CN109166167A - 一种基于点集体素的多质分界面提取方法 - Google Patents
一种基于点集体素的多质分界面提取方法 Download PDFInfo
- Publication number
- CN109166167A CN109166167A CN201810840585.6A CN201810840585A CN109166167A CN 109166167 A CN109166167 A CN 109166167A CN 201810840585 A CN201810840585 A CN 201810840585A CN 109166167 A CN109166167 A CN 109166167A
- Authority
- CN
- China
- Prior art keywords
- point
- sphere
- centre
- interface
- umbilical
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
Landscapes
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开的一种基于点集体素的多质分界面提取方法,包括以下步骤:步骤1,获取图像的点云数据,进行高斯滤波除噪;步骤2,基于球形邻域进行点集转换,随后凸显出分界点;步骤3,计算最小外接球参数,求出最小外接球点集,利用球面点收缩得到单分界面;步骤4,再次计算出最小外接球参数,求最小外接球点集,利用球面点收缩顺序分割多分界面。本发明多质分界面提取方法利用高斯滤波去噪,保证了模型在处理过程中正确性,减少噪点的影响;利用权重的分界点凸显方法,更好保证了合理利用邻域信息的目的,准确的标定出分界点,解决了受邻域影响导致的局部分界面不清晰的问题,更好保证了模型在处理中分界点判断的准确性。
Description
技术领域
本发明属于多质分界面提取方法技术领域,具体涉及一种基于点集体素的多质分界面提取方法。
背景技术
传统的等值面提取技术适用于标量场的可视化问题,然而在现实生活中,几乎所有的物体都由两种或多种材质组成,等值面提取方法很难支撑含有超过两种材质的物体的重建工作,因此,提取多质物体分界面成为了当前研究工作中的重点。提取多质分界面技术不仅在可视化技术、逆向工程等领域中占有十分重要的地位,而且在医学、地质勘探、气象学等领域有广泛的应用。
物体内部的各个部分可以通过其外表面来表示,对于多质物体来说也就是不同介质间的分界面来表示,因此,将分界面提取出来就可将物体及其内部结构显示出来。针对点集体素的数据,发明了提取多质物体分界面的方法,目的是为了获取不同材质间的分界面。分界面是指不同材质相接壤的面,分界面上的点叫分界点。为此,探索分界面的提取与分割方法,为的是在不损坏物体的情况下获取分界面,描述多质物体的内部结构,为可视化技术、计算机辅助设计等领域的应用做基础性的支撑。
(1)基于Marching Cubes的分界面提取法
这类算法通常是将移动立方体算法和其它提取曲面技术相结合,或者对移动立方体算法进行改进提高提取效率,从而实现提取分界面的目标。
该方法利用边的中点、面的中点和体的中点来分隔多材质的边、面及四面体,然后将多质四面体分割成多个相同材质的部分,结果是获得了一组三角面片集合,但是,没有获得有效的组织这些三角面片的拓扑结构。当介质数量超过3种时,效果会明显下降,甚至不能处理或得到提取分界面的结果。
(2)基于多材质标注的分界面提取方法
这类算法对体素进行归类,然后再合并相同类别的体素,获得相同类别体素的外表面,最后采用插值法或其他优化算法进行表面优化,得到不同类别体素各自的外表面。
该方法首先采用区域生长和图割算法相结合,将同一类材质的体素进行归类,然后使用移动立方体算法获取三角网格表示的各物质的分界面。但是,当多质物体包含3种以上的不同介质时,由该算法得到的分界面的结果开始变的不理想。
(3)基于特征曲线或特征点的曲面提取方法
一种隐式曲面的检测和重建方法,首先需要用户给出一个二维剖面图上的曲面片,然后采用依赖于自适应的检测方法和曲面片周围环境的层次追踪法扩展曲面片,和用于区分曲面片的识别技术相结合就得到了重建后的整个连续隐式曲面。
基于最小路径方法的启发,提出一种提取三维图像中曲面的方法:该方法需要用户输入两条在曲面上的约束曲线,结合着两条约束曲线和最小路径法使用偏微分方程求解,得到一簇曲线,这一簇曲线和两条约束曲线构成了曲面。在前面的基础上进行了改进,该方法需要输入一个种子点,采用包含种子点的Fast Marching方法的距离函数得到一条曲线,然后用种子点和曲线,结合最小路径法使用偏微分方程求解提取曲面。另一种提取曲面的方法是采用极小曲面理论,该理论需要用户输入曲线,通过求解线性规划问题,得到边界曲面,该方法的缺点是对噪声很敏感并且不能准确找到边界表面。
基于特征曲线或特征点的曲面提取方法,通常需要借助用户输入已经求取的曲面上的曲线或者特征点(如脊骨点)信息才能提取曲面。
