基于改进型八叉树分解的三维超声图像数据抽样方法
发布时间：2021-08-23 15:06
在医学图像处理中,由于三维超声图像数据具有海量、非均质的特点,使得处理过程复杂度增大,出现执行效率低等问题.因此,为实现海量数据处理的高效化和有效化,进行数据抽样是十分必要的.提出一种基于改进型八叉树分解的三维超声图像数据抽样方法,能自动高效地获得三维超声图像的高压缩率抽样数据.首先采用基于模糊集的灰度图像阀值分割算法确定分割阀值;然后,使用改进型八叉树算法对三维超声图像进行分解;最后根据选取准则输出最优同质立方体和典型异质立方体作为三维超声图像数据抽样结果.抽样方法充分考虑了抽样对象的空间关系,抽样结果代表性强且图像数据缩减到原始图像体积的1.758%,有效提高后续图像处理操作的运算效率.
【文章来源】：云南大学学报(自然科学版). 2020,42(03)北大核心CSCD
【文章页数】：8 页
【部分图文】：
算法流程图Fig.1Algorithmflowchart
=0即可将原始图像置于扩展矩阵的左上角，其余的部分灰度值均为0，显示背景色为黑色，完成图像尺寸的处理.八叉树分解的两个主要参数确定后，三维超声腹壁疝图像可以通过八叉树分解划分为多个立方体，返回相关节点数据信息.2.2同质和异质立方体的选取结果（1）根据最优同质立方体选取准则，第一步选取最大尺寸立方体，查看分割次数对应的最大尺寸立方体个数，选适中的作为第一步结果.如表1中的八叉树分割参数所示，选择的分割尺寸为64×64×64，统计个数为11个.此外，考虑到图3同质和异质立方体的抽样Fig.3Samplingprocessofhomogeneousandheterogeneouscubes第42卷杨继婷等：基于改进型八叉树分解的三维超声图像数据抽样方法447
的抽样效率.表1八叉树分割参数Tab.1TheparametersofOctreedecomposition分割次数分割尺寸/体素最大尺寸立方体数有效数1256×256×256002128×128×12800364×64×64113432×32×324125表2原始图像和抽样图像数据压缩比Tab.2Thecompressionratiobetweenoriginalimagedataandthesamplingimagedata图像尺寸大小/体素压缩比/%原始三维超声图像512×512×512=134217728/同质立方体64×64×64=2621440.195异质立方体128×128×128=20971521.57抽样结果262144+2097152=23592961.758图4腹壁疝图像的最优同质立方体选取（冠状面视角）Fig.4Selectionofoptimalhomogenouscubeinabdominalwallherniaimage(coronalperspective)图5腹壁疝图像的典型异质立方体选取（冠状面视角）Fig.5Selectionoftypicalheterogeneouscubeinabdominalwallherniaimage(coronalperspective)448云南大学学报（自然科学版）http://www.yndxxb.ynu.edu.cn第42卷
【参考文献】：
期刊论文
[1]基于改进支持向量机算法的超声图像分割技术[J]. 王萌. 生物医学工程研究. 2019(02)
[2]医学超声图像分割技术的研究及发展趋势[J]. 王琳璐. 影像研究与医学应用. 2018(24)
[3]基于ABUS图像的轻量型切口疝补片计算机辅助检测与评估算法[J]. 颜光前,赵柳,吴俊,陈悦,陈林,裘之瑛. 云南大学学报(自然科学版). 2017(05)
[4]一种改进的SIFT图像检测与特征匹配算法[J]. 杨雨薇,张亚萍. 云南大学学报(自然科学版). 2017(03)
[5]基于GPU的图像处理并行算法分析[J]. 邵欣明. 中小企业管理与科技(上旬刊). 2017(03)
[6]图像分割方法综述研究[J]. 周莉莉,姜枫. 计算机应用研究. 2017(07)
[7]基于同质区域自动选取的各向异性扩散超声图像去噪[J]. 吴俊,汪源源,陈悦,余锦华,庞芸. 光学精密工程. 2014(05)
[8]基于DPCNN的无向赋权图的最小生成树的求解[J]. 杨丽云,周冬明,赵东风,张绍堂. 云南大学学报(自然科学版). 2008(02)
[9]医学图像配准中的数据抽样方法研究[J]. 胡顺波,刘常春. 光电子.激光. 2008(02)
