医学图像三维重建是科学计算可视化的一个重要研究和应用领域,实现医学图像的三维表面重建,可以使重建后的三维模型真实地再现组织或器官的表面轮廓。在医学诊断中,为了确定病变体的详细情况,医生迫切需要一些有效的工具来完成对人体各种器官的三维重建和显示。目前医学图像重建大多是基于医学X射线图像的三维重建,由二维的序列X射线图像,利用计算机视觉的理论和方法得到目标的三维信息。 本文以摄影测量理论为基础,介绍了利用数字摄影测量的理论和结构光立体序列影像对人体颅骨进行三维重建的方法。全文共七章,详细阐述了基于结构光立体序列影像的人体颅骨重建的整个过程。本文的主要内容如下: (1)相机标定 运用单像灭点理论,对实验所使用的非量测数码相机进行标定。 (2)纹理缺乏目标的特征点对应 由于人体颅骨表面的纹理信息不理想,所以很难用一般的立体影像匹配方法来匹配特征点,因而无法自动获取立体影像上的同名点。为了解决特征点的对应问题,本文采用了结构光做为辅助光源,利用线性激光和核线的几何约束条件自动对应立体影像的同名点,很好地解决了纹理缺乏目标同名点对应的难题。该方法简单易行,对硬件设备要求不高,可以广泛应用于光照条件不理想环境下和纹理缺乏目标的三维重建。 (3)利用相对定向直接解进行立体像对的相对定向 由于近景摄影测量不同于传统的航空摄影测量,立体像对的交会角较大,而且无法知道倾斜影像的倾角近似值,因而很难利用传统的迭代方法进行相对定向。本文利用相对定向的直接解进行立体像对的相对定向,很好地解决了在不知道倾角近似值条件下立体影像的相对定向问题。 (4)模型的分块构网和连接 由于立体序列影像间的偏角很大,在利用独立模型法进行模型连接时很难保证大范围视场内立体影像上都有物方同名点。因而必须采用分块的方法进行模型连接,每个分块模型内能保证一定数量的物方同名点。 同时由于在构建三角网的时候,需要将空间点投影到二维平面上进行构网,这就必须保证空间点投影到平面上的位置彼此是不重叠的,因而也需要将颅骨模型进行分块构网。 通过分块的方法不仅简化了构网的过程,同时也减少了传统连续相对定向方法带来的模型连接误差,提高了模型连接的精度。 (5)基于约束条件的Delaunay三角网的构建 构建颅骨模型的不规则三角网(TIN)时,将特征线和边界线做为边约束条件,进行约束条件的Delaunay三角网剖分,能够更好的表达颅骨的表面模型。 (6)纹理映射 利用原始影像作为模型的纹理图像,利用OpenGL技术为颅骨表面模型映射上真实的纹理,增强了颅骨模型的立体感和真实感。