CN108280833A - 一种植物根系分叉特征的骨架提取方法 - Google Patents

一种植物根系分叉特征的骨架提取方法 Download PDF

Info

Publication number
CN108280833A
CN108280833A CN201810047793.0A CN201810047793A CN108280833A CN 108280833 A CN108280833 A CN 108280833A CN 201810047793 A CN201810047793 A CN 201810047793A CN 108280833 A CN108280833 A CN 108280833A
Authority
CN
China
Prior art keywords
branch
root
profile
root system
point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810047793.0A
Other languages
English (en)
Other versions
CN108280833B (zh
Inventor
周学成
王高峰
陈富强
杨自尚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China Agricultural University
Original Assignee
South China Agricultural University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by South China Agricultural University filed Critical South China Agricultural University
Priority to CN201810047793.0A priority Critical patent/CN108280833B/zh
Publication of CN108280833A publication Critical patent/CN108280833A/zh
Application granted granted Critical
Publication of CN108280833B publication Critical patent/CN108280833B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/136Segmentation; Edge detection involving thresholding
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/181Segmentation; Edge detection involving edge growing; involving edge linking
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10081Computed x-ray tomography [CT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30101Blood vessel; Artery; Vein; Vascular
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30181Earth observation
    • G06T2207/30188Vegetation; Agriculture

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明公开了一种植物根系分叉特征的骨架提取方法,包括下述步骤:(1)获取图像:获取植物根系的横截面断层序列CT序列图;(2)分叉根段CT序列图定位:利用剩余凸包面积检测技术,将根系的CT轮廓分为含分枝和不含分枝的轮廓;(3)区域分离:对凹点检测分割方法对含有分枝的轮廓进行分离操作;(4)主根分叉CT序列图定位:选择合适的开运算和圆度阈值,定位出主根分叉CT序列图;(5)骨架提取:利用主根分叉起始处的CT轮廓质心点,和不含分枝的子根段CT序列图的质点,进行三维曲线插值拟合,得到较好效果的根系骨架。本发明可以自动识别根据根系CT序列图的分叉特征,并做区域分离和主根分叉特征区段的定位后的插值拟合,大大简化操作。

