英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料
能见度感知直接体绘制
电气电子工程师学会的成员麦伟豪，巫英才，陈明远和屈华民。
1中国香港科技大学计算机科学与工程系
2美国加州大学戴维斯分校计算机科学
电子邮件：{wallacem,pazuchan,huaming}@cse.ust.hk; ycwu@ucdavis.edu
摘要 直接体绘制（DVR）是一款功能强大的可视化技术，它允许用户有效地探索学习立体数据集。不同透明度设置可以灵活分配到不同的结构，使得一些有价值的信息可以直接用体绘制图像（DVRIs）透露。然而，最终用户经常感觉有一些与DVR相关联的风险，因为他们不知道是否有什么重要的信息来自失踪的DVRIs的透明区域。在本文中，我们研究如何半自动生成一组DVRIs，这使动画在原来DVRIs的基础上错过了可披露信息，同时也为了满足一些图像质量标准如连贯性。一个完整的框架得以确立，来解决相关质量的问题和可见感知DVRIs的动画的评估。我们的技术可以减少使用直接体绘制的风险从而拉动用户的对体绘制系统的信任。
关键词 可视化系统和软件，体积可视化
1介绍
卷可视化可以让人们探索并通过使用交互式计算机来学习容积数据图形技术。在众多的可视化技术中，直接体绘制（DVR）的灵活度是最有名的。与控制体素的透明度拉布勒和颜色设置相比，DVR提供的容积数据揭示了不同三维结构之间的信息二维视图，同时也帮助用户深入了解数据。该密度值映射到透明度和颜色，是由核心部件的传递函数确定DVR的。
在过去的二十年中，许多研究人员直接进行音量相关的工作渲染。特别是，许多工作已经在传递函数的设计上进行。此外，也已投入巨大努力来提高效率接口。大多数的研究工作主要集中在检测有特征的数据。在大多数商业系统中，一些预置传递函数用于让使用DVR的非专业用户缓解困难。DVR的时间性能也得到了显着改善，并有已存在交互式立体勘探的一些直观的界面。
虽然直接体绘制的许多技术问题已被广泛研究，但这个复杂技术尚未被广泛用于实践。可用性是社会广泛关注吸引的一个主要问题。另一个主要障碍是，目前还没有得到足够的重视，用户不能在成交量这种灵活的技术方面探索使用来确定安全性。由于经常有多个结构和透明度是由直接体渲染图像使用的，所以一些结构或部件可能变得是透明的或隐藏的，在呈现的那些结构或部件的存在图像时用户可能不知道。在整个可视化过程中，不能保证所有的或大部分的信息得到有效显现。一些重要的信息可能会丢失且一些体素可以被整卷勘探中分配的非常低透明度处理。即使有些像素给予了很高的透明度值，它们可能由于闭塞显露而不被看好。其结果是，在一定程度上丢失重要信息的风险总是与DVR相关联的一个安全问题，但却是直接体绘制在实践中一个更广泛的采用。然而，我们所知，还没有得到很好的前处理。
有此问题的一些琐碎的解法。例如，我们可以直接给所有无形的体素一个高不透明度值，但显然它不能真正解决这个问题，因为一些体素可能仍然是由于闭塞不可见。另一种可能性是，我们渐渐有了较高的知名度去除体素，然后隐藏素可最终显露。但由于太多背景被删除，用户只能看到一组可以被识别的没有结构级别的信息体素。所有这些琐碎的做法只会产生不属于知识性和不能透露信息的缺失以及图像的凌乱的直接体绘制。
在本文中，我们研究一个在信息缺失（ROI）系统的方法的感兴趣的区域来给用户。我们假设一些预置，用户调节，或自动生成的传递函数已被用于揭示数据的一些信息。视点，灯光和色彩的结构假设已经慎重选择。用户可以使用我们的系统以产生一组DVRIs，那么它可以用来组成一个全面的动画，能够有效揭示出ROI缺少的信息。
所产生的DVRIs应符合下列要求：
●保证可视性。有趣的结构保证在原有的DVR的知名度基础上，由用户给定的或者产生的DVR产生我们的方法。
●相干信息。演示文稿结构是一致的实际结构，这种有趣的结构的形状可以清楚感知。
●熟悉的语境。DVRIs和原始的DVRIs都有一些共同的内容，使用户取向有关结构之间的空间关系。
本文的主要贡献是：
●我们调查DVR的一个弱点，并提出半自动溶液作为增加的装置体积来保证直接体绘制的安全性。我们引入一个完整的框架，能够检测和揭示缺少的信息。
●我们提出的知名度指标，连贯性的指标，和上下文度量来访问半自动来使我们的框架自动生成的DVR。
●我们系统攻击优化问题涉及上述的质量度量生成DVRIs。我们证明我们的架构如何扩展为一个卷的探索方法，或方法可逐渐产生新的DVR。
