医学图像三维重建算法研究

或称从平面轮廓重建形体Р?РShape from Planar Contours , 其中具有Р代表性的是 Keppel 提出的用三角片拟合物体表面的方法[2]Р?Р这类重建方法需要Р解决断层图像上的轮廓抽取层之间的轮廓对应和物体外表面的拟合等问题随Р着新一代 CT 和 MRI 设备的出现切片间距及切片内像素间距都可以达到很小Р于是出现了基于体素Р?РVoxel 的等值面重建法Р等值面是指空间中一张曲面Р?Р该曲面上的函数 F(x, y, z)的值等于某一定值Р对于规则的体数据Р?Р是在其网格点(xi, yj, zk)上保存采样值 F(xi, yj, zk) 对于某给Р定值 Ft 等值面是由所有点 SFt = {(x, y, z)|F(x, y, z) = Ft}组成的一张曲面Р?由于Р曲面的构造及显示都很复杂所以常用平面特别是三角面片网格逼近等值面由Р于医学图像数据是三维正交等距网格组织三维图像的基本六面体单元称为体素РVoxelР?Р基于体素Р?РVoxel 的等值面构造方法主要有 Marching Cubes 方法РMarching Tetrahedra 算法和 Dividing Cubes 方法РMarching Cubes MCР?算法由 Lorensen 等人在 1987 年提出[3]Р?Р是三维规则Р数据场最具影响力最经典的等值面绘制算法一直沿用至今 MC 算法用三角片Р拟合等值曲面并且简化了等值面的剖分模式最初的 MC 算法不能保证三角片Р所构成的等值面的拓扑一致性会造成等值面上出现空洞这是由 MC 算法中的Р二义性造成[4] 后来很多人在 Lorensen 算法的基础上做了改进解决了 MC 算法Р中的二义性Р?Р本文将在第三章详细介绍 MC 算法РMarching Tetrahedra MT 算法是在 MC 算法的基础上发展起来的[5]Р-2-Р?Р该方