一种基于交互式多维传递函数的纹理映射体绘制算法

本文设计了一种基于空间信息的交互式多维传递函数的纹理映射体绘制算法。该算法不仅可以根据体数据的强度而且还利用体素的空间位置来设定绘制的颜色和阻光度。通过采用一种独特的空间投影变换,根据用户需求,将体数据划分为不同区域,并分别定义各自的传递函数。该特点使得本文的算法可以有效地对体数据进行交互式分析。在算法实现中,利用了通用图形硬件的可编程特性,在普通PC上可以达到理想的绘制质量和交互速度。     

基于K均值聚类的体绘制传递函数设计方法研究

提出一种基于K均值聚类算法的体绘制多维传递函数设计方法。在利用灰度—梯度直方图分析体数据内部结构信息的基础上,应用K均值聚类算法对整个体数据进行聚类分类,对属于不同聚类中的体素值进行伪彩色映射,实现体数据与彩色编码的转换关系。实验表明,利用该方法所设计的体绘制传递函数能够揭示体数据的内部结构关系,重建的三维图像逼真、质量高。     

用于体绘制可视化的交互式直方图传递函数设计研究

医学图像体绘制可视化可以直接显示体数据的内部信息,成为可视化研究的一个重要的领域.由于医学图像数据本身的复杂性和传递函数的设计的灵活性,可视化传递函数成为研究的热点.通过CT,MRI设备获取的体数据,其质量受噪声影响严重,首先使用非线性增强方法对数据进行预处理,之后对体数据进行边界体素预判,并构造二维直方图用以设计传递函数,最终用光线投射算法绘制体数据.利用文中方法对大小为256×256×161的牙齿数据集进行非线性增强去噪,并设计传递函数,牙齿数据噪声得到了有效地抑制,不同边界区分比较明显.此外对牙齿体数据进行边界体素预判后,通过二维直方图查找边界的时间由78.2s减少至28.3s.实验结果表明,文中方法能有效地去除噪声、查找边界并提高绘制速度.基于构造出的直方图能够方便进行半自动化传递函数设计,提高绘制结果的质量.     

基于多尺度等值面设计传递函数

在体绘制中传递函数将体数据转换成光学参数,因此体绘制的效果直接由传递函数决定.本文提出了基于多尺度等值面设计传递函数的高效方法.该方法通过梯度阈值提取边界体元来简化数据场,然后将提取等值面的目标函数的计算化简为累加的拉普拉斯加权的直方图极值的计算.最后对直方图进行多尺度平滑,利用提取出的多尺度等值面来设计高斯型传递函数,提高了等值面的准确度和传递函数的设计效率.     

使用VHD的可视人体成像方法研究

利用彩色数据进行体绘制，可以创建真实感图像，并具有揭示体内真实细节的能力。虽然彩色数据是可用的，但它并不包含依赖于视点的光线反射信息和光线在体素中的传播属性。本文提出了基于VHP彩色数据的体绘制算法框架，着重讨论了如何利用Phone光照模型进行着色，以及在HSI色彩空间中计算阻光度值。实验结果表明，本文算法成像质量高，可以表现人体的细微结构和纹理信息。     

体素分类与Phong光照模型GPU加速体绘制

为了提高体绘制的速度和效果,研究了体数据的分类和计算及其在图形处理单元上加速实现的体绘制算法.分别采用点体素先分类和预积分后分类方法为体数据分配颜色和不透明度,改进了利用不透明度对颜色加权改善绘制效果,根据Phong光照模型对体数据进行渲染.通过查找表软件加速和图形处理单元硬件加速两个方面分别实现并进行比较,实验结果表明,采用图形硬件加速的方法达到实时交互的效果,体绘制性能大大提高.     

基于体素可见度的高效直观传递函数设计算法

针对体绘制中传递函数设计问题,提出基于直观体素可见度设计传递函数的高效方法。用高斯混合模型（GMM）对体数据自动建模,提取体数据的聚类信息;根据高斯混合模型设计体素可见度模型。将传递函数设计转化为真实体素可见度与目标体素可见度距离最小化问题,使用最速下降法求解,得到最优传递函数。同时设计一套方便、灵活的交互工具,用来调节体素可见度模型。实验结果表明了该算法的高效性和直观性。     

