适用于复杂多腔三维模型的骨架线提取方法与流程

1.本发明属于骨架化技术领域，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。


背景技术：

2.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。
3.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。
4.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。
5.《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。


技术实现要素：

[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。本发明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]
本发明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，本发明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，本发明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，本发明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]
本发明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
，ly，lz，体素模型边长为l
x
，ly，lz，设定比率值r为0.2，只有同时满足以下三个条件时，认为该简单环为局部小型环。
[0020]
l
x
/l
x
＜r；and
[0021]
ly/ly＜r；and
[0022]
lz/lz＜r
[0023]
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。非小型简单环通常表征模型本身的拓扑结构，属于正确的骨架线范畴，因此不需要做任何改动。
[0024]
(2)毛刺状冗余边
[0025]
复杂模型拓扑细化骨架线的另一个问题是存在一些毛刺状的冗余边，通常情况下，相比于正确的骨架线区段，这些冗余边都比较短。本算法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。
[0026]
s3骨架线平滑
[0027]
去除所有冗余结构后，需要进一步对骨架线进行平滑处理。本发明采用分段平滑策略，对骨架线两端点外的所有度为2的骨架线区段分别进行滑动平均滤波。其中，设滑动窗口长度为s，当骨架线点数大于等于5时，s取5，否则s为不大于骨架线点数的最大奇数值。此外，在滑动平均滤波的基础上，进一步使用b样条曲线对所有区段进行拟合与插值，最终得到平滑且点与点之间距离相等的骨架线区段，进而得到完整的，符合模型拓扑结构的平滑且点等距骨架线。
[0028]
本发明提供了一种适用于简单和复杂多腔三维模型的骨架线提取算法，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。
附图说明
[0029]
图1是本发明的算法流程图；
[0030]
图2是实施例复杂多腔主动脉夹层模型的骨架线提取流程图；
[0031]
a.初始骨架线；b.移除与模型表面相交边后的骨架线；c.深度优先搜索移除离群边后的骨架线；d.消除局部小型环后的骨架线；e.移除毛刺状冗余边后的骨架线；f.平滑骨架线；
[0032]
图3a是实施例泰迪熊骨架线提取结果；
[0033]
图3b是实施例肠系膜上动脉骨架线提取结果；
[0034]
图3c是实施例颅内动脉瘤血管骨架线提取结果；
[0035]
图3d是实施例基底动脉开窗骨架线提取结果；
[0036]
图3e是实施例肝门静脉骨架线提取结果；
[0037]
图3f是实施例冠脉骨架线提取结果。
具体实施方式
[0038]
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
[0039]
本实施例依照图1所示流程，以复杂多腔的主动脉夹层体素模型作为算法输入，首先采用拓扑细化算法获取初始的离散骨架线点，随后依据距离关系构建初始的骨架线无向图模型，如图2中的a；其次，结合移动立方体算法得到的模型表面信息，移除骨架线图模型中与模型表面相交的异常边，如图2中的b；随后，以通过深度优先搜索能到达超过全部顶点1/5点数的顶点为源点，删除从源点出发，无法通过深度优先搜索到达的离群顶点和边，如图2中的c；基于上述移除异常边后的骨架线图模型，进一步从源点做深度优先搜索遍历整个图结构，提取不可再拆分的简单环，并将满足aabb包围盒各边长l
x
，ly，lz，与体素模型边长l
x
，ly，lz的比率小于0.2的简单环为局部小型环，合并局部小型环上的顶点到环的质点。迭代消除所有局部小型环直至骨架线图模型不再变化，结果如图2中的d；基于无局部小型环的骨架线图模型，迭代筛选并移除包含度为1的顶点为端点的小于给定阈值的骨架线区段，直至骨架线模型中不存在毛刺状冗余边，如图2中的e；最后，采用分段平滑策略，分别对骨架线上所有区段进行平滑滤波和b样条曲线拟合插值，得到平滑且点与点之间距离相等的骨架线。
[0040]
图3a是实施例泰迪熊骨架线提取结果；图3b是实施例肠系膜上动脉骨架线提取结果；图3c是实施例颅内动脉瘤血管骨架线提取结果；图3d是实施例基底动脉开窗骨架线提取结果；图3e是实施例肝门静脉骨架线提取结果；图3f是实施例冠脉骨架线提取结果。表明本算法鲁棒性强，能够适用于各种三维模型。
[0041]
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。