发明内容
本发明的目的是提供一种基于点集体素的多质分界面提取方法,解决了现有多质分界面提取方法适用介质数量少、对噪声敏感且不能准确找到边界表面的问题。
本发明所采用的技术方案是,一种基于点集体素的多质分界面提取方法,包括以下步骤:
步骤1,获取图像的点云数据,进行高斯滤波,除去噪声点;
步骤2,经步骤1高斯滤波后,对图像中的点基于球形邻域进行点集转换,随后通过权重凸显出分界点;
步骤3,经步骤2处理后,通过均匀法计算出图像中的最小外接球参数,求出最小外接球点集,利用球面点收缩得到单分界面;
步骤4,通过步骤3得到的单分界面,再次通过均匀法计算出最小外接球参数,求最小外接球点集,提取出模型中所有分界面,利用球面点收缩顺序分割多分界面。
本发明的特征还在于,
步骤1具体为:
步骤1.1,在图像处理中,高斯滤波具有去噪效果,通过调整高斯分布参数σ改变平滑程度,设二维高斯函数G(xi,yj)为公式(1),
其中,参数xi,yj分别表示二维变量,参数m,n表示图像的大小;
步骤1.2,离散化步骤1.1中公式(1),得到高斯模板矩阵M,则矩阵中的元素mi,j及矩阵M分别为公式(2)和(3),
其中,高斯模板矩阵M的大小为(2k+1)*(2k+1);
步骤1.3,滑动步骤1.2中的高斯模板矩阵M,使其中心位于图像I的(x,y)像素上,(x,y)位置为公式(4),
步骤1.4,对图像的每个像素迭代公式(4),即可得到高斯滤波结果。
步骤2具体为:
步骤2.1,设以任意一点O为球心的球形邻域中的点数为n,点集为P,则P={pi∈P|0≤i<n},其中pi表示点集中第i个点;
设点集中所有点对应的灰度值集合G,则G={gi∈G|0≤i<n,0≤gi≤255},gi表示第i个点的灰度值,球心O的灰度值为go,则球心O的梯度gradO如公式(5)所示:
步骤2.2,按照公式(5)对图像中每个点基于球形邻域进行转换计算,得到新的数据点集;
步骤2.3,计算步骤2.2新的数据点集的权重矩阵,通过公式(6)计算服从高斯分布的权重矩阵,并归一化,得到一个3*3的权重矩阵W,
步骤2.4,设图像I(x,y)被权重矩阵W覆盖的图像部分记为矩阵F,
矩阵F中各位置对应的灰度值记为矩阵G',
其中,0≤gij≤255,1≤i≤3,1≤j≤3;
步骤2.5,以图像I(x,y)中的I(0,0)位置作为起始位置,先将权重矩阵W的中心元素与待处理点(0,0)重合,然后计算待处理点(0,0)的权重凸显结果,将权重矩阵W覆盖的图像的每个点加权结果记做resultij,
resultij=wij·gij (9)
其中,参数wij表示待处理点gij对应的权重凸显结果,参数gij表示图像I(x,y)中的待处理点,1≤i≤3,1≤j≤3,记中心位置的结果为centre,centre=w22·g22,则待处理点(0,0)出的灰度值为,
∑|resultij-centre| (10)
步骤2.6,对图像I(x,y)中的所有点迭代步骤2.4和步骤2.5,得到凸显分界点的结果。
步骤3具体为:
步骤3.1,确定最小外接球参数
设物体图像点集为W且W={wi∈W|0<i≤n},用均值法确定最小外接球的球心坐标,如公式(11)所示,
其中,参数wix表示第i个物体点wi的x的坐标值,wiy表示第i个物体点wi的y的坐标值,wiz表示第i个物体点wi的z的坐标值;
设disti表示物体点wi到球心O的距离,根据公式(11)可得:
外接球的半径R是disti中的最大值,可由公式(13)得到:
R=max(dist1,…,disti,…distn) (13)
步骤3.2,得到最小外接球点集
由步骤2.1可知,球面点集为P',P'={pi'∈P'|0<i≤MIN},MIN表示球面点集P'中点的数量,设变量和θ的增量分别设置为和Δθ,则球面点坐标为公式(14),
其中,参数θ∈(0,2π),参数pix'表示球面上第i个点pi'的x坐标,参数piy'表示球面上第i个点pi'的y坐标,参数piz'表示球面上第i个点pi'的z坐标;
步骤3.3,利用球面点收缩得到分界面。
步骤3.3具体为:
步骤3.3.1,对于步骤3.2球面点集为P'中任意一点pi',沿球心方向,向球心O移动,在移动过程中检测点pi'是否移动到球心O,若已经遇到球心O,则点pi'停止移动;反之检测点pi'是否遇到分界面,若点pi'遇到分界面,则点pi'停止移动并将pi'加入提取分界点的结果中,将点pi'的状态设置为1;
步骤3.3.2,点pi'继续向球心O移动,在移动过程中检测pi'的小球形邻域中是否有分界点,若无则设置点pi'的状态为0,继续执行步骤3.3.1,
步骤3.3.3,将球面点集P'中所有点均执行步骤3.3.1和步骤3.3.2,直至所有点均移动至球心O,完成提取单分界面。
步骤4具体为:
步骤4.1,提取多个分界面:根据步骤3.1和步骤3.2,确定最小外接球参数和得到最小外接球点集,在球面收缩过程中,记录球面点收缩到球心过程中的每一个分界面点;
