朱敏，于光輝，盧洪義，李朋

(海軍航空工程學(xué)院，山東 煙臺(tái) 264001)

0 引言

固體火箭發(fā)動(dòng)機(jī)結(jié)構(gòu)簡(jiǎn)單,機(jī)動(dòng)性好,可靠性高且易于維護(hù)，但在生產(chǎn)和貯存期間，推進(jìn)劑藥柱要承受各種載荷的作用，結(jié)構(gòu)完整性可能被破壞，產(chǎn)生裂紋、氣泡、脫粘等缺陷。這些缺陷的位置、形態(tài)和大小的不同對(duì)發(fā)動(dòng)機(jī)的貯存和使用造成的影響也不同，因此需要弄清固體火箭發(fā)動(dòng)機(jī)裝藥的內(nèi)部結(jié)構(gòu)。工業(yè)CT(computerized tomography)技術(shù)解決了發(fā)動(dòng)機(jī)某一截面的內(nèi)部結(jié)構(gòu)問題，但僅靠檢測(cè)人員觀察工業(yè)CT檢測(cè)系統(tǒng)提供的二維序列斷層圖像(檢測(cè)時(shí)按照某一規(guī)律排列的一組圖像)，很難建立起固體火箭發(fā)動(dòng)機(jī)缺陷的三維空間結(jié)構(gòu)，不能從空間的角度觀察分析，難以準(zhǔn)確判別缺陷的性質(zhì)、空間位置和尺寸，容易造成誤判和漏判。

因此，研究基于工業(yè)CT二維序列斷層圖像的固體火箭發(fā)動(dòng)機(jī)體空間缺陷特征精確測(cè)量技術(shù)，實(shí)現(xiàn)三維空間缺陷特征參數(shù)的精確測(cè)量，是固體火箭發(fā)動(dòng)機(jī)壽命預(yù)估和故障診斷的重要技術(shù)支撐。其關(guān)鍵技術(shù)包括固體火箭發(fā)動(dòng)機(jī)缺陷提取技術(shù)、體數(shù)據(jù)可視化技術(shù)和三維空間缺陷精確測(cè)量技術(shù)3部分內(nèi)容。

1 固體火箭發(fā)動(dòng)機(jī)缺陷提取技術(shù)

1.1 現(xiàn)狀基本情況

對(duì)固體火箭發(fā)動(dòng)機(jī)缺陷的提取，受技術(shù)封鎖的限制，未看到國外文獻(xiàn)對(duì)此有詳細(xì)敘述。國內(nèi)對(duì)發(fā)動(dòng)機(jī)的CT檢測(cè)也不多，對(duì)固體火箭發(fā)動(dòng)機(jī)主要進(jìn)行X射線的缺陷檢測(cè)，也進(jìn)行少量的CT檢測(cè)，但完全靠人工在二維CT圖像中進(jìn)行缺陷判讀和缺陷尺寸的預(yù)測(cè)；從2000年開始對(duì)多型固體火箭發(fā)動(dòng)機(jī)進(jìn)行CT檢測(cè)[1-3]，得到大量CT圖像，在2008年已完成對(duì)二維CT圖像缺陷的自動(dòng)提取和識(shí)別，后期陸續(xù)展開了對(duì)序列CT圖像的三維重建以及三維數(shù)據(jù)場(chǎng)的缺陷提取及測(cè)量工作[4-7]。

在醫(yī)學(xué)等領(lǐng)域，研究人員對(duì)數(shù)據(jù)場(chǎng)的三維分割也提出了很多方法，這些方法雖然不能完全應(yīng)用到固體發(fā)動(dòng)機(jī)的缺陷提取中，但可為發(fā)動(dòng)機(jī)缺陷的提取提供借鑒。這些分割方法主要包括閾值分割法和邊緣檢測(cè)法，有些方法雖然提出時(shí)間較早，但現(xiàn)在仍被廣泛使用，且大多算法可從二維推廣到三維。

1.2 閾值分割法和邊緣檢測(cè)法

閾值分割法是一種最常用的圖像分割方法，其原理是：通過設(shè)定不同的特征閾值，把圖像像素點(diǎn)分為若干類。該方法因?qū)崿F(xiàn)簡(jiǎn)單、計(jì)算量小、性能較穩(wěn)定而成為圖像分割中最基本和應(yīng)用最廣泛的分割技術(shù)。根據(jù)閾值的作用范圍，閾值分割法大致分為4類[8]：基于點(diǎn)的全局閾值法、基于區(qū)域的全局閾值法、局部閾值方法和多閾值方法。