针对全空子数据体的GPU体绘制方法

体绘制是三维数据可视化的主要方法之一。用于体绘制的数据体中包含有大量的空体素,导致光线投射算法进行没有意义的重采样计算,必然降低绘制算法效率。针对全空子数据体体绘制低效问题,本文提出基于GPU体高效绘制方法。利用八叉树数据结构组织数据,有效管理包含许多空体素的子数据体。通过绘制八叉树非全空叶子结点子数据体表面,使光线投射算法中起始和终止重采样位置更接近数据体中的可视部分,同时根据八叉树全空结点子数据体判定纹理查询结果,计算合适的跳跃步长,快速跳过八叉树中全空结点子数据体,减少无效重采样点。当数据体中空体素较多时,实现对原基于体包围盒表面绘制的GPU光线投射算法的加速。设计不透明度函数,凸显数据体中层位面,并将算法成功应用于地震数据可视化,取得很好应用效果。     

基于密度-距离图的交互式体数据分类方法

体数据分类是体绘制中传递函数设计的核心问题.标量值-梯度模直方图作为表征体数据的一种经典二维特征空间,已被广泛应用于分类体数据.然而,大部分已有方法存在过于依赖分类算法的参数设置、运算效率低、交互复杂度高等问题.以标量值-梯度模直方图的密度分布为基础,并依据物质中心密度大且物质中心间距离远这一特性,首先快速计算每个数据点的密度及每个数据点到比其密度大的点的最小距离;然后,将所有数据点投影到密度-距离图,并以密度-距离图作为人机接口,使用户能够交互地选择多个密度中心来分类体数据并设置传递函数.通过多组实验验证,所提出的方法无需预设物质类别的数量,分割标量值-梯度模直方图的准确度较高且速度较快,所设计的密度-距离图是一个有效的人机交互接口,可以有效地引导用户完成由粗糙到精细的递进式体数据分类和可视化过程.     

基于Shear-warp的交互式海量数据场体绘制算法

提出了基于min-max Octree快速分类Shear-warp的交互式海量数据场体绘制算法.主要包括根据海量数据的特征,快速读入数据以及设计适当的不透明度传递函数;建立Summed-Area表与min-max Octree数据结构,并对体数据进行快速分类,然后,利用分类的结果进行快速体绘制.实验证明该方法不仅效率高,而且显示效果好.     

工业CT数据场面绘制和体绘制改进算法研究

工业CT图像的重建速度和精度是工业CT产品的两个重要指标。针对面绘制的MC算法提出了一种基于相似性区域分割的三维工业图像表面重建算法,实现了准确分割,并利用分割结果精确地提取等值面,显著提高了检测效率;针对体绘制的光线投射算法提出了一种基于二维最大熵阈值的分割预处理方法,利用二维直方图熵最大化寻找阈值的最佳组合,能有效减少重建体数据量,实测数据表明体绘制速度明显提高。     

基于多阈值的工业CT体数据自动分类方法

工业CT体数据分类的合理性直接影响到三维体重构的效果。目前的多数分类方法都是交互式的半自动法。文中提出一种实现体数据自动分类的方法,该方法在增强峰谷特性后的体数据灰度分布图上计算差分曲线的过零点,初步判定体数据的类别,再引入独立峰判断准则和缓坡再划分准则,通过类别合并和类别细分确定多个阈值,从而划分体数据类别。该方法能快速、合理地对工业CT体数据进行自动分类。     

基于图像分类的动态阈值位平面复杂度分割密写算法

为提高位平面复杂度分割(BPCS)密写算法的安全性,提出了一种抗统计分析的BPCS密写算法。首先,将载体图像分块,计算图像块的信息熵和小波对比度;然后,利用模糊C-均值(FCM)对其进行分类,根据分类结果及随机数确定每个位面小块的复杂度阈值;最后,将载体和秘密数据位面小块相似程度小于0.5的秘密数据位面小块取反,再替换载体位面小块。实验结果表明,该方法能有效地抵抗复杂度直方图统计分析的检测,同时载密图像视觉不可感知性有了很大的提高。     

复杂光照下DPM图像自适应多阈值分割方法研究

复杂工况下,CCD相机采集到的DPM（Direct Part Mark）工业二维码图像受光照影响易出现大片光斑或阴影区域,造成DPM区域的信息遗漏,从而导致识别困难。为此,提出一种基于分段直方图凹度分析的多阈值自适应分割算法。首先在灰度直方图平滑的基础上计算出系列局部峰值,并借此完成直方图分段,再递推计算出每分段区域下凹处的分割阈值。其次通过引入基于阈值点局部区域信息的修正因子,使分割阈值自适应变化而更适用于局部对比度较低的状况。实验结果表明,该方法分割效果优于经典的阈值分割算法,平均运行效率比最快的多阈值分割算法提高17.75倍。经自适应局部阈值分割后,DPM图像复杂光照区域有用信息得以增强,缺失信息得以弥补,为后续的对象识别奠定基础。该方法也可推广于对比度多变的图像增强。     

