体数据特征点检测算法综述-CT理论与应用研究.pdf

第23卷 第 1 期 CT理论与应用研究 Vol.23, No.1 2014年1月（173-182） CT Theory and Applications Jan., 2014 闫镔, 谢易辰, 陈文民, 等. 体数据特征点检测算法综述[J]. CT 理论与应用研究, 2014, 23(1): 173-182. Yan B, Xie YC, Chen WM, et al. Review of feature point detection algorithms based on volumetric data[J]. CT Theory and Applications, 2014, 23(1): 173-182. 体数据特征点检测算法综述  1 1 1 1 2 闫镔 ，谢易辰 ，陈文民 ，陈健 ，管民 1.信息工程大学信息系统工程学院，郑州 450002 2.河南省人民医院放射科，郑州 450003 摘要：三维图像处理技术在当今得到了广泛的应用，体数据是一种重要的三维图像数据类型， 基于体数据的三维特征点检测技术作为三维图像配准、分类和识别等方法的第一步，具有特殊 的重要意义。本文阐述了基于体数据的特征点检测算法的特点，归纳总结了检测流程，对具有 代表性的检测器进行了举例分析，最后给出了检测算法相应的评价方法。 关键词：体数据；特征点检测 文章编号：1004-4140（2014）01-0173-10 中图分类号：O24 文献标志码：A 物体检测、识别和配准是计算机视觉领域的重要组成部分，图像描述算法和基于学习 的分类器已在二维图像处理领域得到了广泛的应用。随着三维图像采集技术的发展，如立 体照片、结构光成像、运动信息的三维场景重构（Structure From Motion，SFM）、激光扫 描、TOF（Time of Flight）相机、MRI和 CT 扫描等方法，如何在三维图像中进行物体的检 测、识别和配准成为了研究者关注的热点。 特征点检测过程是很多计算机视觉应用的第一步，特征点检测算法为后续的处理从输 入图像中定位显著点。检测到的特征点通常用于两个或多个相似的数据集做相关点匹配。 早期做的大部分工作都是针对二维图像的特征检测。如文献[1]对二维特征点的检测进行了 综述。近期数据采集技术的发展对三维数据的实用起到了很大的推动性作用，很多合成图 [2] [3] 像或实际图像的三维数据库，如 Google Warehouse 和 B3DO ，吸引了更多人参与基于三 维形状的计算机视觉研究。因此，很多三维特征点检测算法随着这股热潮被提出。 现存的一种三维特征点检测算子主要针对标量体数据进行检测，这一类数据包括 CT [4] [5] [6] 扫描体数据 ，由深度图像 或三维网格数据 转换得到的二值体数据，还有时空视频数 据[7－10]。另一类特征检测算法主要提取图像的几何信息（如边缘或表面），然后基于这些几 何信息得到特征点[11－12]，这类方法的输入图像通常是合成网格[13－15]或点云[16－17]。 本文对针对三维标量体数据的特征点检测算子进行综述，这一类三维特征点则定义于 三维物体的内部，而非物体表面。因此，不同于网格和点云数据，将体数据图像的体素对 应于二维图像的像素，很多二维的特征点检测算法就可以应用于三维。 三维检测方法通常综合全局和局部信息。纯全局方法是对整个物体进行描述的算子， 收稿日期：2013-07-05｡ 基金项目：国家自然科学基金项目。 174 CT理论与应用研究 23卷 这一类方法能够为整体形状的判别提供很强的鲁棒性和独特性，但它们不能处理混乱和有 遮挡的场景，同时这种匹配也不能用于物