根據(jù)閾值選取方式的不同，基于點(diǎn)的全局閾值法包含以下幾種方法[9-12]：p分位數(shù)法、迭代方法閾值法、直方圖凹面分析法、最大類間方差法、熵方法、最小誤差閾值法、距量保持法、模糊集、均勻化誤差閾值法、聚類法、神經(jīng)網(wǎng)絡(luò)法、數(shù)學(xué)形態(tài)法和小波分析與變換法等。

根據(jù)閾值選取方式的不同，基于區(qū)域的全局閾值法包含以下幾種方法[13]：二維熵閾值分割方法、簡(jiǎn)單統(tǒng)計(jì)法和梯度值散射圖法等。

用一個(gè)固定的全局閾值對(duì)整幅圖像進(jìn)行分割，因不能兼顧圖像各處的情況而使分割效果受到影響，局部閾值方法用與像素位置相關(guān)的一組閾值對(duì)圖像各部分分別進(jìn)行分割，因此也稱為動(dòng)態(tài)閾值法或自適應(yīng)閾值法。該方法主要包含以下幾種方法[14-15]：分水嶺法、基于閾值曲面的二維遺傳算法、基于局部梯度最大值的插值方法、加權(quán)移動(dòng)平均閾值方法、對(duì)比度度量閾值法等。這類算法時(shí)間和空間復(fù)雜度都較大，但抗噪能力強(qiáng)，對(duì)一些使用全局閾值法不宜分割的圖像有較好的效果。

如果圖像中含有占據(jù)不同灰度級(jí)區(qū)域的幾個(gè)目標(biāo)，則需要使用多個(gè)閾值才能將它們分開。多閾值分割，可以看作全局閾值分割的推廣，全局閾值選取的方法，比如Otsu最大類間方差法、Kapur的最大熵方法、直方圖分析法和聚類法等都可以推廣到多閾值的情形[16]。

邊緣檢測(cè)法利用不同物質(zhì)灰度上的差異，通過設(shè)計(jì)合適的邊緣檢測(cè)算子，獲取檢測(cè)圖像或數(shù)據(jù)場(chǎng)的邊緣，再根據(jù)邊緣連通性或其他性質(zhì)將圖像或數(shù)據(jù)場(chǎng)分類。目前，邊緣檢測(cè)法大都是基于邊緣檢測(cè)算子的，常用的邊緣檢測(cè)算子有Roberts算子、Prewitt算子、Sobel算子、Canny算子、Zerocross算子和Log算子等。

1.3 發(fā)展趨勢(shì)

閾值分割方法雖然種類繁多，但大都是基于整幅圖像或整個(gè)體數(shù)據(jù)場(chǎng)灰度差異進(jìn)行的分割，動(dòng)態(tài)閾值法和多閾值法一定程度上考慮了分割與位置的關(guān)系，但與邊緣檢測(cè)法相比在位置關(guān)系考慮上仍存在很多不足。邊緣檢測(cè)法可以考慮到任意鄰域中灰度的變化，是固體火箭發(fā)動(dòng)機(jī)缺陷提取技術(shù)今后需要重點(diǎn)研究的方向。

2 固體發(fā)動(dòng)機(jī)體數(shù)據(jù)可視化技術(shù)

2.1 現(xiàn)狀基本情況

三維結(jié)構(gòu)特征剖析建立在序列CT圖像三維可視化的基礎(chǔ)上，序列CT圖像三維可視化，就是借助計(jì)算機(jī)圖形圖像技術(shù)，利用從CT檢測(cè)設(shè)備獲取的被檢測(cè)物體的結(jié)構(gòu)數(shù)據(jù)信息，在計(jì)算機(jī)上建立起三維模型，顯示出被檢測(cè)物體的三維圖像與立體特征，并且能夠?qū)崿F(xiàn)交互模式下的旋轉(zhuǎn)、平移、視角變換等各項(xiàng)功能。

