适用于复杂多腔三维模型的骨架线提取方法技术

本发明专利技术涉及一种适用于复杂多腔三维模型的骨架线提取方法，以体素模型作为输入，首先基于拓扑细化算法，通过并行迭代细化，逐步删除不影响局部连接关系的简单体素点，得到单像素宽的基础骨架线；其次，依据距离关系对基础骨架线构建无向图模型，通过前处理去除图中处于模型外部或者离群位置的边；随后，迭代检测合并图中较小的基础环状结构并结合顶点的度以及长度信息，去除骨架线中局部冗余边和毛刺状噪声边。最后，采用滑动平均算法和B样条曲线分段拟合骨架线上各个区段，得到平滑的、符合模型拓扑结构的骨架线。本发明专利技术结果准确且鲁棒性强，在有关三维模型形变、拓扑学以及形态获取等应用方面可以起到非常重要的作用。取等应用方面可以起到非常重要的作用。取等应用方面可以起到非常重要的作用。

【技术实现步骤摘要】
适用于复杂多腔三维模型的骨架线提取方法


[0001]本专利技术属于骨架化
，具体涉及一种适用于复杂多腔三维模型的骨架线提取方法。

技术介绍

[0002]骨架线一种强大的、被广泛采用的三维形状抽象结构，由于基于三维骨架的特征对三维模型的表示具有高度的判别性，因此三维骨架线提取的方法在很多图像学领域具有重要地位。三维骨架线不仅是对模型中心的抽象，也是对模型的紧凑表示，同时保留了三维模型的几何和拓扑特性，因此被广泛用于形状描述、三维模型的匹配、识别和检索等众多应用领域。
[0003]目前，基本的骨架化方法主要有：基于场的方法，基于维诺图的方法，以及基于拓扑细化的方法。其中，基于场的方法得到的骨架线经常会出现分支缺失的情况；基于维诺图的方法耗时长，而且会额外提取了大量冗余的毛刺状分支，对三维模型的结构表征造成很大影响；基于拓扑细化的方法相对来讲速度更快，提取的骨架线也更加完整。根据三维模型的表示形式，拓扑细化方法可以分为基于体素模型迭代细化的骨架线提取算法和基于表面网格模型坍缩的骨架线提取算法两类。其中，基于体素模型的算法得到的是离散的骨架线点，缺乏点与点间的连接关系；基于表面网格模型的坍缩算法对简单三维模型的骨架线提取效果好，但是对于形态变化大、具有多个腔道复杂结构的模型，坍缩算法提取到的骨架线常常会偏离模型中心甚至超出模型边界。
[0004]CN110517279A提供一种头颈血管中心线提取方法及装置，通过3D卷积网络获取其头颈血管分割结果和血管热图结果；三维细化算法提取分割结果骨架线；将骨架线输入点云分割网络进行血管分类和命名，并得到血管起止点数据。该方法仅用于头颈动脉，普适性差；需要人工标注大量数据用于血管分割和骨架线分类；采用基本的细化算法提取骨架线，只能得到离散的骨架线点，且存在冗余结构。
[0005]《Building Skeleton Models via 3
‑
D Medial Surface/Axis Thinning Algorithms》(Lee T C.Building Skeleton Models via 3
‑
D Medial Surface/Axis Thinning Algorithms[J].Graphical Models and Image Processing,1994,56(6):462
‑
478.)，该论文针对三维体素模型，提出了拓扑细化的骨架线提取算法，通过迭代，对模型边界体素点的26邻域进行连通性判断，删除满足局部欧拉示性数不变的体素点，保证拓扑结构的完整性。迭代过程中，采用八叉树数据结构构建邻域连接关系，高效快速的细化模型，得到保留体素模型拓扑连通性的单像素宽的骨架线点。该方法只能获取得到离散的骨架线点；除正确骨架线点外，还存在很多冗余的骨架线结构。
[0006]《Skeleton Extraction by Mesh Contraction》(Au O K.Skeleton Extraction by Mesh Contraction[J].ACM Transactions on Graphics,2008,27.)，该论文的输入模型为三角形网格模型，通过拉普拉斯平滑和全局约束算法，逐步收缩网格模型，得到同时包含点和连接关系的模型骨架线。该方法的模型收缩速度不均衡，对于粗细变化大的复杂模
型，骨架线偏离中心严重，无法满足实际需求。
[0007]因此，对于上述问题，有必要提出一种结果准确、鲁棒性强且同时适用于简单和复杂多腔模型骨架线提取的算法。

