三维图像骨架化算法研究及在植物根系分析中的应用

摘要

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。

目录

文摘

英文文摘

声明

第一章绪论

1.1研究背景与意义

1.2骨架的概念及相关技术

1.2.1骨架概念

1.2.2骨架特性要求

1.2.3 Snake模型及其与骨架化的关系

1.2.4基于骨架的曲面重构

1.3论文的主要研究内容

1.4全文组织

第二章3D图像骨架化算法分析

2.1.3D图像空间及相关概念

2.1.13D图像邻域关系

2.1.23D图像连通关系

2.1.33D图像特殊点

2.2距离变换

2.3细化方法

2.3.1细化方法分类

2.3.2细化方法的实现原理

2.4基于距离变换的骨架化方法

2.5基于路径规划的骨架化方法

2.6比较与分析

2.7本章小结

第三章基于Snake模型的3D骨架化方法

3.1.3D根系图像的特点

3.2基于数学形态学的预处理

3.2.13D根系图像空洞分析

3.2.2数学形态学的基本运算

3.2.3空洞填补

3.3分支端点提取

3.3.1基于参考点的距离变换

3.3.2分支端点的判断和选择

3.4初始骨架线构造

3.5初始骨架线中心化

3.5.1基于边界的距离变换

3.5.2基于距离变换的梯度场构建

3.5.3初始骨架线中心化

3.6基于B-Snake模型的改进方法

3.6.1B-Snake模型

3.6.2基于B-Snake的骨架中心化

3.7本章小结

第四章3D骨架化算法的评价

4.1测试数据生成算法

4.1.1数据结构与相关算子

4.1.2模拟骨架生成算法

4.1.3骨架细分

4.1.4模拟图像生成方法

4.2骨架化算法评价方法

4.3评价实验

4.3.1中心性评价结果

4.3.2抗噪声性评价结果

4.3.2连通性评价结果

4.4本章小结

第五章Snake算法优化

5.1优化算法概述

5.2基于横截面算法的优化

5.3实验结果

5.3本章小结

第六章基于GPU的3D距离变换

6.1GPU通用计算

6.2.1GPU的体系架构

6.2.2GPU的编程接口

6.2.3GPU的程序设计流程

6.2.3D距离变换在GPU上的实现

6.2.1纹理的组织

6.2.2算法流程

6.3实验结果

6.4本章小结

第七章基于骨架的植物根系3D网格重构

7.1算法概述

7.2圆环采样点的坐标旋转

7.3圆台的三角剖分

7.4网格顶点加入噪声

7.5网格调整

7.5.1球面切线的连续性

7.5.2网格调整分析

7.5.3网格生成调整算法

7.6实验结果

7.7本章小结

结论

参考文献

攻读博士学位期间取得的研究成果

致谢