肺部CT图像三维统计形状模型的构建
这是一篇关于统计形状模型,表面特征点匹配,球面保角映射,配准的论文, 主要内容为医学图像分割在计算机辅助诊断、病理分析、虚拟模型建立中具有重要作用。它是医学图像处理、内容分析和理解的基础。由于人体解剖结构、组织器官形状在个体间存在较大差异,仅依靠图像灰度信息并不能得到稳定的分割效果。基于形变模型方法的图像分割方法,由于是把目标对象形状作为先验知识,在医学图像处理方法中显示出了广泛的适用性。而构建形状模型的质量是利用形变模型方法进行图像分割的关键。构建形状模型主要包括三个步骤：获得关心对象的表面数据集；在表面数据集上匹配特征标记点；将特征标记点构成训练样本集进而获得形变分布。本文提出了一种基于表面变量化的统计形状模型构建算法,利用球面保角映射技术实现了在目标对象表面上特征点的自动匹配。首先利用区域增长获得物体单表面,然后利用球面保角映射作为单表面变量化方法,通过把保角映射中的三点约束条件与零质心约束条件对获得模型产生的影响进行了比较,得出三点约束条件获得的模型,专一性能力要好于零质心约束条件,最后用迭代点逼近算法实现了训练模型样本集的刚配准。用86个肺部样本对构建的统计模型进行了通用性和专一性的评估,数据表明：随着样本数量的增加,模型的通用性变强,专一性变好。
基于GPU的遥感图像配准并行算法研究及应用系统实现
这是一篇关于遥感图像,配准,GPU,CUDA,并行,优化的论文, 主要内容为图像配准在许多遥感应用中是一个重要的、不可缺少的步骤。遥感图像的规模随着数据分辨率的不断提高而日渐增大;同时,图像配准是一个典型的计算和访存密集型过程,计算复杂度较高,采用传统串行处理模式已无法满足军事、农林等高端应用的实时性处理需求。随着GPU计算性能和可编程性的不断提升,GPU通用计算已成为计算机技术领域的研究热点,这为加快遥感图像的处理速度提供了新的思路。本文针对基于区域和基于特征两类配准中的两种典型方法,深入研究了基于GPU的遥感图像配准并行算法及优化策略,并面向实际应用设计实现了相应的并行处理软件原型系统。本文的主要工作和贡献体现在以下几个方面:1.研究理解了CPU-GPU异构执行模式。研究了以n VIDIA公司GPU为代表的GPU体系结构和相应的CUDA编程模型,系统掌握了使用CPU-GPU异构模式开发并行算法的基本技能。2.研究并提出了基于GPU的遥感图像全局配准并行算法。选取一种基于相关系数全局配准算法作为GPU并行算法设计和优化的基础,给出了适合该类方法的GPU并行设计,并从数据加载、线程访存、通信与同步等几个方面给出了针对性的优化实现策略。实验结果表明,GPU并行程序获得了良好的性能加速比。3.研究并提出了基于GPU的遥感图像控制点匹配并行算法。搜索控制点和基于控制点的匹配参数计算是该类配准方法的核心步骤,该步骤涉及不规则数据访问、多重分支、循环迭代等数据相关问题,并行设计和优化更为困难。选取一种基于互信息的控制点匹配算法作为研究对象,在数据流分析的基础上,重点针对互信息计算和最小二乘匹配过程设计了两种GPU并行实现方案。实验结果表明,在难以消除迭代相关的情况下,通过优化利用本地存储、原子操作等方法使得GPU程序仍然获得了10倍以上的加速效果。4.设计实现了一个基于Web的遥感图像并行处理原型系统。系统采用B/S模式,基于Java语言开发,在Spring、Hibernate、Struts框架基础上提供图像处理服务,集成了包括上述配准算法研究成果在内12类共49种遥感图像并行处理算法。系统提供了友好的交互界面并具有良好的可扩展性。
基于深度学习的水下扭曲图像重建算法研究