步骤4.2,基于球面点收缩顺序的分割方法
在生成物体最小外接球时,给球面点设置一个顺序属性type,并初始化所有球面点的type为0;在球面点向球心O移动的过程中,球面点每遇到一次分界面,球面点的顺序属性type就加1,当所有球面点都收缩结束时,将相同type的球面点聚为一类,表示一个分界面。
本发明的有益效果是:本发明多质分界面提取方法,针对多质物体,探索出不需要利用特征信息的多质物体分界面提取方法,受到活动轮廓模型思想的启发,给出了基于物体最小外接球面收缩提取分界面的方法,并且对不同曲面类型的模型提取后,有着很好的提取结果;利用高斯滤波去噪,保证了模型在处理过程中正确性,减少噪点的影响;利用权重的分界点凸显方法,更好保证了合理利用邻域信息的目的,可以更加准确的标定出分界点,较好的解决了受邻域影响导致的局部分界面不清晰的问题;利用球面收缩提取分界面方法,更好保证了模型在处理中分界点判断的准确性,有很好的实用价值。
附图说明
图1是本发明一种基于点集体素的多质分界面提取方法的工作流程图;
图2是本发明多质分界面提取方法中球形邻域剖面示意图;
图3是本发明多质分界面提取方法中凸显分界面示意图,其中,(a)图是权重矩阵示意图,(b)是图像灰度示意图,(c)图是基于权重的分界点凸显法的过程示意图一,(d)图是基于权重的分界点凸显法的过程示意图二;
图4是本发明多质分界面提取方法中凸显分界点结果图,其中,(a)图是原模型截面图,(b)是去噪结果图,(c)图是去噪后凸显结果图,(d)图是凸显后点集转换结果图;
图5是本发明多质分界面提取方法中球面收缩截面示意图,其中,(a)图为凸包曲面A,(b)图为球面收缩示意图,(c)图为检测球面点穿过分界面的示意图;
图6是本发明多质分界面提取方法中提取单分界面结果图,其中,(a)图为图5(a)中凸包曲面A的球面收缩结果,(b)图为球面收缩结果截面图,(c)图为提取分界点结果;
图7是本发明多质分界面提取方法中提取多分界面示意图;
图8是本发明多质分界面提取方法中基于球面点收缩顺序的分割方法示意图;
图9是本发明多质分界面提取方法中提取多分界面实际模型结果图,其中,(a)图为西红柿原图,(b)图为提取多分界面结果,(c)图为提取多分界面结果截面图,(d)图为球面点收缩顺序的方法提取的多分界面分割结果,(e)图为对应的分割结果截面图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明一种基于点集体素的多质分界面提取方法,如图1所示,包括以下步骤:
步骤1,获取图像的点云数据,进行高斯滤波,除去噪声点。
高斯滤波去噪的思想是对整幅图像的每个像素点加权平均的过程,每一个像素点的值都由其本身和其邻域内的像素值通过加权平均得到。其具体实现过程是使用一个模板扫描图像中的每一个像素,用模板确定的邻域内像素的加权平均灰度值替代模板中心像素点的灰度值。具体为:
步骤1.1,在图像处理中,高斯滤波具有去噪效果,通过调整高斯分布参数σ改变平滑程度,设二维高斯函数G(xi,yj)为公式(1),
其中,参数xi,yj分别表示二维变量,参数m,n表示图像的大小;
步骤1.2,离散化步骤1.1中公式(1),得到高斯模板矩阵M,则矩阵中的元素mi,j及矩阵M分别为公式(2)和(3),
其中,高斯模板矩阵M的大小为(2k+1)*(2k+1);
步骤1.3,滑动步骤1.2中的高斯模板矩阵M,使其中心位于图像I的(x,y)像素上,(x,y)位置为公式(4),
步骤1.4,对图像的每个像素迭代公式(4),即可得到高斯滤波结果。
步骤2,经步骤1高斯滤波后,对图像中的点基于球形邻域进行点集转换,随后通过权重凸显出分界点。
通常描述某个点的局部特征时,需要借助其邻域点的信息。邻域是一个特殊的区间,以点a为中心点的任何开区间称为点a的邻域,记作U(a)。如图2所示,对于任意一个点O,以O为圆心,定长r为半径作一个球,包含在该球内的点属于点O的球形邻域点。具体为:
步骤2.1,设以任意一点O为球心的球形邻域中的点数为n,点集为P,则P={pi∈P|0≤i<n},其中pi表示点集中第i个点;
设点集中所有点对应的灰度值集合G,则G={gi∈G|0≤i≤n,0≤gi≤255},gi表示第i个点的灰度值,球心O的灰度值为go,则球心O的梯度gradO如公式(5)所示:
步骤2.2,按照公式(5)对图像中每个点基于球形邻域进行转换计算,得到新的数据点集;材质相同的则此点集的灰度值都接近于0,而材质不同的则此点集的灰度值远大于0。随着半径r的改变,会引起球心O的球形邻域中点的数量n的变化,标定的分界面点集的结果也随之改变;
步骤2.3,基于权重的分界点凸显的思想是,给邻域中心点及其邻域点赋予权重,以此来增大点的自身灰度值,减小其邻域点的灰度值,这样就可增大邻域中心点与其邻域点灰度的差值,也更加合理的利用邻域对邻域中心的影响,从而凸显分界面。具体为计算步骤2.2新的数据点集的权重矩阵,通过公式(6)计算服从高斯分布的权重矩阵,并归一化,得到一个3*3的权重矩阵W,