Description

一种植物根系分叉特征的骨架提取方法
技术领域
本发明涉及无损检测和科学计算可视化相结合的交叉学科技术领域,更具体地说,涉及基于植物根系分叉CT序列图特征的三维体模型骨架快速提取技术。
背景技术
根系是植物生长在土壤中的重要器官,为了能实现对土壤介质中的根进行原位无损检测,可以采用基于X射线的层析成像技术,并通过计算机的三维重建技术得到三维根系表面或体模型,做进一步的三维骨架提取工作。
骨架模型:称为继声音、图像和视频之后的第4种多媒体数据类型。用于三维对象的描述、检索、匹配、标记、跟踪、识别、压缩、表型参数测量等,有助于对其属性的评估,例如:规模大小、定位、拓扑关系等。构建基于CT序列图的根系骨架模型,是计算根长、根个数等根系表型参数重要方法,对理解植物根系生长习性研究和基因育种有重要应用价值。
《植物根系三维矢量模型的构建与分析》文献公开了在主根分枝过渡根段分叉点的确定办法,通过分枝根段中的第一个骨架点与向主根段中的点进行连线,计算线段与分枝根段法向量的夹角,当夹角为最小接近0时,判定为该根段的分叉点。该方法对分枝根中第一个骨架点确定要求较高,对于主根枝过渡根段较长且有螺旋结构时,其定位的分叉点出现容易出现错误。
发明内容
本发明的主要目的在于克服现有技术的缺点与不足,提供一种植物根系分叉特征的骨架提取方法,本发明能够自动识别根据根系CT序列图的分叉特征,并做区域分离和主根分叉特征区段的定位后的插值拟合,可以在根系的三维体数据中显示更好的骨架模型。
为了达到上述目的,本发明采用以下技术方案:
本发明一种植物根系分叉特征的骨架提取方法,包括下述步骤:
(1)获取图像:获取植物根系的横截面断层序列CT序列图;
(2)分叉根段CT序列图定位:利用剩余凸包面积检测技术,将根系的CT轮廓分为含分枝和不含分枝的轮廓图;
(3)区域分离:对凹点检测分割方法对含有分枝的轮廓进行分离操作;
(4)主根分叉CT序列图定位:选择合适的开运算和圆度阈值,定位出主根分叉CT序列图;
(5)骨架提取:利用主根分叉起始处的CT轮廓质心点,和不含分枝的子根段CT序列图的质点,进行三维曲线插值拟合,得到较好效果的根系骨架。
作为优选的技术方案,步骤(1)中,采用工业CT的X射线层析成像技术获取植物根系的横截面断层序列图像。
作为优选的技术方案,步骤(1)中,获取CT序列图后,进行预处理,具体为:
根据像素阈值分割获得CT序列图中的根系轮廓,再利用图像处理中的中值滤波或者尺寸大小为(3,3)的矩形核开运算,对CT序列图进行除杂平滑操作,去除CT序列图中的噪点。
作为优选的技术方案,步骤(2)中,所述的剩余凸包面积检测技术是指:先用凸包检测方法对根系的CT轮廓进行初步检测,然后用凸包的轮廓减去原图的轮廓,计算所剩余的凸包轮廓面积。
作为优选的技术方案,将根系的CT轮廓分为含分枝和不含分枝的轮廓,具体方法为:
根据根系横截面的轮廓特征,如果没有出现分枝则轮廓图会比较圆满,如果是带有分枝的轮廓图,其主根轮廓与分枝轮廓之间形成一个或一个以上的凹陷区域;首先计算CT序列图中根轮廓的凸包,并再次计算凸包减去原图剩余的区域的面积;通过对植物根系轮廓的剩余凸包面积计算和统计,符合如下规律:在含有分枝根段的CT轮廓,其计算出的剩余凸包面积大于0时;而不含分枝根段的CT轮廓,其计算出的面积等于0;因此,当计算出根系轮廓的剩余凸包面积大于0时,可以初步判定为含分枝的轮廓,剩余凸包面积等于0时,则为不含分枝的轮廓。
作为优选的技术方案,步骤(3)中,植物根系结构分为主根和侧根,因为侧根的生长布局不规则排布,导致得到的CT切片上的根系横截面所呈现的根系轮廓具有以下几个特征:
(一)不含分枝的根系CT轮廓,边缘光滑,接近椭圆或圆;
(二)主根上生长出细小侧枝,在CT轮廓上图像呈“蝌蚪”形状;
(三)主根出现分叉特征的根段,先由椭圆逐渐变化呈“草帽”侧视图或“葫芦”的剖面图,最后分离呈两个或两个以上的椭圆或圆形图;
对于第(一)种根枝CT轮廓,是单个独立根枝上的轮廓,其提取出来的质心点具有中心性;对于第(二)种出现分叉特征的CT序列图,采用凹点检测的方法来进行区域分离,把原来一个根系轮廓分成两个,变成两个不含分枝的根系轮廓;