本文安排如下。第2节引进相关的工作，第3节我们描述我们框架和我们系统的预处理程序，然后在第4节第5节引入质量度量，接着第6节，我们解释半自动DVRI一代的其余部分。在第7节和第8节介绍动画制作基于所生成的DVRIs，我们目前的实验结果证明我们提出的框架。最后，在9节给出讨论，第10节给出结论。
2相关工作
直接体绘制已在可视化领域彻底调查，许多论文都刊登了传递函数的设计和高效的渲染。最近的一些结果在几本书和一些调查论文进行了总结。在本节中，我们只回顾一些密切相关的工作。
2.1传递函数设计
搜索一个适当的传递函数是一个具有挑战性的问题。他们等人[1]使用随机搜索技术，探索传递函数的参数空间。基于直方图体积的半自动传递函数生成方法在[2]提出。尼斯等人[3]提出了一些有用的操作部件转移功能设计。一种建立在VolumePro技术体系上用于卷可视化的参数规格互动的工具并通过考尼格[4]曾化仪等人[5]提出了基于用户绘画一种分类方法。最近，科雷亚和麦伟豪建议能见度成为在传递函数的主要成分设计[6]。在我们的框架中，我们采用了分而治之的办法转移功能设计来实现我们的各种用途。我们还为一个像素级的可视性增强技术引入局部深度不透明度。
2.2遗传算法
遗传算法（GA）是一种广泛使用的优化问题的搜索解决方案技术 [7]。 他们等人[1]首先采用遗传算法的传递函数设计。遗传算法还通过开发自动选择可视化参数[8]优化的可视化质量。巫英才和屈华民[9]开发了一个使用遗传算法与能量函数编辑视频基于图像的相似性框架。在本文中，我们也使用遗传算法产生DVRIs，但我们有不同的目的。此外，我们的能量函数特别是对制定图像质量的可见度的保证。
2.3质量度量
质量测量是一个计算机视觉基本问题。图像质量可以通过客观度量和主观指标来衡量。主观指标，例如平均选项值（MOS），其中有长期被认为是最好的图像质量测量方法，在实践中因为太昂贵的费用，所以他们需要大量的人力观察员。客观的图像质量，可以大致分为全参考[10]，无参考[11]，并降低了参考[12]的措施。有关的详细信息，有兴趣的读者可以参考[13]。 王等[14]提出了一种基于图像的质量度量，其测量所述多分辨率数据块向所得图像对他们的多分辨率级别的细节的选择和呈现框架的贡献。他们进一步对容积数据质量降低的参考方法测定[15]发展。然而，质量度量为DVRIs研究是稀缺的。我们的框架需要估计图像质量，因为我们要求我们的所得DVRIs不仅要揭示缺少的信息而且还具有连贯性，并有足够的上下文信息。因此，我们的图像质量指标从连贯性和语境的角度构建标准，这和以前的工作不同。
2.4连贯性
连贯性往往表示逻辑有序项目一致的关系。格鲁勒和普佳索菲所提供的连贯性优秀的调研计算机图形[16]，在他们的调查中讨论了各种类型的一致性，连贯性对象和图像的一致性是最相关的工作。在三维空间的局部特写区域很可能是由类似实体被占用，它也由伦德斯特伦等人[17]使用特征检测。图像的一致性是类似定义个2D图像域。此外，三维物体和其对应的二维投影应该有类似的连通度和平滑性。
2.5特征揭示技术
通过维斯考夫等人提出的GPU加速交互式剪裁方法[18]来进行数据开采是有用的。一种基于重要性的新方法是由维欧拉等人[19]开发的。为显示在“焦点 环境”的方式的根本特征。克鲁格尔[20]和布鲁克纳等人[21]提出再新形势下维护可视化技术的体数据的交互式可视化。杰克萨拉马和科尔布[22]提出了一种由不透明层移除可见像素层，露出隐藏的结构技术。我们的方法也揭示潜在的功能，但此外，它确保了所有体素在一组DVRIs可见。
3系统总览
我们假设容积数据集是已经分段和一组DVRIs已经由用户产生。在预处理阶段，分段的结构被分解成原子结构。它们的性质和之间的关系使它们被存储。音量分解后，将系统的分析和记录每个原子结构的可见度和可视化质量来给出DVRIs。这个信息在整个DVRI生成过程被跟踪和更新。预处理后，用户将提供各种投资来回报我们的系统，例如，选择强度装置提供范围，直接从分割结果中给定结构中的缩略图像的结构，使用一个图形界面，或刷上DVRI以指示某些感兴趣的领域。我们的系统还能够通过分析源DVRIs的可视化自动地检测用户输入的感兴趣的区域。一组DVRIs会自动在有效的投资回报中生成缺少的信息。我们使用遗传算法来搜索每次产生的DVRI的每个原子的透明度子值结构。