论文部分内容阅读
骨架是图象几何形状的一种重要拓扑描述，骨架化是图象分析与形状描述的一个重要的变换。3D图象骨架化在现实中有着广泛的应用，如3D数据的压缩、物体特征识别与跟踪、3D表面重建、自动导航及可视化等。研究一种计算速度快，骨架效果好的3D图象骨架化算法有着重要的现实意义。本文采取华南农业大学根系研究中心扫描得到的3D根系图象作为实验数据，以3D图象骨架化为主线，距离变换和Snake模型为工具，深入探讨了3D图象的骨架化。
本文在分析现有的3D图象骨架化方法基础上，针对3D植物根系图象的特点，研究了基于距离变换和Snake模型的3D图象骨架化方法。本文的工作主要包括：
1)3D植物根系图象的预处理，运用数学形态学方法对3D图象的二维切片进行平滑处理，有效地解决了重建的3D根系图象存在空洞和噪声的问题。
2)在分析基于CPU的距离变换算法和GPU通用计算原理的基础上，利用GPU的并行计算能力，实现了基于GPU的距离变换算法。在数据量较大的情况下，该算法相对于基于CPU距离变换算法的速度明显提高。
3)实现基于B-Snake模型的3D图象骨架化，包括3D图象表面及整体距离变换、骨架初始路径的构建、初始路径的中心化处理以及利用B-Snake模型优化骨架线，保证骨架线的连续性。
实验表明，对于3D植物根系图象，本文研究的骨架化方法，计算速度快，骨架的中心性、细化性等特性保持良好，并且整个骨架化过程不需要人工干预，具有较高实用价值。