面向体数据细节特征的传输函数设计方法研究

It is much important to extract and highlight the volume tiny features, that would be helpful for domain experts to do further analysis and interpretation for the volume. However, with current transfer functions, it is hard to conduct the effective classification and optical property design for the volume tiny features, because of their inherent characteristics, such as small scale, little size，uneven distribution of attributes and sensitivity to noise. In this project, a novel iterative multi-dimensional transfer function is designed for the accurately classification of the tiny features of interest, with a large number of valuable attributes considered. In order to further refine the feature classification based on transfer functions, machine learning is applied with the spatial information considered. The tree diagram is used to depict the hierarchical relationship for the features from the transfer function space and data space. With the above analysis of tiny features of interest, we further design local visibility analysis method to accurately achieve the visual perception of the tiny features. Accordingly, the optical property can be adaptively designed to enhance the visual perception of tiny features of interest. Finally, we provide a user-friendly interface of transfer function design, and develop a prototype system of volume visualization, which integrates the above techniques, including the iterative multi-dimensional transfer function, volume classification with transfer function refinement and optical property design with visual perception enhancement. The effectiveness and application value can also be achieved with a large number of experiments.

体数据细节特征的准确分析与增强展示，是辅助领域专家对体数据做进一步分析与解释的关键。然而，基于体数据细节特征尺度细微、体素数量少、属性分布不均、易受噪声干扰等特点，当前传输函数难以对其实现准确的分析与光学参数设计。本项目拟设计迭代式多维传输函数，综合考虑体数据多维属性信息，动态推荐最佳分类属性，迭代式地探索与分析体数据细节特征。在传输函数特征空间分类的基础上，引入机器学习方法，结合体数据空间位置及多维属性信息，对体数据细节特征进行空间划分，并且利用树状图有效表达特征之间的层次关系，实现体数据细节特征的完整分析与准确表达。进而设计局部像素级可见性分析方法，相对准确地描述体数据细节特征的视觉感知，实现传输函数参数的自动优化设计，有助于体数据细节特征的定量分析与增强可视化。将提供便捷的传输函数交互模式，实现集成体数据细节特征分析、提取及增强的体数据可视化原型系统，验证所提算法的有效性与实用性。

体数据细节特征的准确分析与增强展示，是辅助领域专家对体数据做进一步分析与解释的关键。然而，基于体数据细节特征尺度细微、体素数量少、属性分布不均、易受噪声干扰等特点，当前传输函数难以对其实现准确的分析与光学参数设计。本项目分析体数据多维属性信息的相关性，定义体数据细节特征的厚度概念，设计并研制了厚度属性驱动的细节特征可视分析方法；进而利用信息可视化技术对多维属性信息进行展示，在信息论方法的引导下对属性分类进行推荐，进而实现了迭代式多维传输函数的体数据细节特征探索与分析方法。深入研究传统机器学习算法的性能优化机制，拓展机器学习算法在体数据细节特征的分析和探索过程中的应用；在基于树状图传输函数交互设计与分析的基础上，研究信息可视化、可视化分析技术，在有效应用于体数据细节特征分析的基础上，拓展应用于时序、多维数据分析与可视化，取得了卓有成效的研究成果。聚焦于体数据细节特征，结合像素级特征可见性分析，研制高效的传输函数设计方法，以增强体数据细节特征可视化，包括在视线方向上增强高频特征视觉感知的体数据可视化方法、细节隐藏特征可视化方法以及基于体数据空间相似性的传输函数优化设计方法的设计与研制等。集成体数据多维属性分析，机器学习方法及优化策略，信息可视化展示技术，以及可见性驱动的视线方向采样点光学属性映射方法，设计与实现面向体数据细节特征分析的传输函数交互式接口，提供面向多尺度特征分析、提取及展示的体数据可视分析系统，为相关研究及应用领域提供分析及验证工具。