現(xiàn)有的體數(shù)據(jù)三維可視化技術(shù)分為兩大類[17]：面繪制和體繪制，三維效果如圖1，2所示。面繪制中首先由三維體數(shù)據(jù)構(gòu)造出中間幾何圖元，再由傳統(tǒng)的計(jì)算機(jī)圖形學(xué)技術(shù)實(shí)現(xiàn)畫面繪制。體繪制直接由三維體數(shù)據(jù)產(chǎn)生屏幕上的二維圖像。這2種方法各有優(yōu)劣：面繪制的速度比較快，但不能反映體數(shù)據(jù)中各種因素的相互關(guān)系；體繪制可以表現(xiàn)物體中的細(xì)微結(jié)構(gòu)和細(xì)小變化，但顯示處理速度較慢。若采用面繪制技術(shù)，則無法準(zhǔn)確顯示缺陷內(nèi)部信息及其在固體火箭發(fā)動(dòng)機(jī)內(nèi)部的空間位置，所以采用體繪制技術(shù)。

圖1 面繪制結(jié)果Fig.1 Surface rendering results

圖2 體繪制結(jié)果Fig.2 Volume rendering results

2.2 體繪制技術(shù)

對(duì)于體繪制，光線投射法、足跡表法、錯(cuò)切-變形法、頻域體繪制法、基于紋理映射的體繪制法等眾多算法先后被提出。

光線投射法是以圖像空間為序的算法，從成像面的每個(gè)像素出發(fā)，將投射的光線穿過三維體數(shù)據(jù)場(chǎng)，在射線上作等距采樣，并由距離每個(gè)采樣點(diǎn)最近的8個(gè)數(shù)據(jù)點(diǎn)作三線性插值得出每個(gè)采樣點(diǎn)的不透明度值和顏色值，計(jì)算出所有采樣點(diǎn)的不透明度值和顏色值后，可采用由前到后或由后到前2種不同方法將每個(gè)采樣點(diǎn)的不透明度值和顏色值進(jìn)行合成，從而計(jì)算出屏幕上該像素點(diǎn)的顏色值。該法計(jì)算量非常大，成像速度慢，而光線投射提前終止[18]和體數(shù)據(jù)空間結(jié)構(gòu)的相關(guān)性[19]2種方法的使用提高了計(jì)算速度。

足跡表法是以物體空間為序的體繪制算法，與以圖像空間為序的體繪制算法不同，該算法的基本思想是逐層、逐行、逐個(gè)計(jì)算每一個(gè)體數(shù)據(jù)點(diǎn)對(duì)屏幕像素的貢獻(xiàn)，并加以合成，形成最后的三維重建圖像。該法會(huì)產(chǎn)生走樣現(xiàn)象[20]，為此研究二維圖像彎曲技術(shù)[21]和三維相鄰數(shù)據(jù)結(jié)構(gòu)[22]進(jìn)行調(diào)整，提出拋雪球法[23]，消除了光面振蕩的現(xiàn)象。

光線投影體繪制法和足跡表法都存在計(jì)算量大、計(jì)算時(shí)間長的問題。Cameron G. G.和Lacroute P.等人綜合了圖像空間和物體空間的優(yōu)點(diǎn)，提出了錯(cuò)切-變形混合體繪制算法，將三維體數(shù)據(jù)場(chǎng)的投影變換分解為三維體數(shù)據(jù)場(chǎng)的錯(cuò)切變換和二維圖像的變形來實(shí)現(xiàn)，大大減少了投影過程的計(jì)算量。雖然此方法的體繪制速度得以提高，但缺少切平面垂直方向上的深度信息，且三維重建的圖像產(chǎn)生一定程度的失真。因此采用預(yù)先集成Shear-Warp算法框架、基于動(dòng)態(tài)數(shù)據(jù)分布并行繪制、計(jì)算對(duì)應(yīng)體數(shù)據(jù)中像素權(quán)值、基于八叉樹快速分類、基于Warp系數(shù)改進(jìn)Shear-Warp等方法[24]，提高了繪制的質(zhì)量。

頻域體繪制法是利用傅里葉投影-截面定理，在三維體數(shù)據(jù)相對(duì)應(yīng)的頻域場(chǎng)中，按給定的視線方向經(jīng)過原點(diǎn)抽取一個(gè)截面，再將這個(gè)截面作傅里葉逆變換，就可在空域的圖像平面中得到所需要的投影。該法采樣計(jì)算降低一維。但生成的圖像很像一張X光照片，沒有深度信息。