这是一篇关于深度学习,水下图像,配准,注意力机制,特征金字塔的论文, 主要内容为由于受到水流等水下环境因素的影响,水下成像极易产生图像色偏、模糊和扭曲等现象,这为水下图像的理解带来极大的困难。于是水下图像的重建极为重要,它是后续水下目标检测,图像分割的基础。近年来,由于深度学习具有强大的自动学习及特征提取能力,已成功应用于各个领域,在水下图像重建领域取得较好的进展,但是,一方面现有的方法使用浅层网络学习特征,导致深度特征无法充分学习;另一方面对于较大的水流波动去除与图像色偏恢复效果都存在效果不理想等问题。因此,如何构建深度网络进行特征提取是解决水下图像重建的关键。本文在对国内外水下图像重建研究现状进行分析的基础上,针对以上两个问题对水下图像重建问题进行深入研究,取得以下研究成果。一、提出一种基于U-net与图像配准的水下图像重建模型。针对摄像机移动的水下图像难以寻找参考图像、以及图像扭曲等问题,首先引入水下图像波动指标(Underwater Image Fluctuation Indicator,UIFI),使用该指标评价单幅水下图像的抖动程度进而选择参考图像;其次针对现有网络结构复杂且效果不佳问题,设计了基于U-net架构的深度残差网络,以此来学习参考图像与浮动图像间的对应参数,实现图像的深度特征配准;然后通过空间变换网络(STN)进行图像重建;最后针对水下图像折射和深度偏差问题,构造了新的法线损失函数,实验验证表明:所提方法不仅可以实现比传统方法更快的重建速度,并且可以为水下视频理解提供了一种新的解决方案。二、提出一种基于特征金字塔和注意力的水下图像重建网络。为了解决现有方法对较大水流波动重建效果欠佳和色偏恢复效果不理想的问题,通过使用特征金字塔网络(FPN)和多头注意力机制,提出基于特征金字塔和多头注意力的水下扭曲图像重建网络。该方法使用特征金字塔网络从多个尺度学习复杂的水下图像特征,从而实现对波动的更好的恢复,同时引入多头注意力机制,使得网络对于水下图像的色彩信息学习更加全面。经过实验验证,与目前的方法相比,提出的网络在不同的水下数据集上表现良好,取得较好的重建图像。总之,第一种方法基于深度学习与图像配准的方法,利用深度学习提高配准的速度,进一步提高重构的速度和质量。第二种方法是基于特征金字塔和多头注意力机制的图像重建技术,使得重建图像不需要固定图像,可以运用于更多领域。实验验证表明,以上所提算法在水下图像重建任务中具有比目前方法更好的效果。
双目立体测量系统中的多视角深度图配准方法研究
这是一篇关于多视角测量数据,配准,全局配准,虚拟弹簧方法,ICP方法,SIFT算法的论文, 主要内容为在双目立体测量系统中,为了得到被测物体的完整三维表面数据,需要从不同的视角进行多次测量,利用多次测量结果之间的相互重叠部分实现物体整个表面的三维测量,即利用配准技术实现不同测量数据拼合。配准可以分为粗配准、两两精确配准和全局配准等方法,粗配准方法为两两精确配准和全局配准提供初始位置,而全局配准是保证最后工业应用的关键。为完善课题组开发的ReCreator双目立体表面点云测量系统的数据处理能力,本文研究针对该系统测量的多视角深度数据的配准方法,内容包括基于特征点的粗配准方法、基于改进ICP的两两精确配准方法和基于虚拟弹簧的全局配准算法。 对于基于特征点的粗配准方法,本文提出了一种基于测量数据图像化和SIFT图像特征匹配的粗配准方法。该方法以曲面的曲率作为特征度量对深度图进行图像化,得到的特征图像反映了深度图的内在特征,不受环境的影响;对一般多视角测量数据,提出了一种模拟扫描算法来获得其模拟深度图,该深度图能忠实于原始网格数据,并保持原始网格的法矢变化;文中还对两种不同特征度量函数进行了讨论和比较,得出较优的配准结果。 在基于ICP的两两配准方法中,首先对多个ICP算法中的最近点度量标准、配准矩阵求解算法等进行分析比较,然后给出本文的改进算法,文中还对参与配准点的数目、数据重合度、配准初始位置以及单位法矢等因素对配准精度的影响进行了研究,为配准算法的应用给出指导。 