《李权基于模式识别的智能可视化技术的研究》由会员分享，可在线阅读，更多相关《李权基于模式识别的智能可视化技术的研究（34页珍藏版）》请在金锄头文库上搜索。
1、清 华 大 学攻 读 工 程 硕 士 学 位研究生选题报告论文题目 基于模式识别的智能可视化技术的研究 研 究 生 李 权 学 号 2009212635 院（系、所） 软件学院 专 业 软件工程领域 联 系 电 话 15210620183 电 子 邮 件 指 导 教 师 雍 俊 海 专业技术职务 教 授 联 系 电 话 62795455 电 子 邮 件 联合指导教师 陈 莉 专业技术职务 副 教 授 联 系 电 话 62795442 电 子 邮 件 入 学 日 期 2009 年 9 月 2 日 2010 年 9 月 30 日目 录1. 选题背景 .12. 国内外研究现状 .32.1. 传
2、递函数设计方法分类讨论 .32.1.1 试错法 .42.1.2 图像驱动的设计方法 .42.1.3 数据驱动的设计方法 .52.1.4 传递函数设计的问题 .72.2. 体数据分类 .82.3. 体绘制图像质量增强及参数反馈 .102.4. 基于样例风格的体可视化 .122.5. 多个体数据集信息重用的方法 .143. 课题研究内容 .163.1 研究任务及要求 .163.1.1 基于体绘制结果质量评价的体数据集自动/半自动分类 .163.1.2 基于语义的体可视化研究 .173.2 技术难点分析 .183.2.1 基于体绘制结果质量评价的体数据集自动/半自动分类 .183.2.2 基于语义的
3、体可视化研究 .203.3 技术路线分析 .203.3.1 基于体绘制结果质量评价的体数据集自动/半自动分类 .203.3.2 基于语义的体可视化研究 .233.4 可能的创新点 .253.5 预期成果 .254 进度安排 .26参考文献 .26清华大学攻读工程硕士学位研究生选题报告1基于模式识别的智能可视化技术的研究1. 选题背景标量场可视化是目前可视化技术研究较多的领域，特别是三维标量场可视化技术。标量场按照维度划分可分为一维标量场，二维标量场和三维标量场。三维标量场是目前可视化研究最热门的方向。三维数据场可视化包括科学计算数据的可视化和工程计算数据的可视化等许多方面，同时也包括各种测量数
4、据的可视化，如用于医疗领域的计算机断层扫描（CT）数据及核磁共振（MRI）数据的可视化是应用较为广泛的领域。体绘制算法出现于 20 世纪 80 年代末，是可视化算法中非常重要的一种方法。由于体绘制算法不仅可以显示体数据的表面信息，还可以显示其内部信息，从而能实现三维医学影像数据的真实感显示，有利于医生的全面理解与分析，因此在辅助医生诊断和治疗方面有着非常重要的作用。体绘制技术将大量的抽象数据转换为直观的图像，为人们揭示数据中隐含的信息提供了重要方法。体数据中体素在绘制的图像中是否可见取决于传递函数分配的不透明度值，感兴趣的体素分配较高的不透明度值，相反，则分配较低的不透明度值。体素在结果图像中
5、的颜色也可以由传递函数确定，通过给不同的体素分配不同的颜色值可以更加清楚地观察到体数据的内部结构。精心设计的传递函数能揭示体数据中的重要结构及其细节信息。然而，由于体数据和应用的复杂性，找到一个好的传递函数是非常困难的。通过，在体数据中同一种物质可能有不同的数据值，而不同种物质又有可能具有相同的数据值，这就增加了区分不同物质的难度，而且，传递函数是与位置无关，这种情况下使得区分感兴趣区域变得困难。即使感兴趣区域在空域中容易区分，也难以凭数据值或其他信息提取感兴趣区域。另外，传递函数中参数的变化与绘制结果非线性的，传递函数参数的微小改动也可能引起绘制结果的巨大变化，所以设计一个能提供有效的引导信
6、息且操作简单的传递函数接口也不是件容易的事。而且，当需要观察较为细微的解剖结构，加上对体数据内部清华大学攻读工程硕士学位研究生选题报告2的结构只了解一部分甚至完全不知的情况下，传递函数的设计将变得更加困难。将某些简单的应用来说，采用一维传递函数就可以区分不同的物质，如果体数据包含的物体十分复杂且有不同程度的噪声，则需要增加传递函数的维度，为数据提供更精细的分割。传统的传递函数基本上都是基于一个特定的体数据集进行独立设计，传递函数之间无法进行相互利用，从而使得用户将大量的时间花在对传递函数进行参数调优的设置上，而无法集中在对绘制出的图像进行分析。这样每次设计出的传递函数无法对已有的传递函数进行很
7、好的利用，直接导致了这些传递函数缺乏通用性。从另一角度来说，由于算法固有的复杂性导致体绘制缺乏交互性，现今虽有大量的半自动的交互式传递函数，但他们的方法都是基于使用者对图像的主观评价，这样最终的图像质量很大程度上取决于使用者的经验和直觉，我们需要一种快速、鲁棒的技术来设计传递函数。传递函数的交互编辑过程实质上就是对体数据进行分类然后再根据这种分类规则将体数据映射为颜色值和不透明值等光学特征的过程。而分类问题在模式识别、机器学习等领域的运用已经非常广泛，可以参考与借鉴的方法也有许多，本文将继续在前人的研究基础上，运用模式识别、统计学习理论及机器学习等方法对体数据进行聚类及分类，为传递函数的设计及
8、下面的研究打下基础。如今体绘制技术已渐成熟，大量效果非常理想的体绘制图像、三维数据集及相应设计完善的传递函数都已存在，如何基于这种现存的理想的样例，来指导一个新的三维数据集传递函数的设置是一个非常值得研究的问题，同时这也是本课题的研究目标之一。此外，体绘制直接生成的最终具有三维效果的二维图像具有的特征也能用来指导传递函数的设置。如何从这些图像中提取特征，并基于它指导体数据集的绘制过程，是一个快速模仿其风格的问题。由于风格模仿及色彩传递问题在二维图像之间，诸如将样例图像的色彩分布特征运用到一个灰度图像中，或者将目标图像的色彩风格按照样例图像的风格进行分布，这样的研究已经非常成熟。然后，在体绘制中，