2.3 發(fā)展趨勢(shì)

以上4種體繪制算法都沒有利用硬件來提高繪制速度，所有的改進(jìn)算法也都是在軟件的基礎(chǔ)上提高繪制效率。而基于紋理映射的體繪制法中，重采樣和插值運(yùn)算等操作均由具有三維紋理映射能力的圖形加速卡完成，提高了運(yùn)算速度。對(duì)于大規(guī)模三維體數(shù)據(jù)，該法受圖像加速卡內(nèi)存容量的限制，必須被分成若干子數(shù)據(jù)塊，引發(fā)頻繁的輸入/輸出操作及重采樣運(yùn)算，使得體繪制性能急劇下降。因此，研究固體火箭發(fā)動(dòng)機(jī)體數(shù)據(jù)空間跳躍技術(shù)、體數(shù)據(jù)快速裝入技術(shù)和體數(shù)據(jù)智能分類技術(shù)，是提高固體火箭發(fā)動(dòng)機(jī)大規(guī)模體數(shù)據(jù)場(chǎng)體繪制速度和精度的重點(diǎn)研究方向。

3 固體火箭發(fā)動(dòng)機(jī)缺陷三維空間精確測(cè)量技術(shù)

3.1 現(xiàn)狀基本情況

對(duì)固體火箭發(fā)動(dòng)機(jī)缺陷的三維測(cè)量國外文獻(xiàn)未見公開發(fā)表。國內(nèi)對(duì)發(fā)動(dòng)機(jī)缺陷的三維測(cè)量幾乎空白，僅有少量的二維測(cè)量，2011年開始對(duì)固體火箭發(fā)動(dòng)機(jī)序列CT圖像生成的體數(shù)據(jù)場(chǎng)缺陷進(jìn)行三維測(cè)量研究。

在工業(yè)其他領(lǐng)域及醫(yī)學(xué)領(lǐng)域，研究人員對(duì)數(shù)據(jù)場(chǎng)的三維測(cè)量提出了很多方法，因?yàn)闇y(cè)量對(duì)象的形態(tài)、性質(zhì)各不相同，被測(cè)物理量也多種多樣，所以三維測(cè)量方法也有多種。有的方法很難用于固體發(fā)動(dòng)機(jī)的缺陷三維測(cè)量中，但也有部分方法值得借鑒。目前主要有如下幾種三維測(cè)量方法。

3.2 三坐標(biāo)測(cè)量機(jī)法(CMM)

CMM(coordinate measuring machine)[25]可以實(shí)現(xiàn)任意曲面坐標(biāo)點(diǎn)的測(cè)量和標(biāo)記，并通過Pro/E，UG等專用掃描數(shù)據(jù)處理軟件建立掃描曲面的計(jì)算機(jī)模型，用于反求工程。由于固體發(fā)動(dòng)機(jī)裝藥缺陷在殼體內(nèi)部，CMM無法進(jìn)行掃描；對(duì)于得到的序列CT圖像也不是實(shí)體，同樣無法記錄缺陷坐標(biāo)，因此該方法不適于固體發(fā)動(dòng)機(jī)裝藥缺陷的三維測(cè)量。

3.3 立體顯微鏡法

立體顯微鏡是依靠人眼觀察獲得的圖像并進(jìn)行判斷的一種顯微鏡系統(tǒng)[26]，該系統(tǒng)利用投影儀將計(jì)算機(jī)產(chǎn)生的正弦強(qiáng)度光柵條紋投射于被測(cè)物上。由于被測(cè)物表面的深度變化，投射條紋將會(huì)產(chǎn)生變形，CCD采集被測(cè)客體的位圖，利用相移技術(shù)以及相位重建技術(shù)對(duì)采集的位圖上每一個(gè)像素點(diǎn)計(jì)算求得相對(duì)應(yīng)點(diǎn)的三維數(shù)據(jù)信息，從而重建出被測(cè)物的表面輪廓。由于投影儀產(chǎn)生的光柵條紋無法穿透殼體，因此無法得到裝藥內(nèi)缺陷的形態(tài)，也就無法進(jìn)行三維測(cè)量了。