对于第(三)种轮廓出现的“葫芦”形状的可被部分分离,变成两个或两个以上的轮廓。
作为优选的技术方案,步骤(4)中,经过步骤(3)的区域分离后,对于主根上出现分叉特征的CT轮廓,由于检测不出凹点,而不能被进行准确分离,经过分离后CT轮廓,再经过开运算处理后,用根截面的圆率公式:
其中,A表示根截面面积,l表示根截面周长;
计算圆度,高于设定的阈值时,那么该轮廓可以被当作不含分枝的CT轮廓,小于阈值范围的即为主根上含分枝的CT轮廓,因此通过该方法定位出主根中分叉特征过渡根段的CT轮廓区域,并选取这类骨架点集中的合适点作为分叉的起始点,所述合适点是指轮廓圆度值较大的点。
作为优选的技术方案,步骤(5)中,骨架提取的具体方法为:
(5-1)把根系的CT序列图分成三部分:(A)不含分枝的根系CT序列图;(B)含分枝特征经过图像处理后,圆度在阈值范围之外的CT序列图;(C)含分枝特征经过图像处理后,圆度小于阈值范围之内的CT序列图;
(5-2)根枝上骨架点分组,把属于同一分枝上的骨架点保存在一个类中;设图像的高和宽分别位M和L,g(i,j)位图像在坐标(i,j)处的灰度值,i和j分别为图像的行和列,则可以得到根系截面轮廓的质点公式:
求上一步中每张CT序列图轮廓的质心点;如果该分叉根处的分枝的个数为N,根据点的空间连通关系,将该根段CT序列图上具有N个骨架点分别保留在相应的根干上,即将同一根枝上的CT轮廓保存在同一枝干上;
(5-3)选择合适的下采样,对属于同一根枝上的骨架点进行采集,对于CT切片得到的图像,因为层与层间隔较小,影响骨架线的光滑性,所以需要对骨架点进行下采样,选择没有分枝根段轮廓和分枝过渡根段分离后圆度大于阈值轮廓中的骨架点作为控制点;
(5-4)三维插值拟合,根据三维曲线参数方程,选择上述经过下采样的控制点进行曲线拟合,选择含分枝CT轮廓的质点作为分叉起始点,与含分枝特征经过分离后具有分枝个数的CT序列图中轮廓的质心点和不含分枝轮廓具有分枝个数的质心点,用B样条曲线参数方程,进行空间三维插值拟合,得到平滑的一维曲线骨架模型。
本发明与现有技术相比,具有如下优点和有益效果:
1、本发明针对植物根系横截面的CT序列图提取骨架模型方法中,自动识别根据根系CT序列图的分叉特征,并做区域分离和主根分叉特征区段的定位后的插值拟合,可以在根系的三维体数据中显示更好的骨架模型。本发明的定位算法不仅适用与主根下两个分枝的情况,也适用于主根下三个分枝的情况。
2、本发明有效地结合三维体图形数据与对应二维图像特征,根据轮廓质点计算公式获得根系截面的骨架点云,然后根据这些点云连线拟合出更符合根系生长特征的骨架模型,对植物根系的生长和基因育种研究更有参考价值。
3、本发明适用的数据不限于XCT切片得来的数据,对其他激光扫描得到的三维网格数据或其他方式得到的体数据也适用。
4、本发明的横切面质心提取保证了骨架的中心性,消除了相邻分枝对骨架的影响;本发明的结构化骨架有效地保留了原始真实根系的拓扑结构和几何特性;同样,本发明对于带有环状封闭的形体,能处理实体和表面模型。
5、本发明可以针对医学领域中的血管分叉的骨架提取有重要借鉴意义,尤其可以通过对三维体数据进行重切,观察其横截面上二维图像特征,对于狭长病变的血管检测和修复有参考意义。
附图说明
图1本发明的流程图;
图2是某根系基于CT序列图的三维建模效果图;
图3是某根系部分有分枝的根系CT序列效果;
图4(a)是某根系不含分枝的CT轮廓图;图4(b)含分枝的CT轮廓图;
图5是某根系凸包减去原图剩余面积计算统计表;
图6是某根系凹点检测区域分离效果图;
图7(a)、图7(b)是含分枝轮廓进行区域分离前后的质点提取效果图;
图8是不使用该方法进行骨架提取的效果图;
图9(a)-图9(c)是分成三类轮廓后提取的骨架点效果图;
图10(a)-图10(c)是某根系分叉特征根段骨架提取效果图;