步骤2.4,计算任意一点的灰度值结果。让点的灰度值乘以权重矩阵中心元素值,其邻域点的灰度值乘以权重矩阵中相应的权重值,然后用计算结果和它的每一个邻域点的计算结果作差值,并对所有差值求和,该求和结果作为此点的灰度值。设图像I(x,y)被权重矩阵W覆盖的图像部分记为矩阵F,
矩阵F中各位置对应的灰度值记为矩阵G',
其中,0≤gij≤255,1≤i≤3,1≤j≤3;
步骤2.5,以图像I(x,y)中的I(0,0)位置作为起始位置,先将权重矩阵W的中心元素与待处理点(0,0)重合,然后计算待处理点(0,0)的权重凸显结果,将权重矩阵W覆盖的图像的每个点加权结果记做resultij,
resultij=wij·gij (9)
其中,参数wij表示待处理点gij对应的权重凸显结果,参数gij表示图像I(x,y)中的待处理点,1≤i≤3,1≤j≤3,记中心位置的结果为centre,centre=w22·g22,则待处理点(0,0)出的灰度值为,
∑|resultij-centre| (10)
步骤2.6,对图像I(x,y)中的所有点迭代步骤2.4和步骤2.5,得到凸显分界点的结果。
以物体的一个截面为例,图3中(a)、(b)两图分别是权重矩阵示意图和图像灰度示意图,图3中(c)、(d)两图是基于权重的分界点凸显法的过程示意图。如图3中(c)图所示,让权重矩阵中心即黑色加粗框格,与图像灰度示意图上的点(0,0)位置即图3(b)中黑色加粗框格重合。计算权重矩阵每个元素和图像中对应位置灰度值的乘积,然后用权重中心处的结果和各个邻域点结果做差值,然后对差值求和,该求和结果作为点(0,0)位置的灰度值。然后移动权重矩阵(如图3(b)中黑色加粗框格),使权重矩阵中心元素和处理点(0,1)重合,计算(0,1)位置的灰度,依次按照该过程迭代处理所有点即可得到凸显分面点的目的。采用先去噪,然后进行基于权重的分界点凸显方法,最后使用基于球形邻域的点集转换方法的顺序,标识分界点的结果最好。实验结果如图4所示。
步骤3,经步骤2处理后,通过均匀法计算出图像中的最小外接球参数,求出最小外接球点集,利用球面点收缩得到单分界面。具体为:
步骤3.1,确定最小外接球参数。
最小外接球是一种包围体,至少包含球心和半径两个参数,用均值法来确定最小外接球的球心和半径。均值法是将物体的所有点的x,y,z坐标分别求均值,得到的结果作为最小外接球的球心,然后计算所有物体点到球心的距离,取所有距离的最大值作为最小外接球的半径。
设物体图像点集为W且W={wi∈W|0<i≤n},用均值法确定最小外接球的球心坐标,如公式(11)所示,
其中,参数wix表示第i个物体点wi的x的坐标值,wiy表示第i个物体点wi的y的坐标值,wiz表示第i个物体点wi的z的坐标值;
设disti表示物体点wi到球心O的距离,根据公式(11)可得:
外接球的半径R是disti中的最大值,可由公式(13)得到:
R=max(dist1,…,disti,…distn) (13)
步骤3.2,得到最小外接球点集
由步骤2.1可知,球面点集为P',P'={pi'∈P'|0<i≤MIN},MIN表示球面点集P'中点的数量,设变量和θ的增量分别设置为和Δθ,则球面点坐标为公式(14),
其中,参数θ∈(0,2π),参数pix'表示球面上第i个点pi'的x坐标,参数piy'表示球面上第i个点pi'的y坐标,参数piz'表示球面上第i个点pi'的z坐标;
步骤3.3,利用球面点收缩得到分界面。该方法对任意球面点在沿球心方向,向球心方向移动的过程中,只要检测球面点遇到分界面就将该球面点加入提取分界点结果的集合,然后让该球面点穿过当前遇到的分界面,继续向球心移动,直到球面点移动到球心时该球面点停止移动,当所有球面点都移动到球心时球面收缩结束。具体为:
步骤3.3.1,对于步骤3.2球面点集为P'中任意一点pi',沿球心方向,向球心O移动,在移动过程中检测点pi'是否移动到球心O,若已经遇到球心O,则点pi'停止移动;反之检测点pi'是否遇到分界面,若点pi'遇到分界面,则点pi'停止移动并将pi'加入提取分界点的结果中,将点pi'的状态设置为1;
步骤3.3.2,点pi'继续向球心O移动,在移动过程中检测pi'的小球形邻域中是否有分界点,若无则设置点pi'的状态为0,继续执行步骤3.3.1,
步骤3.3.3,将球面点集P'中所有点均执行步骤3.3.1和步骤3.3.2,直至所有点均移动至球心O,完成提取单分界面。
如图5所示,以图5(a)具有自身遮挡的凸曲面模型A的截面为例描述球面收缩方法,其中(b)图是球面收缩示意图,(c)图是检测球面点穿过分界面的示意图。