3.4 結(jié)構(gòu)光法

結(jié)構(gòu)光法是將激光器發(fā)出的光束，經(jīng)過光學(xué)系統(tǒng)形成圖案投向物面，在物面上形成圖案并由攝像機(jī)攝取，而后由圖像根據(jù)三角法和傳感器結(jié)構(gòu)參數(shù)進(jìn)行計(jì)算、得到景物表面的深度圖像，計(jì)算出物面的三維坐標(biāo)值[27]。該法只適用于外表面的測(cè)量，對(duì)固體發(fā)動(dòng)機(jī)裝藥缺陷也無能為力。

3.5 視覺重建法

根據(jù)物體的幾幅圖像定量恢復(fù)物體在三維空間的外形和位置，將該法應(yīng)用于固體火箭發(fā)動(dòng)機(jī)只能構(gòu)建出發(fā)動(dòng)機(jī)殼體的外觀和位置，對(duì)裝藥內(nèi)部情形一無所知。

3.6 基于CT體數(shù)據(jù)的三維測(cè)量方法

基于CT體數(shù)據(jù)的三維測(cè)量，是在得到物體三維CT圖像或序列二維CT圖像基礎(chǔ)上對(duì)感興趣區(qū)域進(jìn)行的測(cè)量。根據(jù)用戶的不同需求，測(cè)量的物理量主要包括：空間中兩點(diǎn)間距離、空間中夾角、空間中剖切面面積、空間曲面面積、目標(biāo)區(qū)域體積[28]等參數(shù)，對(duì)不同的測(cè)量物理量，都已有經(jīng)典的測(cè)量方法。該方法與前述幾種方法都不同，3.2～3.5節(jié)中所述的測(cè)量方法都是測(cè)量物體的外表面或內(nèi)表面，主要完成對(duì)表面的建模和測(cè)量，而本節(jié)所述測(cè)量方法能夠獲得被測(cè)物體的內(nèi)部信息，適用于固體火箭發(fā)動(dòng)機(jī)缺陷的測(cè)量，可以借鑒，改進(jìn)或改變某些物理量的經(jīng)典測(cè)量方法，縮短缺陷測(cè)量時(shí)間，提高缺陷測(cè)量精度，是固體發(fā)動(dòng)機(jī)三維空間缺陷精確測(cè)量的重點(diǎn)研究方向。

3.7 基于VTK，MITK等交互式三維測(cè)量方法

在體數(shù)據(jù)三維重構(gòu)的基礎(chǔ)上，采用VTK(visualization toolkit)，MITK(medical imaging toolkit)中的類[29]，實(shí)現(xiàn)鼠標(biāo)拾取點(diǎn)的屏幕坐標(biāo)向世界坐標(biāo)的轉(zhuǎn)換，利用距離公式或者余弦定理求出感興趣2點(diǎn)間的距離或感興趣2條線的夾角。該法可以為固體火箭發(fā)動(dòng)機(jī)序列CT圖像缺陷最大直徑的交互式測(cè)量提供參考。

4 結(jié)束語

固體火箭發(fā)動(dòng)機(jī)無損檢測(cè)中，傳統(tǒng)的基于二維CT圖像檢測(cè)手段容易出現(xiàn)誤判、漏判，三維空間的缺陷檢測(cè)、識(shí)別和測(cè)量是今后的發(fā)展方向。本文從固體火箭發(fā)動(dòng)機(jī)缺陷提取技術(shù)、體數(shù)據(jù)可視化技術(shù)和三維空間缺陷精確測(cè)量技術(shù)3個(gè)方面入手，對(duì)固體火箭發(fā)動(dòng)機(jī)體空間缺陷特征精確測(cè)量技術(shù)展開綜述，分析了各項(xiàng)技術(shù)的國內(nèi)外現(xiàn)狀基本情況、關(guān)鍵技術(shù)進(jìn)展，并指出了各項(xiàng)技術(shù)今后的重點(diǎn)研究方向。

參考文獻(xiàn)：

[1] 盧洪義，楊興根，孫有田．固體火箭發(fā)動(dòng)機(jī)內(nèi)部缺陷高分辨率檢測(cè)[J]．推進(jìn)技術(shù)，2003，24(1)：91-93.

LU Hong-yi,YANG Xing-gen,SUN You-tian. High Resolution Inspecting Investigation for Inner Defect of SRM[J].Journal of Propulsion Technology，2003,24(1):91-93.