图11(a)-图11(b)是主根分生为三个分枝根特征的骨架提取效果图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例
本实施例一种植物根系分叉特征的骨架提取方法,是利用层析成像技术获取到植物根系的断层序列图像数据后,在上述图像数据基础上进行的数据处理过程,下面结合图1,对该过程每个步骤进行详细说明。
1、图像采集;
本实例使用的图像,是通过工业XCT扫描根系而来的序列图像。图像以切片的形式获得根系的横截面图,成像特点与设置切片的深度和根与X射线摆放角度有关。选择合适的切片深度和根摆放角度,再通过图像处理中的分割技术除去土壤基质等杂质,获得二值化后的根系CT序列图。
2、图像预处理;
由于经过X射线得到的根系轮廓序列图,会因为空气或者X射线成像等原因而造成根系图像边缘轮廓的噪点,因此需要把多余的噪点去除掉,以获得更加理想和光滑的根系轮廓图。
利用图像处理中的滤波原理,经过中值滤波或者尺寸大小为(3,3)的矩形核,对图像进行卷积操作,去除图像中的噪点。
3、根系轮廓分类;
经过步骤2的操作后,对根系CT序列图进行分析,可以把图像中根系轮廓分为两种,一种是不含分枝的的轮廓图,另一种时含分枝的轮廓图。不含分枝的根系轮廓近似圆形,含分枝的根系轮廓呈带“凹陷”形。对于不含分枝的根系轮廓近似圆形,是单个独立根枝上的轮廓,其提取出来的质心点具有中心性,如图4(a)、图4(b)中,没有分枝的CT序列图中,根段上的轮廓是一个;在含分枝的轮廓中,可以进一步细分为侧根分枝轮廓图,呈“蝌蚪”形;两个差不多的根枝,呈“葫芦”、“大草帽”形,如图3所示。经过凸包检测根系轮廓后,减去原图的轮廓,计算剩余轮廓的面积,如图4(a)、图4(b)所示。面积大于0的可以判定为含分枝的CT轮廓,面积等于0的判定为不含分枝的CT轮廓,如图4(a)是不含分枝的CT轮廓,图4(b)是含分枝的CT轮廓,图5是含检测出分枝CT轮廓图的剩余凸包面积统计。
主根上分成两个粗细较为接近的分叉,有接近“葫芦”形状,而可以进行凹点检测分割,如图6所示。而对于主根上刚出现分枝的区段,其边缘轮廓较为圆满光滑,不能进行凹点检测分割。
再对经过分离检测和分离后含分枝轮廓,进行开运算和圆度检测,对于进行分离的CT轮廓图,经过大小为(5,5)一次开运算后,圆度比较大,而不能分离的CT轮廓,其圆度比较小。设定圆度阈值范围为0.2-0.84,将含分枝的CT轮廓分为两类:在阈值范围之内的,其中一类图称之为含分枝不可处理轮廓图;在阈值范围之外的,称之为含分枝可处理的轮廓图。
4、根枝骨架点云提取;
根据上述步骤,将三类图像分别进行质心计算公式,进行质心点提取。即不含分枝的轮廓得到准确的质心点可以被用来作为根系的骨架点;含分枝能被分离的轮廓质心点,根据需要来选择作为根系的骨架点;含分枝不能被分离的轮廓,提取的质点用来作为分枝的起始点。含分枝轮廓不经过凹点检测区域分离,提取质点如图7(a)所示,经过凹点检测区域分离的,提取质点如图7(b)所示,可以明显发现,分离前只得到图7(a)中一个质点,而分离后得到图7(b)中两个质点。不使用该方法进行骨架提取的效果图如图8所示,而根据步骤3将骨架点分成三类的效果图如图9(a)-图9(c)所示。
为了更好展示主根分叉处的骨架点,在求骨架点的时候,采取开运算平滑操作,把分离后的细小分枝给剔除掉,得到如图10(a)所示效果。
5、插值拟合成骨架线
选择含分枝不可处理CT序列图中合适的质心点,即只有一个点的切片,作为分叉特征的起始点。将含分枝和不含分枝中有两个骨架点分别有序地保存在左右两根系的枝干上,通过点集中的下采样数据作为控制点,进行B样条曲线插值拟合,可以得到较为光滑的一维骨架线,如图10(b)主视图、图10(c)侧视图所示。符合骨架线的中心性、一维性、保留空间拓扑关系以及从视觉效果看符合根系生长等特性。
上述实施例是本发明检测植物根系中主根分叉为两个分枝的情况,同样的方法适用于主根分生为三个分枝的情况,如图11(a)-图11(b)所示。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。