以集合p表示球面点,集合result表示最终的球面收缩结果点集。在图5(b)中,球面点p1和p2分别向球心O方向移动,当它们第一次遇到分界面时分别记为p1'和p2',并将点p1'和p2'加入集合result,设置点p1'和p2'的标志位为1。继续运动,点p1'和p2'分别继续向球心O移动,移动过程中检测球面点是否穿过当前遇到的分界面,如图5(c)中,当检测到球面点的小球形邻域中没有分界点时,此时,设置点p1'和p2'的标志位为0。然后,点p1'和p2'继续向球心移动,它们第二次遇到分界面时分别记为p1”和p2”,将p1”和p2”加入集合result,然后p1”和p2”继续移动到球心O,停止移动。点p1到点p2的弧如图5(b)中双向箭头所示,靠近双向箭头上所有点表示第一次遇到分界面的结果,第二次遇到分界面结果如图5(b)中靠近球心的点所示,靠近球心的点表示的就是经过穿越后到达被遮挡的分界面的球面收缩结果,最终集合result就是多次穿越的球面收缩的分界面结果。如图6所示,为图5的实验结果图。
步骤4,通过步骤3得到的单分界面,再次通过均匀法计算出最小外接球参数,求最小外接球点集,提取出模型中所有分界面,利用球面点收缩顺序分割多分界面。
在球面收缩方法中,能够将球面点收缩到球心过程中遇到的每一个分界面点记录下来,其实这个记录的结果中含有多质物体中所有物质分界面的点。
以包含两个分界面的多质物体为例,如图7所示:图中给出了有两个分界面的多质物体的截面示意图,其中最外圈点集合表示最小外接球的球面点,从外到内第3-5、7-8圈点集合表示物体分界点,圈数表示分界面具有一定的厚度,从外到内第2、6圈点集合表示球面点的收缩结果。采用球面收缩方法进行多分界面提取,对球面上任意一点pi在向球心O移动的过程中,检测到点pi遇到图中所示的最外面分界面时,记pi为pi',将pi'加入提取多分界面的结果中,并设置点pi'的标志位为1,表示遇到分界面,当pi'穿过最外面的分界面时,设置pi'的标志位为0,表示穿过分界面,pi'继续向球心移动,当遇到内层分界面时,记pi'为pi”,将pi”加入提取多分界面的结果中,并设置点pi”的标志位为1,当pi”穿过当前遇到的分界面时,设置pi”的标志位为0,pi”继续向球心移动,直到pi”遇到球心停止。当球面上所有点全部收缩结束,就得到多质物体的所有分界面的收缩结果。
具体为:
步骤4.1,提取多个分界面:根据步骤3.1和步骤3.2,确定最小外接球参数和得到最小外接球点集,在球面收缩过程中,记录球面点收缩到球心过程中的每一个分界面点;
步骤4.2,基于球面点收缩顺序的分割方法
基于球面收缩顺序提取分界面的思想是,在球面收缩方法中,球面点向球心移动的过程中,球面点遇到分界面是有先后顺序的,那么,就可以利用球面点遇到分界面的顺序进行基础分类,将同一顺序检测到分界面的球面点聚为一类,作为一个分界面,从而实现多分界面的基础分割。
在生成物体最小外接球时,给球面点设置一个顺序属性type,并初始化所有球面点的type为0;在球面点向球心O移动的过程中,球面点每遇到一次分界面,球面点的顺序属性type就加1,当所有球面点都收缩结束时,将相同type的球面点聚为一类,表示一个分界面。
如图8所示,最外圈点集合表示球面点,两个小圆的最外圈靠近大圆外圈部分点集合表示第一次收缩到分界面上的球面点,两个小圆的最外圈远离大圆外圈部分点集合表示第二次收缩到分界面上的点。球面点在向球心O移动的过程中,第一次遇到分界面的点是图中角α对应弧上的球面点,将这部分球面点的顺序属性type标记为1,然后球面点继续穿过分界面向球心移动,第二次遇到分界面的点是图中角β对应弧上的球面点,将这部分球面点的顺序属性type标记为2。球面收缩结束后,根据球面点的顺序属性type,将顺序属性相同的球面点聚类。
如图9所示,以西红柿为例,给出了基于物体最小外接球面收缩提取分界面的方法过程图,其中,(a)图为西红柿原图,(b)图为提取多分界面结果,(c)图为提取多分界面结果截面图,(d)图为球面点收缩顺序的方法提取的多分界面分割结果,(e)图为对应的分割结果截面图。本发明利用高斯滤波去噪,保证了模型在处理过程中正确性,减少噪点的影响;利用权重的分界点凸显方法,更好保证了合理利用邻域信息的目的,可以更加准确的标定出分界点,较好的解决了受邻域影响导致的局部分界面不清晰的问题;利用球面收缩提取分界面方法,更好保证了模型在处理中分界点判断的准确性,有很好的实用价值。
Claims (6)
1.一种基于点集体素的多质分界面提取方法,其特征在于,包括以下步骤:
步骤1,获取图像的点云数据,进行高斯滤波,除去噪声点;
步骤2,经步骤1高斯滤波后,对图像中的点基于球形邻域进行点集转换,随后通过权重凸显出分界点;
步骤3,经步骤2处理后,通过均匀法计算出图像中的最小外接球参数,求出最小外接球点集,利用球面点收缩得到单分界面;
步骤4,通过步骤3得到的单分界面,再次通过均匀法计算出最小外接球参数,求最小外接球点集,提取出模型中所有分界面,利用球面点收缩顺序分割多分界面。
2.根据权利要求1所述的一种基于点集体素的多质分界面提取方法,其特征在于,所述步骤1具体为:
步骤1.1,在图像处理中,高斯滤波具有去噪效果,通过调整高斯分布参数σ改变平滑程度,设二维高斯函数G(xi,yj)为公式(1),
其中,参数xi,yj分别表示二维变量,参数m,n表示图像的大小;
