[发明专利]一种树状形体的立体分解和分级骨架提取方法

说明书

技术领域

本发明属于模式识别与科学计算可视化相结合的交叉学科技术领域，涉及树状形体(简称形体)的立体分解和分级骨架提取技术。

背景技术

随着数据采集技术的迅速发展，在计算机图形学、计算机辅助设计技术和医学图像系统中所使用的图像数据分辨率越来越高，数据量也越来越大。骨架化作为一种特征提取和特征表示方法，可以有效地删除冗余信息和保留特征信息。在虚拟现实中，骨架化可以从数据中提取出路径以指导漫游，防止在漫游中迷路。对于林业的可视化和测量，骨架可以精确的表示形体的拓扑结构以便进行树木的识别，并且可以精确地对树木的长度和半径进行测量。对于文字、工程图、指纹中的“细茎”状图像等都是长而窄的带状图像，也常常需要通过计算它们的骨架来进行识别或重构等处理。在视频处理中，通过骨架提取图像中主要特征，可以精确地对运动形体进行跟踪。

很多形体，如医学中的血管、气管、林业中的各种树木，以及人体的骨架，都可以表示成为形体，因此形体的骨架提取得到了广泛的重视，人们陆续提出了一些典型算法，主要可分为voronoi方法，拓扑细化和距离变换。同时，形体分解是形体表示的基本方法，在二维形体和曲面分解方面也提出一些算法。大型CT可用于得到三维树木的立体数据。

Ogniewicz利用计算几何中的重要工具-Voronoi图来提取骨架。对于平面中的点，可以得到该点的Voronoi多边形，而Voronoi图就是这些Voronoi多边形的集合。Voronoi图中形体边界的点所产生的Voronoi边或Voronoi面靠近形体的中心，因此这些边可认为是形体的骨架。但是该方法一般只能适用于三角网格模型，而且生成的骨架包含很多杂枝。

Rosenfeld提出了拓补细化的骨架化方法。该算法首先定义那些删除以后不影响拓补性质的点为简单点。然后从这个概念出发，考虑体素点的8-邻域或者26-邻域的拓补关系，设计出一些删除模板，使得模板中的体素点满足简单点的定义。然后利用这些删除模板一层层地剥开形体，直到得到骨架为止。但是这种方法计算量太大，运行时间太长。Ma改进了删除模板，并对删除操作进行并行处理以加快运行速度。但细化的结果经常包含很多杂枝。

Borgefors提出了基于距离变换的骨架化方法。距离变换方法的主要根据是其骨架定义：立体的骨架是立体内部到立体边界距离最大的点的集合。Zhou提出的体素编码和聚类图方法，可以有效地分解形体，但其骨架的拓扑结构与形体的拓扑结构在分叉处不一致。Wan方法是先对体数据进行距离变换，然后将变换后的距离图看成一个有向中心性加权图，使用以边界距离值的倒数建立极小扩张树的方法来改进Dijkstra最短路径生成算法，从而使得到的骨架点尽量的不偏离中心，但是会出现中心线的“扰动”现象。

上述三种方法都不能很好地解决分叉处形体中心线的偏移问题。

对于形体的认识，Hoffman和Richards把形体自然分解成基本部件(parts)，把分解用于分类。Kimia等提出了把形体分级分解为部件的方法。Rom等提出了利用中轴逐步分解二维形体的方法。先分解形体，再提取分解区域的中轴，而中轴就是二维形体的自然表示。但这三种方法不能提取中心性良好的三维立体形体的分级骨架，所以不能解决三维形体的表示、测量和识别等问题。Katz等按照曲面的凹凸特性和非凹凸特性把网格曲面逐步分解为简单分片(patch)，但也不能用于求骨架。

发明内容

现有技术不能提取中心性良好的三维立体形体的分级骨架，不能解决三维形体的表示、测量和识别，为了解决现有技术的不足，本发明的目的是求取高精度的中心线表示形体，消除在分叉处分枝对主枝骨架的影响，提供一种形体的立体分解和分级骨架提取方法。

为了实现本发明的目的，本发明提供的树状形体的立体分解和分级骨架提取方法步骤包括：

数据提取步骤：获取形体立体的空间数据并选择整个形体的种子点；

分类骨架步骤：

对形体立体的空间数据进行整型边界距离变换的，构造极大中心点图；

对选取的种子点进行整型单种子点距离变换即只有一个种子点的距离变换，生成树状聚类图，用于寻找形体的末梢位置和分叉位置，得到分叉点并生成分叉点连接；

将极大中心点图和树状聚类图结合提取每个聚类的代表点，构造具有中心性、分叉性和拓扑连接性的分类骨架，用于形体分类(shapeclassification)；