[2] 盧洪義，楊興根，程衛(wèi)平．小張角扇形束CT 在固體發(fā)動(dòng)機(jī)局部檢測(cè)研究[J]．推進(jìn)技術(shù)，2003，24(3)：251-253.

LU Hong-yi,YANG Xing-gen,CHENG Wei-ping. Local Tomography Inspecting Investigation for Inner Crack of SRM[J]. Journal of Propulsion Technology，2003,24(3):251-253.

[3] 盧洪義，徐明，于光輝．基于工業(yè)CT 技術(shù)的設(shè)備故障診斷與維修[J]．航空動(dòng)力學(xué)報(bào)，2007，22(7)：1031-1034.

LU Hong-yi,XU Ming,YU Guang-hui. Fault Diagnosis and Maintenance of Equipment Based on Industrial CT Technology[J].Journal of Areospace Power， 2007,22(7):1031-1034.

[4] 朱敏，盧洪義，肖志斌，等．固體發(fā)動(dòng)機(jī)CT圖像的一種自動(dòng)分割方法[J]．固體火箭技術(shù)，2008，31(2)：201-204.

ZHU Min,LU Hong-yi,XIAO Zhi-bin,et al. A Kind of Automatic Segmentation Method for Solid Motor CT Image[J]. Journal of Solid Rocket Technobgy， 2008,31(2):201-204.

[5] 朱敏，盧洪義，李海燕．固體火箭發(fā)動(dòng)機(jī)三維可視化無損檢測(cè)系統(tǒng)設(shè)計(jì)[J]．兵工學(xué)報(bào)，2008，29(7)：891-896.

ZHU Min,LU Hong-yi,LI Hai-yan. The Design of Solid Missile Motor 3D Visualization Nondestructive Inspection System[J]. Acta Armamentrii,.2008,29(7):891-896.

[6] 朱敏，盧洪義，叢培勝，等．固體發(fā)動(dòng)機(jī)CT 檢測(cè)中的一種缺陷識(shí)別方法[J]．航空動(dòng)力學(xué)報(bào)，2009，24(1)：230-234.

ZHU Min, LU Hong-yi, CONG Pei-sheng, et al. A Method of Defect Recognition in Solid Motor CT Testing[J].Journal of Areospace Power， 2009,24(1):230-234.

[7] 朱敏，盧洪義，李海燕．固體發(fā)動(dòng)機(jī)虛擬剖切故障診斷技術(shù)研究[J]．固體火箭技術(shù)，2010，33(4)：232-236.

ZHU Min,LU Hong-yi,LI Hai-yan. Research on Virtual Cutting Fault Diagnosis Technology of Solid Rocket Motors[J]. Journal of Solid Rocket Technobgy， 2010,33(4):232-236.

[8] Mark D Nixon, Albert S Aguado.特征提取與圖像處理[M]．李實(shí)英，楊高波，譯．2版.北京：電子工業(yè)出版社,2010.

LI Shi-ying,YANG Gao-bo,Translated. Feature Extraction and Image Processing Second Edition[M]. Beijing:Publishing House of Electronics Industry,2010.

[9] 馬志強(qiáng)，孫世宇，王春平,等．基于迭代閾值的彈目圖像邊緣檢測(cè)方法研究[J]．信息技術(shù),2011，35(1)：26-28，51.

MA Zhi-qiang,SUN Shi-yu,WANG Chun-ping,et al. Research on Projectile and Target’s Image Edge Detection Method Based on the Iterative Threshold[J].Information Technology,2011,35(1):26-28,51.

[10] 景曉軍，李劍峰，劉郁林．一種基于三維最大類間方差的圖像分割算法[J]．電子學(xué)報(bào),2003，31(9)：1281-1285.

JING Xiao-jun,LI Jian-feng,LIU Yu-lin. Image Segmentation Based on 3D Maximum Between-Cluster Variance[J].Acta Electronica Sinica, 2003,31(9):1281-1285.

[11] TSAI W. Moment-Preserving Thresholding: A New Approach[J]. Computer Vision, Graphics and Image Processing, 1985, 29(4): 377-393.

[12] CHANG S G, YU B, MARTIN V. Adaptive Wavelet Thresholding for Image Denoising and Ompression[J]. IEEE Transactions on Image Processing,2000, 9 (9):1532-1546.