步骤1.2,离散化步骤1.1中公式(1),得到高斯模板矩阵M,则矩阵中的元素mi,j及矩阵M分别为公式(2)和(3),
其中,高斯模板矩阵M的大小为(2k+1)*(2k+1);
步骤1.3,滑动步骤1.2中的高斯模板矩阵M,使其中心位于图像I的(x,y)像素上,(x,y)位置为公式(4),
步骤1.4,对图像的每个像素迭代公式(4),即可得到高斯滤波结果。
3.根据权利要求2所述的一种基于点集体素的多质分界面提取方法,其特征在于,所述步骤2具体为:
步骤2.1,设以任意一点O为球心的球形邻域中的点数为n,点集为P,则P={pi∈P|0≤i<n},其中pi表示点集中第i个点;
设点集中所有点对应的灰度值集合G,则G={gi∈G|0≤i≤n,0≤gi≤255},gi表示第i个点的灰度值,球心O的灰度值为go,则球心O的梯度gradO如公式(5)所示:
步骤2.2,按照公式(5)对图像中每个点基于球形邻域进行转换计算,得到新的数据点集;
步骤2.3,计算步骤2.2新的数据点集的权重矩阵,通过公式(6)计算服从高斯分布的权重矩阵,并归一化,得到一个3*3的权重矩阵W,
步骤2.4,设图像I(x,y)被权重矩阵W覆盖的图像部分记为矩阵F,
矩阵F中各位置对应的灰度值记为矩阵G',
其中,0≤gij≤255,1≤i≤3,1≤j≤3;
步骤2.5,以图像I(x,y)中的I(0,0)位置作为起始位置,先将权重矩阵W的中心元素与待处理点(0,0)重合,然后计算待处理点(0,0)的权重凸显结果,将权重矩阵W覆盖的图像的每个点加权结果记做resultij,
resultij=wij·gij (9)
其中,参数wij表示待处理点gij对应的权重凸显结果,参数gij表示图像I(x,y)中的待处理点,1≤i≤3,1≤j≤3,记中心位置的结果为centre,centre=w22·g22,则待处理点(0,0)出的灰度值为,
∑|resultij-centre| (10)
步骤2.6,对图像I(x,y)中的所有点迭代步骤2.4和步骤2.5,得到凸显分界点的结果。
4.根据权利要求3所述的一种基于点集体素的多质分界面提取方法,其特征在于,所述步骤3具体为:
步骤3.1,确定最小外接球参数
设物体图像点集为W且W={wi∈W|0<i≤n},用均值法确定最小外
接球的球心坐标,如公式(11)所示,
其中,参数wix表示第i个物体点wi的x的坐标值,wiy表示第i个物体点wi的y的坐标值,wiz表示第i个物体点wi的z的坐标值;
设disti表示物体点wi到球心O的距离,根据公式(11)可得:
外接球的半径R是disti中的最大值,可由公式(13)得到:
R=max(dist1,…,disti,…distn) (13)
步骤3.2,得到最小外接球点集
由步骤2.1可知,球面点集为P',P'={pi'∈P'|0<i≤MIN},MIN表示球面点集P'中点的数量,设变量和θ的增量分别设置为和Δθ,则球面点坐标为公式(14),
其中,参数θ∈(0,2π),参数pix'表示球面上第i个点pi'的x坐标,参数piy'表示球面上第i个点pi'的y坐标,参数piz'表示球面上第i个点pi'的z坐标;
步骤3.3,利用球面点收缩得到分界面。
5.根据权利要求4所述的一种基于点集体素的多质分界面提取方法,其特征在于,所述步骤3.3具体为:
步骤3.3.1,对于步骤3.2球面点集为P'中任意一点pi',沿球心方向,向球心O移动,在移动过程中检测点pi'是否移动到球心O,若已经遇到球心O,则点pi'停止移动;反之检测点pi'是否遇到分界面,若点pi'遇到分界面,则点pi'停止移动并将pi'加入提取分界点的结果中,将点pi'的状态设置为1;
步骤3.3.2,点pi'继续向球心O移动,在移动过程中检测pi'的小球形邻域中是否有分界点,若无则设置点pi'的状态为0,继续执行步骤3.3.1,
步骤3.3.3,将球面点集P'中所有点均执行步骤3.3.1和步骤3.3.2,直至所有点均移动至球心O,完成提取单分界面。
6.根据权利要求5所述的一种基于点集体素的多质分界面提取方法,其特征在于,所述步骤4具体为:
步骤4.1,提取多个分界面:根据步骤3.1和步骤3.2,确定最小外接球参数和得到最小外接球点集,在球面收缩过程中,记录球面点收缩到球心过程中的每一个分界面点;
步骤4.2,基于球面点收缩顺序的分割方法
在生成物体最小外接球时,给球面点设置一个顺序属性type,并初始化所有球面点的type为0;在球面点向球心O移动的过程中,球面点每遇到一次分界面,球面点的顺序属性type就加1,当所有球面点都收缩结束时,将相同type的球面点聚为一类,表示一个分界面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810840585.6A CN109166167B (zh) | 2018-07-27 | 2018-07-27 | 一种基于点集体素的多质分界面提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810840585.6A CN109166167B (zh) | 2018-07-27 | 2018-07-27 | 一种基于点集体素的多质分界面提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109166167A true CN109166167A (zh) | 2019-01-08 |
