完整版李权基于模式识别的智能可视化技术的研究毕业论文.docx
- 文档编号:1754710
- 上传时间:2022-10-23
- 格式:DOCX
- 页数:26
- 大小:1MB
完整版李权基于模式识别的智能可视化技术的研究毕业论文.docx
《完整版李权基于模式识别的智能可视化技术的研究毕业论文.docx》由会员分享,可在线阅读,更多相关《完整版李权基于模式识别的智能可视化技术的研究毕业论文.docx(26页珍藏版)》请在冰豆网上搜索。
完整版李权基于模式识别的智能可视化技术的研究毕业论文
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
院(系、所)软件学院专业软件工程领域
联系电话电子邮件
指导教师雍俊海专业技术职务教授
联系电话电子邮件
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1
2.国内外研究现状3
2.1.传递函数设计方法分类讨论3
2.1.1试错法4
2.1.2图像驱动的设计方法4
2.1.3数据驱动的设计方法5
2.1.4传递函数设计的问题7
2.2.体数据分类8
2.3.体绘制图像质量增强及参数反馈10
2.4.基于样例风格的体可视化12
2.5.多个体数据集信息重用的方法14
3.课题研究内容16
3.1研究任务及要求16
3.1.1基于体绘制结果质量评价的体数据集自动半自动分类16
3.1.2基于语义的体可视化研究17
3.2技术难点分析18
3.2.1基于体绘制结果质量评价的体数据集自动半自动分类18
3.2.2基于语义的体可视化研究20
3.3技术路线分析20
3.3.1基于体绘制结果质量评价的体数据集自动半自动分类20
3.3.2基于语义的体可视化研究23
3.4可能的创新点25
3.5预期成果25
4进度安排26
参考文献26
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,这种风格的模仿并不多见。
如果能基于此类样例图像,用于学习出它的绘制风格,并将其运用到体绘制场景中。
或者,从基于图像质量衡量的角度出发,调整体绘制中传递函数参数的设置,也是一个非常值得研究的地方。
在二维图像处理中,有许多成熟的方法对一幅图像运用风格转化及颜色传递,这些方法从本质上说其实都是一种语义上的转化,即两幅图像应该具有相似的语义层面的分布。
从这个角度考虑,结合三维体数据集,考虑能否从语义层面的角度出发,取代从通常意义的传递函数的参数空间,也许更能适合用户直观与感观上的需求。
本课题依托于国家高技术研究发展计划的重点项目《颅颌面外科精确治疗机器人系统》提供的医学数据可视化部分及《面向重大工程动力灾变的数值模拟集成平台关键技术研究》中有关工程数据可视化部分。
这两个项目可视化部分关注于如何利用各种可视化技术和方法,对三维体数据进行显示,以期获得真实感较强,体绘制效果理想的图像、能够帮助用户更好地理解数据的显示效果及显示用户感兴趣的特征数据等。
但是,体数据分类不够精确,调整传递函数参数所花的时间精力较多,无法从已有的样例中学习绘制过程、提取感兴趣的数据特征等等,是项目平台存在的若干问题。
因此,本课题的研究重点在于如何对体数据进行精确地体分类,并且从图像层面质量衡量的角度出发,衡量体绘制图像并将参数反馈给初始的传递函数设置,以及如何从样例中学习其绘制过程,最大程度显示数据特征或用户感兴趣的部分,以期望能同时满足精确又快速地体绘制可视化技术的实现。
2.国内外研究现状
三维体数据的直接绘制的首要工作,在于如何精确地对三维体数据进行分类,以求能对每一类设置简单的传递函数,将结构清晰的体绘制结果提供给用户助于理解数据信息的绘制结果。
其次,如何结合已有的样例,学习其模式并运用到不同的体数据中,这是在研究中需要重视的问题。
围绕着这个思想,结合涉及到的技术,从以下方面进行文献综述。
1.
2.