基于虚拟弹簧的全局配准方法基于两两精确配准算法,通过虚拟弹簧模型将两两精确配准推广到全局配准情况。该算法通过分析刚体在弹簧力作用下的受力过程,建立测量数据在虚拟弹簧力作用下的配准模型,从而将全局配准问题转化为对刚体线加速度和角加速度及对应位移等运动学参数的求解问题。在讨论了全局配准算法中的对应点度量标准计算、配准矩阵计算、参与配准点采样等问题的基础上,提出了基于伪对应点消除准则的改进算法。实验证明,与原算法相比,本文算法的配准精度有了较大的提高。 通过对多个模型的多视角测量数据的配准实验,验证了本文算法的有效性。
基于机器视觉的刀具测量系统软件开发
这是一篇关于刀具测量,几何尺寸,轮廓误差,亚像素,配准的论文, 主要内容为金属刀具作为切削过程用于去除工件加工余量的工装,在出厂和加工前需对其进行质量检测,对刀时还需获取其几何参数。对刀具进行准确且高效的测量能够以更低的制造成本获得更高的加工效率以及更好的产品质量。考虑到目前机械接触式和光学投影式等传统刀具测量方式已无法满足现代飞速发展的制造业对效率和精度的要求,本文展开基于机器视觉测量技术的刀具几何参数和轮廓误差检测方法研究。本文的主要研究内容如下:相机标定优化方法研究。首先,建立相机成像模型、推导成像坐标系转换关系及确认待标定参数,分析得出传统张氏标定方法存在容易陷入局部最优导致标定精度变差的缺点。其次,为提升相机标定精度,使用张氏标定法对相机进行标定获取初始相机内外参数。基于成像模型建立适应度函数,引入混沌粒子群算法对初始参数进行优化。最终,通过计算优化前后的重投影误差,表明本文方法提高了相机标定精度,同时应用优化后得到的相机参数纠正图像存在的畸变。刀具几何参数的测量方法研究。针对刀具几何参数的测量,提出一种刀具几何参数测量方法。首先,采用导向滤波器去除图像中的噪声,使用Canny算子获取像素级边缘点集。其次,应用八邻域轮廓跟踪算法将离散的边缘有序化,在像素级边缘的基础上采用基于Sigmoid函数拟合的亚像素边缘检测算法,进一步细分边缘获取亚像素边缘点集。最后,根据先分割再识别融合的思想,基于Ramer多边形逼近轮廓分割算法将边缘点集分割为直线段和圆弧段,同时引入Tukey权重函数降低可能存在的离群点在拟合过程中的干扰。刀具轮廓误差的检测方法研究。针对刀具轮廓误差的检测,提出一种刀具轮廓误差检测方法。首先,经滤波、像素级、亚像素级等图像处理算法获取刀具的待测轮廓点集。其次,根据先粗后精的配准思想,基于SC-ICP的点集配准算法将待测轮廓与设计轮廓配准对齐。最终,为提高粗配准的效率,引入轮廓密度改进传统形状上下文算法(SC)使其可自适应轮廓点集的数目进行样本点采样,避免样本点过于稀疏或过于稠密情况的发生。刀具视觉测量系统开发。首先,针对测量系统进行需求分析及总体设计,研究DXF文件的底层特性后设计一种图元信息解析算法,实现系统CAD图纸读取功能以及制造刀具标准轮廓,同时使用叶根铣刀CAD图纸验证算法稳定性;为提高系统测量效率,基于Hu不变矩描述刀具刃部轮廓之间的相似度,实现几何尺寸测量前的刃形自动识别功能,同时开展相似度试验以验证该方法的有效性及稳定性。其次,分析系统工作涉及到的数据交互,对系统数据库进行概念结构设计及数据表设计。最后,开发刀具测量系统软件,实现几何尺寸测量、轮廓误差检测、自动刃型识别、CAD图纸预览、用户管理、测量数据及工件库查询等功能。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码工坊 ，原文地址：https://m.bishedaima.com/lunwen/51739.html
