体数据多维特征信息分析与增强

多维特征信息是对体数据某些特征属性的全局或局部描述，已成功地应用于引导用户设计传输函数和动态增强用户感兴趣特征等方面。然而，现有的分析与增强方法也存在一些问题：纹理分析的单一尺度及无方向性，特征形状分析不够准确及与几何属性度量相互独立，局部细节感知困难。针对这些问题，本项目将深入研究体数据多维特征信息的表示、提取和增强方法，揭示从体数据中快速高效获取隐含信息的可视化机制。具体内容包括：(1) 纹理统计属性、尺度属性和方向属性的表示和提取，并应用于体数据的自动分类；(2) 基于自适应滤波的多尺度形状分析，统一形状结构提取和几何属性度量，并扩展到时变数据分析形状随时间的变化；(3) 基于多维特征信息的局部细节识别和表示，同时动态增强特征表面局部细节的视觉感知。本项目还将提出便于分析多维特征信息的用户交互模式，实现集成多维特征信息表示、提取和增强的体数据可视化原型系统，验证所提出的方法。

本项目主要研究体数据多维特征信息的表示、提取和增强技术，在多维纹理特征信息分析及其在彩色体数据上的应用，特征形状的提取、分析和增强显示及其在地质数据上的应用，基于多维特征信息形状和深度感知增强的可视化等方面取得了重要进展。目前已在国际顶级期刊(IEEE TVCG)上发表论文1篇，在国际会议和期刊论文4篇，国内核心期刊3篇。主要研究成果如下：.1）针对彩色体数据中颜色相近的体素，我们提出用纹理分析来区分不同结构的特征。统计纹理属性包括一阶、共生矩阵和行程矩阵纹理描述，包含了体素及相邻体素的颜色和结构信息，并对这些属性进行降维，用户只需在低维聚类空间进行交互探索分析。.2）针对地质数据的层位结构，我们提出了多尺度的面状几何结构的提取方法，并提供其识别过程的可视化，以便观察层位跳变奇异点，改进层位模型，提高其准确性。对于最大密度投影法的特征深度和形状感知困难，我们分析了最大密度值对应的几何结构，获得其表面法向，并用局部光照效果增强结构的深度和形状感知；受HDR tone mapping中的光晕噪声启发，我们利用高斯滤波来提取分类后特征的边界结构，用来生成表意性光晕效果，并提出了深度依赖的光晕效果，增强特征的深度感知。.3）利用物体空间多维特征信息，提出了视点相关的隐藏特征识别方法，并增强其信息展示；由于人类视觉系统对结构信息的感知非常敏锐，基于图像空间的多维特征信息，我们提出通过无外部光源的绘制图像，来分析有外部光源的绘制图像的结构感知增强区域，评估该外部光源的光照效果，并且提出了三个光照属性：光照质量，光照相似性和光照稳定性，构建结构感知的自动光照设计方法；我们还提出了视点和光源的协同优化，基于多维结构评价信息，提供增强可视化的最佳视点和光照参数组合。.4）本项目实现了用于肿瘤模拟治疗的时变肿瘤形状和统计数据集成可视化软件CCVis，利用多维特征信息分析和可视化，分析肿瘤时变变化趋势，展示预测的治疗方案结果。.总体来说，该项目很好地按预定目标深入研究了基于体数据多维特征信息的表示、提取和增强技术所涉及的一系列问题，完成了申请书所承诺的指标。