体数据的特征抽取与光照增强绘制方法

Direct volume rendering is one of the most important method for volume visualization, but it depends heavily on the transfer function, however, adjusting the transfer function is time consuming and requires considerable experience and the knowlege of computer graphics for the users. Thus, high-quality rendering the regions of interest or local features of the dataset at an interactive frame rate remains a challenging issue in visualization for many years. This project focuses on three aspects: (1) Local feature enhanced rendering, including analysis and extraction of local feature of the volume dataset, feature segment classification, ray integral with local feature enhanced . (2) multiple feature abstract and fusion rendering, including multiple attributes analysis and abstract of the volume dataset, features of intra-regional analysis and ray accumulation, visual perception of abstract features enhanced rendering. (3) Advance illumination for volume rendering based on spherical harmonic basis function, including projection technology with spherical harmonic basis function, improved Monte Carlo sampling integration. The outcomes of this project can be applied in medical data and climatic data, and so the research issues in our project are important scientific problems.

直接体绘制是体可视化的重要方法，但是绘制用户感兴趣区域需要通过调节传输函数来实现，而传输函数的设计需要用户具备计算机图形学基础和丰富的领域先验知识。因此如何有效的分析体数据特征，并快速高质量的绘制出体数据内的特征信息，是具有挑战性的科学难题。本项目拟从三个方面开展研究：（1）局部特征增强的体绘制方法，包括体数据中的局部特征分析与抽取、特征片段的归类方法、光线累积的局部特征增强绘制方法；（2）多种特征抽象和融合的绘制方法,包括体数据各特征的属性分析及特征抽象方法、特征区域内部分析及累积方法、抽象特征的视觉感知增强绘制方法等；（3）基于球面调和基函数的高级光照渲染技术,包括基于球面调和基函数的投影技术，改进的蒙特卡洛采样积分方法等。课题的研究成果可广泛应用于医学图像、气象等领域，具有重要的学术研究价值和应用前景。

直接体绘制是体可视化的重要方法，绘制用户感兴趣区域需要通过调节传输函数来实现，而传输函数的设计耗时且需要用户有丰富经验及领域知识。因此如何有效的传输函数，并快速高质量的绘制出体数据的特征信息，是具有挑战性的科学难题。本课题通过对大规模的体数据进行分析，研究有效的数据特征抽象和融合方法，实现局部特征增强绘制，根据体数据抽象特征，研究高清晰绘制方法，提高绘制图像的质量。. 本项目以大规模的医学体数据为研究对象，提出了相关的新方法与理论。在局部特征增强的体绘制，提出了一种自适应最小梯度夹角预积分光照算法，增强局部体数据特征可视化光照效果；提出特征抽象及增强绘制的直接体绘制方法，通过数据的结构特征进行融合与绘制。在特征抽象和融合的绘制方法方面，进行特征分析与特征抽象，提出了特征抽象的直接体绘制方法, 针对特征属性进行采样与抽象，绘制局部重要特征；对多种特征融合与可视化，提出了基于多种特征抽象的可视化方法；基于特征的不透明度动态调整的可视化方法，提出一种新的先验概率计算方法,解决了概率性脑神经纤维跟踪结果不能很好融入当前方向分布函数的问题。在高级光照渲染方面，我们使用maximumPhong等光照模型对数据进行光照渲染，增强了视觉感知能力。最后，在上述方法的基础上，我们开发了医学图像的三维可视化系统，分别对医学标量场体数据和张量场神经纤维数据上进行特征抽取、融合与可视化，快速高质量的绘制出数据的特征信息。. 本项目在本领域著名的期刊和国际会议上共发表论文10篇，如IEEE TVCG、TKDE、 VIS等，获得5项授权发明专利，培养了博士生2名，硕士生4名。部分研究成果已应用于我们开发的多模态医学图像融合软件系统，通过与相关的企业合作，实现了成果在医院的临床应用，产生了显著的社会经济效益，项目负责人作为第一完成人获得了高等学校科学研究优秀成果奖(科技进步奖)二等奖。