基于谱聚类的三维血管点云分割技术研究

《基于谱聚类的三维血管点云分割技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于谱聚类的三维血管点云分割技术研究STUDYOFSEGMENTATIONALGORITHMFORTHREE-DIMENTIONALPOINTCLOUDDATAOFBLOODVESSELSBASEDONSPECTRALGRAPH崔竹冬哈尔滨工业大学2015年12月国内图书分类号：TP391学校代码：10213国际图书分类号：621密级：公开工学硕士学位论文基于谱聚类的三维血管点云分割技术研究硕士研究生：崔竹冬导师：刘守斌副教授申请学位：工学硕士学科：机械电子工程所在单位：深圳研究生院答辩日期：2015年12月授予学位单位：哈尔滨工业大学Classifie

2、dIndex：TP391U.D.C.:621DissertationfortheMasterDegreeinEngineeringSTUDYOFSEGMENTATIONALGORITHMFORTHREE-DIMENTIONALPOINTCLOUDDATAOFBLOODVESSELSBASEDONSPECTRALGRAPHCandidate：CuiZhudongSupervisor：AssociateProf.LiuShoubinAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：MechatronicsEng

3、ineeringAffiliation：ShenzhenGraduateSchoolDateofDefence：December,2015Degree-Conferring-Institution：HarbinInstituteofTechnology哈尔滨工业大学工学硕士学位论文摘要真实清晰的血管图像在心脑血管疾病的诊治过程中起着重要的作用，相对于传统的二维血管图像，三维血管图像得到了越来越多的应用。通过三维扫描仪器获得的血管图像经过进一步的处理，可以得到三维点云数据。原始的三维血管点云数据没有任何分枝信息，需要对其进行分割，以便于后续的三维重建等应用。聚类算法是

4、点云分割的重要方法，其中新兴的谱聚类算法具有复杂拓扑点云的聚类能力。本文拟研究基于谱聚类的针对三维血管点云数据的分割算法。本文首先研究了基于标准谱聚类的点云分割技术。为了有效衡量点云数据中各点之间的亲密度关系，提出了k近邻自适应尺度系数，建立起谱图矩阵，来表达点云数据中各个孤点与其近邻点的拓扑关系。在谱图矩阵的基础上，经过矩阵变换，得到拉普拉斯矩阵，并计算其特征值和特征向量。基于第二个小特征值所对应的特征向量，或基于前k个小特征值所对应的特征向量，利用k-means聚类方法，完成点云分割。为了解决标准谱聚类使用拉普拉斯矩阵特征向量得到的点云分割结果不易调控的缺陷，引

5、入p-Laplacian算子，将标准谱聚类归结为p=2的一种特殊情况。通过求解p-Laplacian矩阵的特征向量和特征值，利用k-means聚类方法，完成点云分割。基于C++语言和Linux系统平台，编写了谱聚类分割算法的程序。针对部分血管的点云数据，基于提出的谱图矩阵建立方法，与传统的谱图矩阵建立方法进行了分割对比实验，分割结果验证了新的谱图矩阵建立方法的优越性。针对完整血管的点云数据，基于标准谱聚类和p-谱聚类进行了分割对比实验。通过分析分割结果，得到了不同谱聚类算法的优缺点，并且对采样半径对于分割的影响和算法的时间复杂度进行了研究。关键词：血管点云数据；谱聚

6、类；谱图；分割-I-哈尔滨工业大学工学硕士学位论文AbstractRealandclearvascularimageplaysanimportantroleintheprocessofthediagnosisandtreatmentofthecerebrovasculardisease.Comparedwithtraditionaltwo-dimensionalvascularimages,3dvascularimageshadbeenusedmoreandmore.Wecangetthe3dpointclouddatathroughtheimageoftheblo

7、odvesselsobtainedfromthe3dscanninginstrumentafterfurtherprocessing.Theoriginalthree-dimensionalvascularbranchpointclouddatadoesnothaveanyinformation,sothatitisneedtobesplitforthesubsequentapplicationssuchas3dreconstruction.Clusteringalgorithmisanimportantmethodofthepointcloudsegmenta