2.1.传递函数设计方法分类讨论
为了提高体绘制过程中对象细节的定位精度和设计操作简单、直观的用户接口,众多的研究者对传递函数设计提出了大量的方法。
试错法,即(TrialandError),是最简单的方法,而目前主流的传递函数设计方法可归为两大类:
基于图像驱动方法(ImageDrivenMethod)与基于数据驱动的方法(DataDrivenMethod)。
基于图像驱动的方法主要是根据用户的主观判断或者借助某些图像评价指标,对体绘制结果图像进行评价,选取用户认为满意的绘制结果,从而达到选择优秀传递函数的目的。
而基于数据驱动的方法则是借助提取体数据本身的内涵特征,如梯度、曲率、LH值等来指导传递函数的设计。
1.
2.
2.1
2.1.1试错法
试错法(TrialandError)准许用户任意地、反复地设置传递函数的数学表达式的系数。
其基本过程是:
用户手工地编辑传递函数曲线,以获得满意的绘制结果作为目标,根据相对绘制结果的主观判断反过来进一步调整传递函数。
这种方法最近仍然有人使用,如König等[4]就利用体绘制硬件VolumePro加速的基础上,通过试错法进行传递函数的设计。
试错法优点是设计比较简单,在对数据有先验知识的情况比较有效。
但是由于传递函数参数本身没有任何量化的物理意义,也不能反映其与绘制结果的关系,因此对系数的设置是比较盲目的,要找到合适的传递函数是非常费时,甚至找不到,所得到的图像再现性差。
同时传递函数的选择缺乏理论指导,随意性程度很大,传递函数参数只有很少或完全没有预先定义的限制条件,用户只能凭自己的经验甚至有时是碰运气来设置参数。
另外,对于中大规模体数据,如果没有加速硬件支持,试错过程则较为困难、耗时。
2.1.2图像驱动的设计方法
基于图像驱动的传递函数设计方法是用绘制结果图像来引导用户间接地选择传递函数的方法。
通常的处理方式是首先绘制出数量较多的图像,并显示出来,由用户选择一些效果较好的图像,系统根据选择结果,运用某种方法再生成数量相对较少而质量较好的图像供用户选择。
重复这一过程,直到用户满意或达到某个结束条件为止。
He[5]采用一个简单的遗传算法,即随机搜索法,将传递函数的设计转化成传递函数空间的参数优化问题。
系统随机产生一系列传递函数并将这些传递函数绘制相应的小图像,用户选择认为好的绘制结果,根据用户的选择,系统重新随机产生下一代的传递函数,这个过程不断地迭代,从而达到传递函数优化效果。
这种方法的优点是用户不必手工编辑传递函数曲线。
但是由于用户主观判断的引入,这种方法的确能够产生最好的绘制结果,而未必能够选择出最好的传递函数。
Marks[6]设计的系统将传递函数设计问题作为“参数调整”问题来考虑。
系统随机产生一系列传递函数并根据这些传递函数产生相应的缩略图,作者将这些缩略图的排列组合界面称为设计画廊。
用户从设计画廊中选取最吸引人的缩略图进而选择对应的传输函数。
由于缩略图的尺寸一般都很小(32*25或者更小),绘制时间较短,这样可以达到快速选择传递函数的目的。
但是该方法选择的初始传递函数具有随机性,容易导致很大的不确定性。
Fang[7]把三维图像处理技术(图像增强和边缘检测)加入到可视化过程中。
它把传递函数定义为一系列三维图像处理过程,允许用户调整定性的和描述性的参数来达到它们期望的可视化效果。
这些图像驱动的方法都可以找到有用的传递函数,但是这些方法都是为了寻找更好的绘制图像结果,而不是针对特定体数据寻找更合适的传递函数。
它们的操作全部通过分析绘制好的图像来进行,而不是分析数据本身的特征。
由于以图像为中心的方法没有考虑目标体数据的特征,因此传递函数的应用过程是费时和不直观的。
2.1.3数据驱动的设计方法
基于数据驱动(DataDrivenMethod)的传递函数设计方法,是使用从体数据中抽取的信息来引导用户设置合适的传递函数,或将传递函数集控制在一个最有希望的子集中。
抽取的信息主要有灰度直方图、梯度模、二阶导数、等值面等。
在基于数据驱动的传递函数设计方法中,应用最为广泛的是Levoy等[8]为了绘制等值面而设计的不透明度传递函数。
在该方法出现
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 完整版 基于 模式识别 智能 可视化 技术 研究 毕业论文