Claims (8)

1.一种植物根系分叉特征的骨架提取方法,其特征在于,包括下述步骤:
(1)获取图像:获取植物根系的横截面断层序列CT序列图;
(2)分叉根段CT序列图定位:利用剩余凸包面积检测技术,将根系的CT轮廓分为含分枝和不含分枝的轮廓图;
(3)区域分离:对凹点检测分割方法对含有分枝的轮廓进行分离操作;
(4)主根分叉CT序列图定位:选择合适的开运算和圆度阈值,定位出主根分叉CT序列图;
(5)骨架提取:利用主根分叉起始处的CT轮廓质心点,和不含分枝的子根段CT序列图的质点,进行三维曲线插值拟合,得到较好效果的根系骨架。
2.根据权利要求1所述植物根系分叉特征的骨架提取方法,其特征在于,步骤(1)中,采用工业CT的X射线层析成像技术获取植物根系的横截面断层序列图像。
3.根据权利要求1所述植物根系分叉特征的骨架提取方法,其特征在于,步骤(1)中,获取CT序列图后,进行预处理,具体为:
根据像素阈值分割获得CT序列图中的根系轮廓,再利用图像处理中的中值滤波或者尺寸大小为(3,3)的矩形核开运算,对CT序列图进行除杂平滑操作,去除CT序列图中的噪点。
4.根据权利要求1所述植物根系分叉特征的骨架提取方法,其特征在于,步骤(2)中,所述的剩余凸包面积检测技术是指:先用凸包检测方法对根系的CT轮廓进行初步检测,然后用凸包的轮廓减去原图的轮廓,计算所剩余的凸包轮廓面积。
5.根据权利要求4所述植物根系分叉特征的骨架提取方法,其特征在于,将根系的CT轮廓分为含分枝和不含分枝的轮廓,具体方法为:
根据根系横截面的轮廓特征,如果没有出现分枝则轮廓图会比较圆满,如果是带有分枝的轮廓图,其主根轮廓与分枝轮廓之间形成一个或一个以上的凹陷区域;首先计算CT序列图中根轮廓的凸包,并再次计算凸包减去原图剩余的区域的面积;通过对植物根系轮廓的剩余凸包面积计算和统计,符合如下规律:在含有分枝根段的CT轮廓,其计算出的剩余凸包面积大于0时;而不含分枝根段的CT轮廓,其计算出的面积等于0;因此,当计算出根系轮廓的剩余凸包面积大于0时,可以初步判定为含分枝的轮廓,剩余凸包面积等于0时,则为不含分枝的轮廓。
6.根据权利要求1所述植物根系分叉特征的骨架提取方法,其特征在于,步骤(3)中,植物根系结构分为主根和侧根,因为侧根的生长布局不规则排布,导致得到的CT切片上的根系横截面所呈现的根系轮廓具有以下几个特征:
(一)不含分枝的根系CT轮廓,边缘光滑,接近椭圆或圆;
(二)主根上生长出细小侧枝,在CT轮廓上图像呈“蝌蚪”形状;
(三)主根出现分叉特征的根段,先由椭圆逐渐变化呈“草帽”侧视图或“葫芦”的剖面图,最后分离呈两个或两个以上的椭圆或圆形图;
对于第(一)种根枝CT轮廓,是单个独立根枝上的轮廓,其提取出来的质心点具有中心性;对于第(二)种出现分叉特征的CT序列图,采用凹点检测的方法来进行区域分离,把原来一个根系轮廓分成两个,变成两个不含分枝的根系轮廓;