CN109166167B CN109166167B (zh) | 2022-10-11 |
Family
ID=64898422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810840585.6A Active CN109166167B (zh) | 2018-07-27 | 2018-07-27 | 一种基于点集体素的多质分界面提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109166167B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111053574A (zh) * | 2019-12-05 | 2020-04-24 | 深圳开立生物医疗科技股份有限公司 | 一种三维表面重建方法、装置及超声设备和存储介质 |
CN111369683A (zh) * | 2020-02-26 | 2020-07-03 | 西安理工大学 | 一种多域物质体数据内部分界面提取方法 |
CN114608476A (zh) * | 2022-03-09 | 2022-06-10 | 东北大学 | 一种复杂岩体三维点云结构面智能分析提取方法 |
CN117333615A (zh) * | 2023-10-09 | 2024-01-02 | 上海交通大学 | 分层扫描数据重构四面体网格模型的方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2006803A1 (en) * | 2007-06-19 | 2008-12-24 | Agfa HealthCare NV | Method of segmenting anatomic entities in 3D digital medical images |
CN107025640A (zh) * | 2017-04-28 | 2017-08-08 | 南京觅踪电子科技有限公司 | 基于优化的非局部均值的医学图像去噪方法 |
CN108320293A (zh) * | 2018-01-26 | 2018-07-24 | 南京信息工程大学 | 一种结合改进粒子群算法的快速点云边界提取技术 |
-
2018
- 2018-07-27 CN CN201810840585.6A patent/CN109166167B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2006803A1 (en) * | 2007-06-19 | 2008-12-24 | Agfa HealthCare NV | Method of segmenting anatomic entities in 3D digital medical images |
CN107025640A (zh) * | 2017-04-28 | 2017-08-08 | 南京觅踪电子科技有限公司 | 基于优化的非局部均值的医学图像去噪方法 |
CN108320293A (zh) * | 2018-01-26 | 2018-07-24 | 南京信息工程大学 | 一种结合改进粒子群算法的快速点云边界提取技术 |
Non-Patent Citations (2)
Title |
---|
刘进: "自适应的基于点云的CAD模型重建方法", 《计算机应用》 * |
杜廷伟等: "基于高斯混合模型聚类的Kinect深度数据分割", 《计算机应用与软件》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111053574A (zh) * | 2019-12-05 | 2020-04-24 | 深圳开立生物医疗科技股份有限公司 | 一种三维表面重建方法、装置及超声设备和存储介质 |
CN111369683A (zh) * | 2020-02-26 | 2020-07-03 | 西安理工大学 | 一种多域物质体数据内部分界面提取方法 |
CN111369683B (zh) * | 2020-02-26 | 2023-11-17 | 西安理工大学 | 一种多域物质体数据内部分界面提取方法 |
CN114608476A (zh) * | 2022-03-09 | 2022-06-10 | 东北大学 | 一种复杂岩体三维点云结构面智能分析提取方法 |