技术实现思路

[0008]现有的骨架线算法只适用于形态简单、变化均匀的三维模型，对表面粗糙、结构变化大、复杂多腔的模型骨架线提取效果差。本专利技术的目的是构建一种强大的、适用于简单和复杂多腔三维模型的骨架线提取算法，能够实现准确、快速、且鲁棒性强的三维模型骨架线提取。
[0009]本专利技术算法以体素模型作为输入，首先基于传统的拓扑细化算法，通过并行迭代细化，逐步删除不影响局部连接关系的简单体素点直至模型不再变化，得到单像素宽的基础骨架线；其次，依据距离关系对基础骨架线构建无向图模型，通过前处理去除图中处于模型外部或者离群位置的边；随后，迭代检测合并图中较小的基础环状结构并结合顶点的度以及长度信息，去除骨架线中局部冗余边和毛刺状噪声边。最后，采用滑动平均算法和B样条曲线分段拟合骨架线上各个区段，得到平滑的，符合模型拓扑结构的骨架线。
[0010]拓扑细化是迭代算法，为保证局部连通性和骨架线的中心性，拓扑细化的每一次迭代针对的都是当前模型的边界体素，通过对各边界体素点的26邻域进行连通性判断，删除满足局部欧拉示性数不变的体素点，保证了拓扑结构的完整性。迭代过程中，采用八叉树数据结构构建邻域连接关系，高效快速的细化模型，得到保留体素模型拓扑连通性的单像素宽的骨架线点。
[0011]具体的技术方案：
[0012]S1骨架线图模型构建
[0013]拓扑细化算法得到的骨架线散点本质上仍是空间中的体素点，本专利技术将所有体素点作为无向图中的顶点，基于其距离关系，将空间上处于26邻域内的体素点两两相连作为无向图的边，构建初始的骨架线图模型。
[0014]为消除初始骨架线图模型中存在的与模型表面相交的错误边，本专利技术首先采用移动立方体算法提取体素模型上值为1的等值面，获取表征模型表面的三角形网格模型；其次，构建网格模型的方向包围盒，高效快速的检测并移除与模型表面相交的错误边；随后，遍历骨架线中现有顶点，取第一个满足从该顶点出发，深度优先搜索到达的顶点数大于总顶点数1/5的点作为源点；最后，从源点出发对整个骨架线图模型进行深度优先搜索，删除所有未被搜索到的顶点，从而滤除骨架线中的离群区域。
[0015]S2异常结构处理
[0016]上述处理后得到的骨架线基本可以满足一些较简单体素模型的要求，但对于复杂多腔模型，其骨架线往往包含更多的杂乱冗余结构。为此，本专利技术提出了一种基于上述骨架线无向图模型的后处理算法，主要运用图理论，针对拓扑细化存在的几种问题，提出对应的解决方案。
[0017](1)局部小型环
[0018]局部小型环是由于多个骨架线点距离接近，两两相连形成的。此外，一些细化不完全的区域也会存在很多堆积在一起的体素点，形成具有非常复杂连接关系的不规则网状结
构。
[0019]本专利技术将上述两种结构看作是多个不可拆分的环的组合，称作简单环。所有简单环都由邻近的少量体素点组成，空间占比很小。为消除这些环状结构，本算法从源点出发，对骨架线图进行深度优先搜索，循环提取图中所有的简单环，并依据AABB包围盒的三边长占体素模型对应方向边长的比率来筛选小型环。假设简单环包围盒在x，y，z方向的边长分别为l
x
，l
y
，l
z
，体素模型边长为L
x
，L
y
，L
z
，设定比率值r为0.2，只有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.适用于复杂多腔三维模型的骨架线提取方法，其特征在于，包括以下步骤：S1骨架线图模型构建拓扑细化算法得到的骨架线散点本质上仍是空间中的体素点，将所有体素点作为无向图中的顶点，基于其距离关系，将空间上处于26邻域内的体素点两两相连作为无向图的边，构建初始的骨架线图模型。消除初始骨架线图模型中存在的与模型表面相交的错误边；S2异常结构处理基于上述骨架线图模型的后处理，运用图理论，针对拓扑细化存在的问题，提出对应的解决方案：(1)局部小型环局部小型环是由于多个骨架线点距离接近，两两相连形成的。此外，一些细化不完全的区域也会存在很多堆积在一起的体素点，形成具有非常复杂连接关系的不规则网状结构。上述两种结构看作是多个不可拆分的环的组合，称作简单环。从源点出发，对骨架线图进行深度优先搜索，循环提取图中所有的简单环，并依据AABB包围盒的三边长占体素模型对应方向边长的比率来筛选小型环；消除局部小型环的方法是使用其质心作为骨架线图中新的顶点，替换环上原有顶点在图中的位置；(2)毛刺状冗余边对于存在毛刺状的冗余边，结合骨架线图中端点度为1，分叉点度大于2的特性，递归提取图中所有端点到其最近分叉点的区段，设定阈值l，移除长度小于l的所有区段，直至骨架线图结构不再发生改变；S3骨架线平滑去除所有冗余结构后，对骨架线进行平滑处理。2.根据权利要求1所述的适用于复杂多腔三维模型的骨架线提取方法，其特征在于，S1中，所述的消除初始骨架线图模型中存在的与模型表面相交的错误边，采用的方法，包括以下步骤：首先采用移动立方体算法提取体素模型上值为1的等值面，获取表征模型表面的三角形网格模型；其次，构建网格模型的方向包围盒，高效快速的检测并移除与模型表面相交的错...

【专利技术属性】
技术研发人员：陈端端，程国良，张栩阳，李振锋，梁世超，张薛欢，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：