體數(shù)據(jù)特征的高效可視化方法研究.pdf

1、體數(shù)據(jù)可視化借助于人眼視覺容易感知的二維圖像形象、直觀地展示體數(shù)據(jù)內(nèi)部隱含的特征信息，幫助用戶對數(shù)據(jù)做進一步的分析與處理，廣泛應(yīng)用于醫(yī)學(xué)、氣象、地質(zhì)、科學(xué)仿真等領(lǐng)域。
　　 傳輸函數(shù)是實現(xiàn)體數(shù)據(jù)分類的有效手段，即對體數(shù)據(jù)內(nèi)部特征映射不同的光學(xué)屬性，進而獲取感興趣特征的有效展示，這直接決定了體數(shù)據(jù)可視化的有效性。然而，定義一個能夠有效展示體數(shù)據(jù)內(nèi)部特征的傳輸函數(shù)是一個復(fù)雜而耗時的過程，制約了體數(shù)據(jù)可視化效率的提升，妨礙了體數(shù)據(jù)可視

2、化在各個領(lǐng)域的拓展與應(yīng)用。
　　 本文旨在研究高效的體數(shù)據(jù)繪制方法和自動的體數(shù)據(jù)分類方法，其目的均是避免復(fù)雜的傳輸函數(shù)設(shè)計過程，提升體數(shù)據(jù)可視化效率。經(jīng)典的最大密度投影法和最大標(biāo)量差累積法是當(dāng)前流行的高效體繪制方法，無需調(diào)節(jié)復(fù)雜的傳輸函數(shù)，即可獲得感興趣特征的有效展示。然而，最大密度投影法繪制結(jié)果中最大密度特征的視覺感知效果不佳，容易引起視覺歧義，而最大標(biāo)量差累積法則無法完整展現(xiàn)視線方向上的重要特征。傳輸函數(shù)的自動優(yōu)化是當(dāng)前體數(shù)

3、據(jù)分類領(lǐng)域的研究熱點，但是需要用戶對初始數(shù)據(jù)具有豐富的先驗知識，交互地指定感興趣的特征，對于那些對初始數(shù)據(jù)認(rèn)識不足的用戶來說，這仍然是一個反復(fù)嘗試、復(fù)雜而耗時的過程，存在一定的局限性。針對上述問題，本文從繪制和分類兩個角度出發(fā)，對上述算法進行改進，進一步提升了體數(shù)據(jù)特征的可視化與分析效率。
　　 本文提出了一種視覺感知增強的最大密度投影法，以梯度模為衡量標(biāo)準(zhǔn)，查找最大密度特征的最佳法向，利用經(jīng)典的光照模型對最大密度特征做光照處理

4、，獲得形狀感知增強的最大密度特征圖像。引入圖像處理領(lǐng)域的色調(diào)映射技術(shù)增強局部特征的對比度。利用最佳法向特征的深度自適應(yīng)更新光照系數(shù)，并且采用HSV顏色模型對其進行顏色映射，增強最大密度特征的深度感知。最后提出一種雙閾值的區(qū)域增長策略，能夠準(zhǔn)確地提取感興趣區(qū)域，突出地展示感興趣的最大密度特征信息。該方法無需傳輸函數(shù)作用，即可獲得最大密度特征的增強展示，提升了用戶探索與分析體數(shù)據(jù)的效率。
　　 本文亦提出了隱藏特征展示的體數(shù)據(jù)可視化

5、方法。在最大標(biāo)量差累積法的基礎(chǔ)上，動態(tài)更新當(dāng)前最大標(biāo)量值，使得隱藏于當(dāng)前最大標(biāo)量值之后的特征能夠有效展示于繪制結(jié)果中。進而提出一種有效展示隱藏特征的直接體繪制方法，在不透明度的累加值到達臨界狀態(tài)時，動態(tài)計算調(diào)整系數(shù)，降低可見特征在繪制結(jié)果圖像中的貢獻，使得隱藏特征能夠展示于結(jié)果圖像中。進一步定義了方便用戶選取感興趣特征的二值函數(shù)，增強感興趣特征在繪制結(jié)果中的展示。該類方法在初始的線性傳輸函數(shù)作用下，即可完整地展示體數(shù)據(jù)內(nèi)部的特征信息，方

6、便用戶快速地獲取與分析體數(shù)據(jù)內(nèi)部特征。
　　 為簡化體數(shù)據(jù)分類過程，本文提出一種體數(shù)據(jù)特征自動分析與可視化技術(shù)。對初始體數(shù)據(jù)做基于空間相似性的預(yù)分類，進而提供一種直觀的體數(shù)據(jù)播放器交互手段，幫助用戶交互選取感興趣特征。定義能量函數(shù)度量當(dāng)前傳輸函數(shù)作用下感興趣特征可見性分布與目標(biāo)可見性分布的差異，利用最速梯度下降法自動優(yōu)化傳輸函數(shù)設(shè)計，最終實現(xiàn)感興趣特征的有效展示。該方法利用體數(shù)據(jù)播放器按序繪制預(yù)分類特征，無需用戶對初始體數(shù)據(jù)具有