CN117333615A (zh) * | 2023-10-09 | 2024-01-02 | 上海交通大学 | 分层扫描数据重构四面体网格模型的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109166167B (zh) | 2022-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107748871B (zh) | 一种基于多尺度协方差描述子与局部敏感黎曼核稀疏分类的三维人脸识别方法 | |
Jin et al. | Deep learning: individual maize segmentation from terrestrial lidar data using faster R-CNN and regional growth algorithms | |
Xie et al. | Efficient and robust cell detection: A structured regression approach | |
Tareef et al. | Optimizing the cervix cytological examination based on deep learning and dynamic shape modeling | |
Parvin et al. | Iterative voting for inference of structural saliency and characterization of subcellular events | |
CN109166167A (zh) | 一种基于点集体素的多质分界面提取方法 | |
Gauch | Image segmentation and analysis via multiscale gradient watershed hierarchies | |
CN109146948B (zh) | 基于视觉的作物长势表型参数量化与产量相关性分析方法 | |
CN108052942B (zh) | 一种飞机飞行姿态的视觉图像识别方法 | |
Wei et al. | Cervical cancer histology image identification method based on texture and lesion area features | |
CN108898606A (zh) | 医学图像的自动分割方法、系统、设备及存储介质 | |
CN110610505A (zh) | 一种融合深度和色彩信息的图像分割方法 | |
CN108052886B (zh) | 一种小麦条锈病菌夏孢子自动统计计数方法 | |
CN106960226B (zh) | 一种基于烟花算法的软子空间mr图像聚类方法 | |
Hu et al. | A 2.5 D cancer segmentation for MRI images based on U-Net | |
CN104545999B (zh) | 一种超声图像膀胱容积测量方法及装置 | |
CN108009557A (zh) | 一种基于共享权重卷积网络的三维模型局部特征描述方法 | |
CN104463825B (zh) | 用于在三维体积图像中检测对象的设备和方法 | |
Usmani et al. | Enhanced reinforcement learning model for extraction of objects in complex imaging | |
Kousalya et al. | Improved the detection and classification of breast cancer using hyper parameter tuning | |
CN104732230A (zh) | 一种基于细胞核统计信息的病理图像局部特征提取方法 | |
Patel et al. | Adaboosted extra trees classifier for object-based multispectral image classification of urban fringe area | |
Ghosal et al. | A comparative study among clustering techniques for leaf segmentation in rosette plants | |
Jia et al. | A novel lung nodules detection scheme based on vessel segmentation on CT images | |
CN109409375B (zh) | 一种基于轮廓结构学习模型的sar图像语义分割方法 |
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 |