针对联合双边滤波修复深度图像时无法准确估计滤波邻域范围和权重参数、深度图像的空洞填充效果不佳等问题,提出一种自适应深度图像空洞填充与优化算法。该算法减少了输入参数,实现了对每个深度缺失值的修复,根据有效像素占比确定每个空洞像素点的滤波邻域范围,通过邻域大小计算空间距离权重项参数,引入结构相似度(SSIM)作为颜色相似权重项参数的计算指标。在Middlebury立体匹配数据集和经过配准的Kinect RGB-D数据集上检测所提算法的性能,并与其他方法进行定性比较和定量分析。实验结果表明,所提算法能够有效填充深度缺失空洞,抑制深度图像噪声,更加精细、准确地改善深度图像的质量。

通过光栅投影法可以获取物体的三维点云数据,但是对于形貌复杂的被测物体,由于测量方式本身含有的一定缺陷,会导致所获取的点云数据出现孔洞区域,从而对后续处理造成影响。结合已有的从运动中恢复结构(SFM)算法,提出一种新的点云孔洞修补方法。首先,利用光栅投影法中得到的二维相位信息来提取三维点云孔洞区域的边界点;接着,将SFM获取的点云数据集与光栅投影法所采集的点云数据集进行配准,并提取出信息补充点;最后,在添加了补充点的点云数据集上,利用径向基函数计算曲面方程,修补孔洞。实验结果证明了该算法的稳健性,能较为有效地恢复复杂物体的表面信息。

常规图像去噪方法难以去除飞行时间技术或结构光等深度传感器所获取的深度图像中的大量噪声, 因此提出一种根据图像深度值进行分层的去噪算法。该算法首先对深度图像实现噪声强度估计, 根据噪声强度和深度图像的探测距离范围, 确立图像的深度层级间隔, 并得到分层级的深度图像, 然后对每一层级的深度图像进行去噪, 最后对分层级的图像进行拼合, 合成完整深度图像。实验结果表明, 该算法能够有效去除图像中不确定性干扰噪声, 同时较好地保持图像中目标和景物背景的原始细节以及边缘信息。

针对复杂多变的肝脏图像,提出了一种基于先验稀疏字典和空洞填充的三维肝脏图像分割方法。对腹部CT图像进行Gabor特征提取,并分别在Gabor图像和灰度图像的肝脏金标准边界上选择大小相同的图像块作为两组训练集,利用训练集得到两种查询字典及稀疏编码。将金标准图像与待分割图像配准,并将配准后的肝脏边界作为待分割图像的肝脏初始边界;在初始边界点上的十邻域内选择大小相同的两组图像块作为测试样本,利用测试样本与查询字典计算稀疏编码及重构误差,并选择重构误差最小的图像块的中心作为待分割肝脏的边界点;最后,设计一种空洞填充方法对肝脏边界进行补全和平滑处理,得到最终分割结果。利用医学图像计算和计算机辅助介入国际会议中提供的肝脏数据进行了实验验证。结果表明,该方法对肝脏分割图像具有较好的适用性和鲁棒性,并获得了较高的分割精度。其中,平均体积重叠率误差为(5.21±0.45)%,平均相对体积误差为(0.72±0.12)%,平均对称表面距离误差为(0.93±0.14) mm。

报道了给体-受体电子转移型材料zinc-tetraphenylbenzoporphrin+zinc-tetrapheyl benzotribenzoporphrin\phydroxybenzaldhyde\poly (methyl) methacrylate 的光子选通多重烧孔过程。 结果表明要获得高质量的多重光谱孔，从短波往长波的逐次烧孔更为有效。其影响来自与波长有关的光致填孔现象。造成该填孔的主要机制是赝声子边带的作用。理论拟合与实验结果相符。