A two-stage fuzzy multi-objective framework for segmentation of 3D MRI brain image data

Segmentation of Magnetic Resonance Imaging (MRI) brain image data has a significant impact on the computer guided medical image diagnosis and analysis. However, due to limitation of image acquisition devices and other related factors, MRI images are severely affected by the noise and inhomogeneity artefacts which lead to blurry edges in the intersection of the intra-organ soft tissue regions, making the segmentation process more difficult and challenging. This paper presents a novel two-stage fuzzy multi-objective framework (2sFMoF) for segmenting 3D MRI brain image data. In the first stage, a 3D spatial fuzzy c-means (3DSpFCM) algorithm is introduced by incorporating the 3D spatial neighbourhood information of the volume data to define a new local membership function along with the global membership function for each voxel. In particular, the membership functions actually define the underlying relationship between the voxels of a close cubic neighbourhood and image data in 3D image space. The cluster prototypes thus obtained are fed into a 3D modified fuzzy c-means (3DMFCM) algorithm, which further incorporates local voxel information to generate the final prototypes. The proposed framework addresses the shortcomings of the traditional FCM algorithm, which is highly sensitive to noise and may stuck into a local minima. The method is validated on a synthetic image volume and several simulated and in-vivo 3D MRI brain image volumes and found to be effective even in noisy data. The empirical results show the supremacy of the proposed method over the other FCM based algorithms and other related methods devised in the recent past.     

基于相邻层间相似性和空体素跳跃的体绘制加速算法研究

Splatting是经典的基于物序的直接体绘制方法,运算数据量的多少制约着算法绘制图像的速度。为了进一步提升绘制速度,采用基于相邻层间相似性和空体素跳跃相结合的方法进行加速,在读取数据过程中对图片中的三维纹理数据进行筛选,并使用足迹表对筛选后的三维纹理数据进行二维投影,利用相邻层间相似性计算每一个点的灰度值,并根据灰度值将数据分类,算出对成像没有影响的空体素,跳过其绘制过程从而加速算法。实验结果显示,该算法能够在保证绘制图像质量的基础上,在一定程度上解决和改善Splatting算法数据的空间相关性和运算效率的问题。     

基于有效裁剪被遮挡单元的非规则数据场体绘制算法

提出了一种被遮挡单元的裁剪算法,以加速非规则数据场的体绘制过程。在基于一组平行切割平面的体绘制方法上,新算法通过对图像不透明度缓冲区中的值进行求平均操作,并将所计算的结果存储在一个与不透明度缓冲区间同样大小的平均不透明度缓冲区中,使得只需根据每一数据单元重心投影点在平均不透明度缓冲区中的值,就可得到此数据单元的可见性,从而有效裁剪掉被遮挡单元,降低需处理的数据量,加速体绘制过程。     

基于分段直方图均衡化技术的图像增强

分析了传统灰度图像直方图均衡化算法存在的优缺点,提出了基于分段直方图均衡化技术的图像增强算法。该算法基于图像的特点,利用K均值聚类算法将图像分成几个灰度区间,然后再分别进行均衡化。实验结果表明,该算法对灰度呈现两端分布且低灰度区域有较多像素点分布的图像有较好的增强效果。     

激光点云的稀疏体素金字塔邻域构建与分类

目的 在点云分类处理的各环节中,关键是准确描述点云的局部邻域结构并提取表达能力强的点云特征集合。为了改进传统邻域结构单尺度特征表达能力的有限性和多尺度特征的计算复杂性,本文提出了用于激光点云分类的稀疏体素金字塔邻域结构及对应的分类方法。方法 通过对原始数据进行不同尺度下采样构建稀疏体素金字塔,并根据稀疏体素金字塔提取多尺度特征,利用随机森林分类器进行初始分类;构建无向图,利用直方图交集核计算邻域点之间连接边的权重,通过多标签图割算法优化分类结果。当体素金字塔的接收域增大时,邻域点密度随其距离中心点距离的增加而减小,有效减少了计算量。结果 在地基Semantic3D数据集、车载点云数据和机载点云数据上进行实验,结果表明,在降低计算复杂性的前提下,本文方法的分类精度、准确性和鲁棒性达到了同类算法前列,验证了该框架作为点云分类基础框架的有效性。结论 与类似方法相比,本文方法提取的多尺度特征既保持了点的局部结构信息,也更好地兼顾了较大尺度的点云结构特征,因而提升了点云分类的精度。