[10]计算线性八叉树边界象素集的新算法[J]. 卢声凯,唐泽圣. 计算机辅助设计与图形学学报. 1989(01)
博士论文
[1]基于GPU的三维医学图像处理算法研究[D]. 李冠华.大连理工大学 2009
本文编号：3358095
【文章来源】：云南大学学报(自然科学版). 2020,42(03)北大核心CSCD
【文章页数】：8 页
【部分图文】：
算法流程图Fig.1Algorithmflowchart
=0即可将原始图像置于扩展矩阵的左上角，其余的部分灰度值均为0，显示背景色为黑色，完成图像尺寸的处理.八叉树分解的两个主要参数确定后，三维超声腹壁疝图像可以通过八叉树分解划分为多个立方体，返回相关节点数据信息.2.2同质和异质立方体的选取结果（1）根据最优同质立方体选取准则，第一步选取最大尺寸立方体，查看分割次数对应的最大尺寸立方体个数，选适中的作为第一步结果.如表1中的八叉树分割参数所示，选择的分割尺寸为64×64×64，统计个数为11个.此外，考虑到图3同质和异质立方体的抽样Fig.3Samplingprocessofhomogeneousandheterogeneouscubes第42卷杨继婷等：基于改进型八叉树分解的三维超声图像数据抽样方法447
的抽样效率.表1八叉树分割参数Tab.1TheparametersofOctreedecomposition分割次数分割尺寸/体素最大尺寸立方体数有效数1256×256×256002128×128×12800364×64×64113432×32×324125表2原始图像和抽样图像数据压缩比Tab.2Thecompressionratiobetweenoriginalimagedataandthesamplingimagedata图像尺寸大小/体素压缩比/%原始三维超声图像512×512×512=134217728/同质立方体64×64×64=2621440.195异质立方体128×128×128=20971521.57抽样结果262144+2097152=23592961.758图4腹壁疝图像的最优同质立方体选取（冠状面视角）Fig.4Selectionofoptimalhomogenouscubeinabdominalwallherniaimage(coronalperspective)图5腹壁疝图像的典型异质立方体选取（冠状面视角）Fig.5Selectionoftypicalheterogeneouscubeinabdominalwallherniaimage(coronalperspective)448云南大学学报（自然科学版）http://www.yndxxb.ynu.edu.cn第42卷
【参考文献】：
期刊论文
[1]基于改进支持向量机算法的超声图像分割技术[J]. 王萌. 生物医学工程研究. 2019(02)
[2]医学超声图像分割技术的研究及发展趋势[J]. 王琳璐. 影像研究与医学应用. 2018(24)
[3]基于ABUS图像的轻量型切口疝补片计算机辅助检测与评估算法[J]. 颜光前,赵柳,吴俊,陈悦,陈林,裘之瑛. 云南大学学报(自然科学版). 2017(05)
[4]一种改进的SIFT图像检测与特征匹配算法[J]. 杨雨薇,张亚萍. 云南大学学报(自然科学版). 2017(03)
[5]基于GPU的图像处理并行算法分析[J]. 邵欣明. 中小企业管理与科技(上旬刊). 2017(03)
[6]图像分割方法综述研究[J]. 周莉莉,姜枫. 计算机应用研究. 2017(07)
[7]基于同质区域自动选取的各向异性扩散超声图像去噪[J]. 吴俊,汪源源,陈悦,余锦华,庞芸. 光学精密工程. 2014(05)
[8]基于DPCNN的无向赋权图的最小生成树的求解[J]. 杨丽云,周冬明,赵东风,张绍堂. 云南大学学报(自然科学版). 2008(02)
[9]医学图像配准中的数据抽样方法研究[J]. 胡顺波,刘常春. 光电子.激光. 2008(02)
[10]计算线性八叉树边界象素集的新算法[J]. 卢声凯,唐泽圣. 计算机辅助设计与图形学学报. 1989(01)
博士论文
[1]基于GPU的三维医学图像处理算法研究[D]. 李冠华.大连理工大学 2009
本文编号：3358095
本文链接：https://www.wllwen.com/yixuelunwen/fangshe/3358095.html
最近更新
教材专著