[13] 劉俊，吳謹(jǐn)．一種基于梯度的直方圖閾值圖像分割改進(jìn)方法[J]．計(jì)算機(jī)與數(shù)字工程,2010，38(4)：131-133.

LIU Jun,WU Jin. A Histogram Threshold Value Image Segmentation Improvement Method Based on Gradient[J].Computer and Digital Engineering,2010,38(4):131-133.

[14] Jong-Bae Kim, Hang-Joon Kim. Multiresolution-Based Watersheds for Efficient Image Segmentation [J]. Pattern Recognition Letters,2003, 24(1): 473-488.

[15] 薛景浩，章毓晉，林行剛．二維遺傳算法用于圖像動(dòng)態(tài)分割[J]．自動(dòng)化學(xué)報(bào),2000，26(5)： 749-753.

XUE Jing-hao, ZHANG Yu-jin,LIN Xing-gang. Dynamic Image Segmentation Using 2-D Genetic Algorithms[J]. Acta Automatica Sinica, 2000,26(5): 749-753.

[16] HUANG D, WANG C. Optimal Multi-Level Thresholding Using a Two-Stage Otsu Optimization Approach [J]. Pattern Recognition Letters,2009,30(3):275-284.

[17] BRODLIE K, WOOD J. Recent Advances in Volume Visualization[J]. Computer Graphics Forum,2001, 20 (2): 125-148.

[18] BARTZ D, MEIBNER M. Voexls Versurs Polygons:A Comparative Approach for Volume Graphics[C]∥Proc Volume Graphics 99, Swansea, 1999:33-48.

[19] MORA B, JESSEL J, CAUBET R. A New Object-Order Ray-Casting Algorithm[C]∥ Washington:Proc. of the IEEE Visualization 2002: 203-210.

[20] Edward Swan J. Object-Order Rendering of Discrete Objects[D]. Ohio USA:The Ohio State University, 1998.

[21] 高艷，唐曉英，張軍莉．基于物體空間序法的CT圖像三維重建算法的研究[J]．北京生物醫(yī)學(xué)工程,2003，22(3)：180-183.

GAO Yan,TANG Xiao-ying,ZHANG Jun-li. A Study on CT Image 3-D Reconstruction Algorithm Based on Method of Space Sequence of Objects[J]. Beijing Biomedical Engneering, 2003,22(3):180-183.

[22] Orchard J Tmoller. Accelerated Splatting Using a 3D Adjacency Data Structure[C]∥Graphics Interface 2001, 2001: 191-200.

[23] MUELLER K, CRAWFIS R. Eliminating Propping Artifacts in Sheet Buffer-Based Splatting[C]∥Proc Visualization 98, 1998: 239-245.

[24] SCHULZE J P, KRAUS M, LANG U. Integrating Pre-Integration Into the Shear-Warp Algorithm [C]∥Proceedings of the Third International Workshop on Volume Graphics, Tokyo, 2003: 109-118.

[25] 蔣祖信．自由曲面的三維測(cè)量與反求工程[J]．機(jī)電一體化，2003,9(4)：15-18.

JIANG Zu-xin. Three Coordinate Measuring and Reverse Engineering Technology of Freedom Surface[J]. Mechatronics, 2003,9(4):15-18.

[26] 劉莉，姜志國，謝鳳英,等．光學(xué)體視顯微圖像立體測(cè)量系統(tǒng)研究與開發(fā)[J]．中國體視學(xué)與圖像分析,2003，12(4)：220-224.

LIU Li, JIANG Zhi-guo, XIE Feng-ying, et al. Research and Development of Stereoscopic System Based on Stereo Light Microscope Image[J]. Chinese Journal of Stereology and Image Analysis,2003,12 (4):220-224.

[27] JOAQUIM S, JORDI P, JOAN B. Pattern Codification Strategies in Structured Light Systems[J]. Pattern Recognition,2004, 37 (4):827-849.

[28] HARA T,YAMAMOTO A,ZHOU Xiang-rong,et al. Automated Volume Measurements of Pulmonary Emphysema on 3-D Chest CT Images[C]∥International Congress Series,2003,1256:1043-1048.

[29] 李燕．交互式空間物體三維測(cè)量方法的研究與實(shí)現(xiàn)[D]．西安：西北大學(xué)，2005.

LI Yan. Research on the Method of Interactive 3-D Object Measurements and Its Realization[D]. Xi′an:Northwest University, 2005.