CN119516128A 一种利用x光图像进行猪尾叉骨3d模型重建的方法 （河南科技学院）

一种利用X光图像进行猪尾叉骨3D模型重建本发明提供一种利用X光图像进行猪尾叉骨3D模型重建的方法，采集猪尾叉骨部位的二维X像缺失特征进行生成，然后通过Canny算法提取2步骤3：通过Canny算法从补全图像中提取骨肉连接区域用于对输入图像的特征提取，转化模块用于将表示网络提取到的二维特征转化到三维特2.根据权利要求1所述的利用X光图像进行猪尾叉骨3D模型重建的方法，其特征在于：表示网络运用若干个二维卷积残差块以及注意力机制模块执行猪尾叉骨二维X光图像的特3.根据权利要求1所述的利用X光图像进行猪尾叉骨3D模型重建的方法，其特征在于：4.根据权利要求1所述的利用X光图像进行猪尾叉骨3D模型重建的方法，其特征在于：5.根据权利要求1所述的利用X光图像进行猪尾叉骨3D模型重建的方法，其特征在于：36.根据权利要求1所述的利用X光图像进行猪尾叉骨3D模型重建的方法，其特征在于：体操作方式为通过寻找图像强度的最小值和最大值，运用公式对步骤4.3.3：计算训练数据像素强度的统计均值μ和标准差，对输入图像执行7.根据权利要求5所述的利用X光图像进行猪尾叉骨3D模型重建的方法，其特征在于：8.根据权利要求1所述的利用X光图像进行猪尾叉骨3D模型重建的方法，其特征在于：;;其中，表示补全图像在坐标处的像素值，是相对于中心像素的坐标位;4;;;其中，表示平滑图像在坐标处的像素值，是在算子;步骤3.3当中计算出来的梯度幅值，当时该像素被认为是强边缘，据图像梯度幅值直方图选择阈值；F(i,)=PI(i,)+(1-p)E(i,)；9.根据权利要求1所述的利用X光图像进行猪尾叉骨3D模型重建的方法，其特征在于：5成具有修复特征的修复图像；判别器网络用于区分真实的猪尾叉骨X光图像和生成器生成6[0001]本发明涉及图像处理与三维模型重建技术领域，具体涉及一种利用X光图像进行像进行3D模型重建无法还原出猪尾叉骨的细节特征，重建精度不足将影响模型的实际反[0003]针对现有技术中的问题，本发明提供一种利用X光图像进行猪尾叉骨3D模型重建步骤5：将细节特征进行增强图像输入到训练好的神经网络中构建猪尾叉骨的3D骨二维X光图像的特征提取任务，二维卷积残差块包括特定结构的卷积层、批归一化层和7对每个像素强度值进行转换；步骤4.3.3：计算训练数据像素强度的统计均值和标准差，对输入图像执行步骤4.4.1：以经过预处理的二维投影图像为输入，将其堆叠成三维体积数据89据图像梯度幅值直方图选择阈值；步骤3.7：将提取到的骨肉边缘图像与补全图像融合，获得细节特征增强图像:F(i,)=l(i,)+(1-)E(i,)[0022]本发明的有益效果：采用GAN网络对输入的猪尾叉骨的X光图像缺失特征进行生生成器网络用于接收猪尾叉X光图像的特征表示或随机噪声向量，并通过多层卷积与反卷积操作学习从输入到修复后图像的映射关系，以生成具有修复特征的修复图像；判别器网络用于区分真实的猪尾叉骨X光图像和生成器生成的修复图像，通过与感知与结构损失模块(PerceptualLoss)、集成预训练的特征提取网络（如VGG网据图像梯度幅值直方图选择阈值；步骤3.7：将提取到的骨肉边缘图像与补全图像融合，获得细节特征增强图像:F(i,)=l(i,)+(1-)E(i,)表示网络运用若干个二维卷积残差块以及注意力机制模块执行猪尾叉骨二维X光转化模块用于通过1×1卷积层与ReLU激活函数融合二维特征图全局信息并调整对每个像素强度值进行转换；步骤4.3.3：计算训练数据像素强度的统计均值和标准差，对输入图像执行,选用Adam优化器，Adam优化器的参数a=0.00002，步骤4.4.