体视化方法综述*

综述了体视化研究的历史及近年来体视化技术的研究现状和发展情况,其中包括体数据的预处理、三维物体表面重建、直接体视、体图形学等各方面方法的优缺点,并预测了体视化的未来研究趋势。     

基于二值体金字塔数据结构的自适应快速体绘制方法

直接体绘制技术无需拟合中间几何图元直接绘制体数据,由于绘制图像质量高,该技术倍受青睐。但是,因为直接体绘制需要遍历整个数据场,绘制速度慢,在绘制大规模数据场时,速度已经成为应用该项技术的一大瓶颈。为此,提出一种基于二值体金字塔数据结构的自适应快速体绘制方法,该方法可以在不降低图像质量的情况下,加快图像绘制速度。     

基于自组织特征映射神经网络的点云数据分区

自组织特征映射神经网络SOFM可以实现无监督的特征聚类.利用SOFM实现逆向工程中点云数据分区,通过改进SOFM网络初始权值方法以及引进能量函数控制迭代次数,提高了SOFM的分区效率.利用SOFM方法实现点云数据分区具有较强的容错性能,对测量数据点无任何要求.实例运行结果验证了此方法的可行性.     

汉诺塔问题的可视化教学演示软件的设计与实现

汉诺塔问题是大学计算机专业《数据结构》课程的必讲内容,在教学中用来帮助学生理解程序的递归调用。本文利用非递归算法实现了该问题的的可视化教学演示,以图形形式形象、直观表现问题解决过程。     

基于体素模型的优化体绘制技术

直接体绘制技术因可绘制数据场中包含的内部结构形成较高图像质量而倍受青睐，但大量计算导致的绘制速度慢严重制约着其在大规模数据场交互绘制方面的应用。对现有算法进行优化是其发展方向之一。对目前基于体素模型的体绘制关键环节优化技术进行了概括，并分析了进行优化的主要思路，为进一步应用、改进这些技术提供参考。     

逆向工程中基于模糊聚类的点云数据分区

点云数据分区是逆向工程中重要而又难以解决的问题。首次将模糊聚类方法应用于逆向工程中的点云数据分区,用点的位置矢量、法矢量、高斯曲率和平均曲率8维向量作为特征向量,加权距离替代欧氏距离。在实现分区的同时,可以识别区域内部点和边界附近点,便于后续曲面特征参数精确提取。实验结果证明此算法具有较强的抗噪性,并具有较高的分区效率。     

链表的柔性动态可视化研究

为解决计算机专业课程教学过程中教师难教学,学生难理解、难掌握的问题,将传统可视化技术与柔性化、动态化思想相结合,以图形形式柔性动态演示链表的插入排序算法,达到了良好的教学效果。实践表明,柔性动态可视化技术在理论和实际上都是可行的,并可以进一步运用于整个计算机学科的教学实践活动中。     

基于三维规则数据场的快速光线投射法

光线投射法是体绘制技术中的经典算法。该算法原理简单、明了,并能产生高质量的显示图像,但由于所有体素参与了图像绘制,运行速度慢,从而极大制约了其在交互可视化中的运用。论文利用光线穿过三维规则数据场时与某一方向平面簇交点的快速确定及光线投射方向确定后两相邻平面间所截取线段为定长的特点,简化了光线亮度积分公式,从而在图像质量不减低的情况下,快速进行图像绘制。     

在逆向工程中用神经网络实现点云数据分区

点云的数据分区问题是逆向工程中的一个瓶颈问题。论文在传统的自组织特征映射(SOFM)神经网络的基础上,用多层自组织特征映射(MLSOFM)神经网络实现逆向工程中点云的数据分区,克服了SOFM用于数据分区的局限性,不需预先指定分区的数目,实例运行结果验证了此方法的可行性。     

体绘制技术

可视化技术是继计算、实验两大科学研究方法之后的第三种研究方法,体绘制技术作为可视化技术的一个重要分支,已经取得长足发展。对常用体绘制技术进行了分类,并且指出、分析了各自特点及适用场合,为进一步应用、改进这些技术提供参考。