，反之，对于任意空格f(x，y，z)＝0，由于边界网格只针对实格而言，因此，公式中的f(x，y，z)是表示实格的，恒等于1，另外i+j+k＝±1&(j＝0||j＝0||k＝0)，直接采用这种方法进行判断，会漏掉一部分边界网格，为了弥补这一缺陷，本实施例中在按着上述方法得到的边界网格的基础上进行边界网格生长，从而求出所有的边界网格，获得目标体的严格边界，具体的网格划分示意图和边界网络即外壳数据提取示意图如图4、图5所示。

S15：对于内部存在比较大的“空洞”的目标体，上述方法处理后的边界网络会包括目标体内部边界和外部边界两类边界，如图5所示，因此，本实施例采用深度优先遍历的方法筛去S14所得边界网格中可能存在的内部边界，获得目标体的外部边界即外壳数据，深度优先遍历的方法为现有技术，在此不做赘述；

上述S1所得的外壳数据即为表面点数据，因此，可将其看做计算机图形学中的点云，采用改进的计算机图形学中的基于图像分割的能量函数法进行目标体的表面重构，能量函数的定义如下：

E(S)＝∫_X|Φ_S(x)-I(x)|β(x)dx+∫_Sd(x)ds+α∫_Sds  (2)

d(x)＝d(x，P)＝inf_y∈pd(x，y)  (3)

其中S为目标体的表面，一般是封闭的；假设封闭曲面S把区域（或者工区）

分为两个部分，P为S1所获得的外科数据；d(x)为距离函数；d(x，y)表示三维空间中目标体采样点x和y的欧几里得距离；∫_Sds表示对于曲面S进行曲面积分；Φ_S(x)表示关于曲面S的分段常数水平集函数，在曲面S上该函数的值为0，曲面S的内部和外部分别取不同的数值即可；I(x)是指示函数，该函数和Φ_S(x)配合使用，用来规定数据外壳的内部、外部、中部三个区域的数值；β(x)用来表示函数I(x)的置信度；α用来控制曲面的平滑程度。

S2：基于上述能量函数的表面重构具体包括以下步骤：

S21：将S1所得目标体外壳数据直接作为能量函数（2）分段常数水平集函数Φ_S(x)的零值区域，构造出由立方体组成的目标体的外壳网格即表面网格，如图6中的粗实线所示；

S22：采用各向异性插值法完成目标体表面网格的插值；

由于立方体具备一致方向性，因此，对S21所得表面网格进行插值时，可以只沿着组成表面网格的中立方体的水平方向进行插值，避免了现有技术中垂直方向上的数据对接的问题，我们将这种插值方法定义为各向异性插值法，如图7所示为本实施例的各向异性插值法示意图，图中粗实线部分为未插值前的数据，虚线部分为插值数据，图8所示为现有技术的插值法示意图，图中灰色线部分为第一次插值数据，实线部分为第二次插值数据。这里仅说明本发明对于现有技术的改进点，关于插值前的背景点添加及具体的插值步骤，因其为现有技术，故不在此一一展开说明；

S23：如图9所示，确定了目标体表面网格所在的立方体（灰色部分所示）之后，选取目标体表面网格所在立方体周围的若干圈立方体（黑色部分所示）作为参与四面体连接和计算的种子点，构造出非规则四面体网格，本实施例中选取了内外各一圈立方体；

S24：判断各四面体在在目标体的表面网格上、外部还是内部，确定能量函数中分段常数水平集函数Φ_S(x)和指示函数I(x)的取值；

S25：为每个四面体以及相邻四面体之间所共享的三角形赋予一个权值，完成有向赋权图的构造，构造结构如图10所示；

S26：使用最大流最小割算法求解能量函数最小的表面；

S27：把求得的三角形面片拼接起来，即得到目标体的最佳表面。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (8)

1.一种三维图像中的目标体表面重构法，其特征在于：包括以下步骤：

S1：获取目标体外壳数据，具体包括以下步骤：

S11：将地震采样点数据即三维地震图像的像素点中不属于目标体灰度值的像素点去掉，留下属于目标体灰度值的像素点；

S12：利用图像分割法处理S11所得像素点，得到若干个相对独立且具有一定密度的像素点集；

S13：对S12所得像素点集进行点密度分析，获取目标体的有效像素点；

S14：在S13所得的有效像素点的基础上获取目标体的边界网格；

S15：筛去S14所得边界网格中存在的内部边界，获得目标体的外部边界即外壳数据；

S2：将S1所得目标体的外壳数据看做计算机图形学中的点云，采用基于图像分割的能量函数法进行目标体的表面重构，具体包括以下步骤：

S21：将S1所得目标体的外壳数据直接作为能量函数离散水平集的零值区域，构造出由立方体组成的目标体的外壳网格即表面网格；

S22：对S21中所得表面网格进行插值；

S23：选取目标体表面网格所在立方体周围的若干圈立方体作为参与四面体连接和计算的种子点，构造出非规则四面体网格；

S24：通过判断各四面体在目标体表面网格上、外部还是内部确定能量函数中分段常数水平集和指示函数的取值；

S25：为每个四面体以及相邻四面体之间所共享的三角形赋予一个权值，完成有向赋权图的构造；

S26：求解能量函数最小的表面；

S27：把求得的三角形面片拼接起来，即得到目标体的最佳表面。

2.根据权利要求1所述的三维图像中的目标体表面重构法，其特征在于：所述S11中采用的的方法为二值法。

3.根据权利要求1所述的三维图像中的目标体表面重构法，其特征在于：所述S12中采用的方法为6位或26位的种子区域生长的图像分割方法。

4.根据权利要求1所述的三维图像中的目标体表面重构法，其特征在于：所述S13中的点密度分析过程包括以下步骤：

S131：定义一个体积为1的立方体，并使所述立方体在S12所得像素点范围内移动，当立方体所在区域的点密度大于预先设定阈值时，该区域内的所有点为有效点，将所述有效点记录下来；

S132：按照从左到右、从上到下的顺序重复S131，直至覆盖完S12所得像素点的范围。

5.根据权利要求1所述的三维图像中的目标体表面重构法，其特征在于：所述S14中获取目标体边界网格的方法为：在获得的边界网格的基础上进行边界网格生长以获得目标体严格边界。

6.根据权利要求1所述的三维图像中的目标体表面重构法，其特征在于：所述S15中采用的方法为深度优先遍历法。

7.根据权利要求1所述的三维图像中的目标体表面重构法，其特征在于：所述S22中的插值方法为沿着S21中所得表面网格的立方体的水平方向进行插值的各向异性插值法。

8.根据权利要求1所述的三维图像中的目标体表面重构法，其特征在于：所述目标体表面网格所在立方体周围的若干圈立方体包括位于目标体表面网格外侧和内侧的立方体。

Images