给定一个不透明种子值，然后自动为相应的原子结构中产生的2D传递函数。不同的2D传递函数被分配到所有的原子结构中的体积，中间DVRI呈现并与在遗传算法中使用的能量函数进行评价。我们的能量函数包括三个指标，即知名度度量，一致性指标和环境指标。这三个度量分别保证未揭露体素的知名度，维护提出的连贯性信息，并在一定量的添加的共享上下文使得结构间的关系可以很容易地了解。当中间DVRI的评估质量足够好，根据用户的需要，即，用户定义的阈值，作为一个输出产生DVRIs。每一个这样成功的一代在后面的更新的结构知名度和质量信息。重复DVRI生成过程直至所有感兴趣的结构变得可见，ROI的每个原子结构在高品质显示至少一次。最后，一个子集产生的DVRIs可以被选择为产生的动画给出了一个全面的介绍感兴趣的结构。
4数据和DVRI预处理
4.1分解
给出的分割在该卷的体素被分为不同的结构。然而，有时由于太大不能够接收足够的知名度，所以他们呈现严重自遮挡的像素水平。因此，我们需要进一步打破这些细分成更小的碎片。分解过程细分段，直到当它被单独呈现无其他环节的存在就可以得到足够的能见度。该细分总是反复产生两个大小相等的集群，以防止一个段变成许多小片段。聚类可以基于一个或多个属性。我们目前的做法是用体素的深度值，即，视图平面的距离做划分。体素是按照其深度值排序，然后分成两簇同样的大小。由此产生的段是原子结构，这种体素的小群属于相同的结构。
4.2微传输功能设计结构体
在遗传算法进化的每一步，新候选解决方案都会生成。这涉及产生由遗传算法返回的原子结构的不透明度种子阵列的中间DVRI。有三个重要的考虑因素设计用于原子结构的一个很好的传递函数。首先，在体素的一定比例原子结构必须具有可视性的一定程度的当该结构没有被其它结构遮挡即使存在其体元之间的自闭塞。第二，在原子结构中的信息应为有效输送。第三，该传递函数具有，因为它必须被自动地和有效地产生对于每个评价前的每个原子结构中产生。为了解决这三个问题，我们制定为在所有体素的有效不透明的传递函数原子结构。虽然我们采取广泛使用梯度幅度不透明度调，我们引入一个名为深度的不透明度调新技术。该在原子结构S代表体素v不透明度值s是：
其中，alpha;s是原子给定的种子不透明度值结构，Gv为v的梯度大小和G是一个它映射梯度幅度单调增加的梯度幅值不透明度调制功能不透明度调制的因素的dv是深度值，dmin（s）是所有体素中的最小深度原子结构s和r是其控制的深度不透明度调制率中体素的深度调制。作为alpha;s，G，r，和dmin(s)都是同样在同一原子结构体素，这种制定基本上是从体素的深度和梯度幅度不透明度二维传递函数映射。这个功能可以使高不透明度值素的高深度值（即在原子背面相对于视点的结构）。它确保所有这些体素仍将收到即使它们是由低深度的体素遮挡足够能见度值（即在原子结构的前侧）。深度调制可以显著减少数原子结构的结构知名度担保现在可以更容易地实现。此外，该梯度调制传递函数G采用不透明调制因素具有高梯度和不透明度调制与因素低梯度值体素。因此，它增强了原子结构的细节和清晰度来信息传递。
4.3DVRIs结构为基础的分析
在数据分解后，作为分析的基础，产生一组原子结构。对于每个DVRI，我们先找出哪些结构在DVRI呈现。然后，对于每个所呈现的结构，我们在第5部分进一步分析它们在感兴趣的区域的质量或失踪描述指标结构如何成为要产生DVR的焦点。
4.4利益的选择区域
不是所有的结构用户都感兴趣，不同的用户有其在不同的兴趣区域不同的可视化的目标。最简单的ROI选择是通过选择一个或多个实现的感兴趣的数据值（强度）的范围。这将简单的工作体积数据，通过其中结构类数据值很容易地确定。此外，如假定分割要被执行时，用户也可以从结构段画廊直接选择感兴趣的。此外，用户可以指定投资回报率DVR。在清洗后，我们的系统将列出所有被用户选择的像素铸造射线击中了分段结构有趣的结构。
5质量评价指标
为了获得高品质的可以有效地传达缺少的信息的DVR，我们需要一些指标衡量其品质。在本节中，我们介绍了在我们的系统中使用D
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[28820]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
课题毕业论文、外文翻译、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