对于第(三)种轮廓出现的“葫芦”形状的可被部分分离,变成两个或两个以上的轮廓。
7.根据权利要求1所述植物根系分叉特征的骨架提取方法,其特征在于,步骤(4)中,经过步骤(3)的区域分离后,对于主根上出现分叉特征的CT轮廓,由于检测不出凹点,而不能被进行准确分离,经过分离后CT轮廓,再经过开运算处理后,用根截面的圆率公式:
其中,A表示根截面面积,l表示根截面周长;
计算圆度,高于设定的阈值时,那么该轮廓可以被当作不含分枝的CT轮廓,小于阈值范围的即为主根上含分枝的CT轮廓,因此通过该方法定位出主根中分叉特征过渡根段的CT轮廓区域,并选取这类骨架点集中的合适点作为分叉的起始点,所述合适点是指轮廓圆度值较大的点。
8.根据权利要求1所述植物根系分叉特征的骨架提取方法,其特征在于,步骤(5)中,骨架提取的具体方法为:
(5-1)把根系的CT序列图分成三部分:(A)不含分枝的根系CT序列图;(B)含分枝特征经过图像处理后,圆度在阈值范围之外的CT序列图;(C)含分枝特征经过图像处理后,圆度小于阈值范围之内的CT序列图;
(5-2)根枝上骨架点分组,把属于同一分枝上的骨架点保存在一个类中;设图像的高和宽分别位M和L,g(i,j)位图像在坐标(i,j)处的灰度值,i和j分别为图像的行和列,则可以得到根系截面轮廓的质点公式:
求上一步中每张CT序列图轮廓的质心点;如果该分叉根处的分枝的个数为N,根据点的空间连通关系,将该根段CT序列图上具有N个骨架点分别保留在相应的根干上,即将同一根枝上的CT轮廓保存在同一枝干上;
(5-3)选择合适的下采样,对属于同一根枝上的骨架点进行采集,对于CT切片得到的图像,因为层与层间隔较小,影响骨架线的光滑性,所以需要对骨架点进行下采样,选择没有分枝根段轮廓和分枝过渡根段分离后圆度大于阈值轮廓中的骨架点作为控制点;
(5-4)三维插值拟合,根据三维曲线参数方程,选择上述经过下采样的控制点进行曲线拟合,选择含分枝CT轮廓的质点作为分叉起始点,与含分枝特征经过分离后具有分枝个数的CT序列图中轮廓的质心点和不含分枝轮廓具有分枝个数的质心点,用B样条曲线参数方程,进行空间三维插值拟合,得到平滑的一维曲线骨架模型。
CN201810047793.0A 2018-01-18 2018-01-18 一种植物根系分叉特征的骨架提取方法 Active CN108280833B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810047793.0A CN108280833B (zh) 2018-01-18 2018-01-18 一种植物根系分叉特征的骨架提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810047793.0A CN108280833B (zh) 2018-01-18 2018-01-18 一种植物根系分叉特征的骨架提取方法

