论文摘要
直接体绘制是体数据可视化中应用最广泛的方法之一,它能够从体数据集中抽取内在的本质信息,并借助交互式的图形图像技术展现出来,提供了一种洞察体数据内部结构的最佳途径。体数据分类是直接体绘制的重要过程,通常使用传递函数实现:传递函数根据体数据中每个体素的类别赋予其不同的光学属性,包括颜色和不透明度,从而将不同类别的体素区分开来。但因为传递函数存在参数空间大、设计过程不直观等问题,用户根据经验直接手工调整传递函数难以得到满意的可视化结果。本文结合绘制隐喻和人工智能方法,研究直观、有效和智能的传递函数设计方法,主要工作包括:(1)基于绘制的智能传递函数设计框架:在该框架中,将用户在基于绘制的交互界面中的绘制信息作为训练样本对人工神经网络进行训练,使用训练后的神经网络对体数据进行分类,自动实现传递函数的设计。与传统方法相比,基于绘制的交互界面允许用户直接对图像进行操作,用户无需了解体数据场中的灰度值分布就可以获得期望的可视化结果,使传递函数设计过程更加直观。(2)基于统计量的分类策略:传统方法中灰度值和梯度值等局部信息常被作为传递函数的参数用于体数据分类,然而局部信息对噪声非常敏感,使得分类效果不尽人意。体素的统计量(包括均值与标准差等)能够反映同一类体素的分布情况,与局部信息相比,将统计量作为传递函数的参数可以有效减小噪声的干扰,提高体数据分类的准确性。(3)基于CUDA的交互式传递函数设计:由于人工神经网络的训练计算量大耗时长,基于人工神经网络的体数据分类无法满足传递函数设计过程的交互性要求。运用CUDA(Compute Unified Device Architecture,统一计算架构)发挥GPU的并行运算能力对该过程进行加速,有效地缩短了人工神经网络的计算时间,保证交互过程的流畅性。
论文目录
相关论文文献
标签：传递函数论文; 基于绘制的交互界面论文; 统计量论文; 人工神经网络论文;