Publications (2)

Publication Number Publication Date
CN108280833A true CN108280833A (zh) 2018-07-13
CN108280833B CN108280833B (zh) 2021-09-24

Family

ID=62803925

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810047793.0A Active CN108280833B (zh) 2018-01-18 2018-01-18 一种植物根系分叉特征的骨架提取方法

Country Status (1)

Country Link
CN (1) CN108280833B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109829941A (zh) * 2019-01-04 2019-05-31 华南农业大学 一种基于中心线提取的植物根系三维构型测量方法
CN109885557A (zh) * 2019-01-18 2019-06-14 桂林能创信息科技有限公司 一种植物果实形态结构大数据采集方法
CN111062942A (zh) * 2020-03-16 2020-04-24 南京景三医疗科技有限公司 血管分叉的检测方法、装置及医疗设备
CN113253295A (zh) * 2021-06-22 2021-08-13 中国人民解放军国防科技大学 一种激光反射断层成像多角度激光回波配准方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000132709A (ja) * 1998-10-26 2000-05-12 Namco Ltd スケルトンモデルの中間フレーム形状導出方法、スケルトンモデルの形状変形方法、画像生成装置及び情報記憶媒体
CN101231760A (zh) * 2007-01-24 2008-07-30 中国科学院自动化研究所 一种树状形体的立体分解和分级骨架提取方法
CN101673413A (zh) * 2009-10-10 2010-03-17 华南农业大学 基于表面数据的植物枝体三维形态建模系统及方法
CN102184567A (zh) * 2011-05-04 2011-09-14 北京师范大学 基于球b样条曲线的三维血管模型构造方法
CN103268631A (zh) * 2013-05-23 2013-08-28 中国科学院深圳先进技术研究院 点云骨架提取方法及装置
CN104318557A (zh) * 2014-10-17 2015-01-28 重庆大学 血管骨架线重构及精确管径计算方法
CN107507171A (zh) * 2017-08-08 2017-12-22 东北大学 一种肺部ct图像气道三维骨架树状结构提取及标记方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000132709A (ja) * 1998-10-26 2000-05-12 Namco Ltd スケルトンモデルの中間フレーム形状導出方法、スケルトンモデルの形状変形方法、画像生成装置及び情報記憶媒体
CN101231760A (zh) * 2007-01-24 2008-07-30 中国科学院自动化研究所 一种树状形体的立体分解和分级骨架提取方法
CN101673413A (zh) * 2009-10-10 2010-03-17 华南农业大学 基于表面数据的植物枝体三维形态建模系统及方法
CN102184567A (zh) * 2011-05-04 2011-09-14 北京师范大学 基于球b样条曲线的三维血管模型构造方法
CN103268631A (zh) * 2013-05-23 2013-08-28 中国科学院深圳先进技术研究院 点云骨架提取方法及装置
CN104318557A (zh) * 2014-10-17 2015-01-28 重庆大学 血管骨架线重构及精确管径计算方法
CN107507171A (zh) * 2017-08-08 2017-12-22 东北大学 一种肺部ct图像气道三维骨架树状结构提取及标记方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109829941A (zh) * 2019-01-04 2019-05-31 华南农业大学 一种基于中心线提取的植物根系三维构型测量方法
WO2020140339A1 (zh) * 2019-01-04 2020-07-09 华南农业大学 一种基于中心线提取的植物根系三维构型测量方法
CN109885557A (zh) * 2019-01-18 2019-06-14 桂林能创信息科技有限公司 一种植物果实形态结构大数据采集方法
CN111062942A (zh) * 2020-03-16 2020-04-24 南京景三医疗科技有限公司 血管分叉的检测方法、装置及医疗设备
CN113253295A (zh) * 2021-06-22 2021-08-13 中国人民解放军国防科技大学 一种激光反射断层成像多角度激光回波配准方法

Also Published As

Publication number Publication date
CN108280833B (zh) 2021-09-24

Similar Documents

Publication Publication Date Title
CN101393644B (zh) 一种肝门静脉血管树建模方法及其系统
CN108280833A (zh) 一种植物根系分叉特征的骨架提取方法
WO2020001217A1 (zh) 一种基于卷积神经网络的ct图像中带夹层主动脉分割方法
CN107808156A (zh) 感兴趣区域提取方法
CN106127849B (zh) 三维精细血管重建方法及其系统
CN112258514B (zh) 一种ct影像肺血管的分割方法
CN101425186A (zh) 一种基于ct图像的肝脏分段方法及其系统
CN102968783B (zh) 从腹部图像数据中自动分割骨骼的方法及系统
CN106780497B (zh) 一种基于统计信息的器官血管树自动提取方法
CN109478327A (zh) 用于在任意视场计算断层摄影血管造影(cta)中自动检测全身动脉的方法
CN110223265A (zh) 基于多尺度变换分解的目标显著的图像融合方法及系统
CN110738701A (zh) 一种肿瘤三维定位系统
CN114757960B (zh) 一种基于cbct图像的牙齿分割与重建方法及存储介质
CN108648256A (zh) 一种基于超维的灰度岩心三维重建方法
CN111815663A (zh) 一种基于Hessian矩阵和灰度法的肝血管分割系统
CN103324934B (zh) 基于平行结构检测与聚类的血管中心线自动提取方法
CN113140035B (zh) 一种基于多模态影像融合技术的人脑血管全自动重建方法、装置
Ando et al. Robust surface reconstruction of plant leaves from 3D point clouds
Barman et al. MRI image segmentation using level set method and implement an medical diagnosis system
JP2004222864A (ja) 診断支援システム、診断支援方法及び診断支援プログラム
CN109886973A (zh) 一种血管提取方法、装置及计算机可读存储介质
CN112562058B (zh) 一种基于迁移学习的颅内血管模拟三维模型快速建立方法
Ebrahimdoost et al. Automatic segmentation of pulmonary artery (PA) in 3D pulmonary CTA images
CN107356968B (zh) 基于crease的三维水平集断层曲面自动提取方法
KR101442728B1 (ko) 폐동맥과 폐정맥을 구분하는 방법

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant