遮挡线索增强的最大密度投影算法

遮挡线索增强的最大密度投影算法（OEMIP）旨在解决最大密度投影法 （MIP）不能正确表达遮挡线索的问题,它包括两个步骤：首先使用K-Means 聚类算法从 MIP 结果图像中自动提取结构特征;然后根据结构特征自适应调节MIP 绘制过程以正确表 达遮挡线索。此外,引入绘制优先级以避免重要特征被次要特征严重遮挡,并给出绘制优先 级的自动设置算法。多个体数据的测试结果表明OEMIP 能显著增强遮挡线索,且能实现实 时交互。     

遮挡线索增强的最大密度投影算法

遮挡线索增强的最大密度投影算法（OEMIP）旨在解决最大密度投影法（MIP）不能正确表达遮挡线索的问题,它包括两个步骤：首先使用 K-Means 聚类算法从MIP结果图像中自动提取结构特征;然后根据结构特征自适应调节MIP绘制过程以正确表达遮挡线索。此外,引入绘制优先级以避免重要特征被次要特征严重遮挡,并给出绘制优先级的自动设置算法。多个体数据的测试结果表明OEMIP能显著增强遮挡线索,且能实现实时交互。     

结合GMM和Graph-Cuts的直观传输函数设计方法

提出一种新的基于笔画的传输函数设计方法。与其他基于笔画的方法相比,该方法只要求用户对感兴趣数据做少量标记,操作更简便;另外该方法更好地考虑了体数据的空间信息,分类结果更合理。首先使用贪心极大似然估计算法构建用户感兴趣数据和背景数据的高斯混合模型（GMM）模型;然后基于GMM模型使用Graph?Cuts实现对体数据的分类,并通过仔细设计Graph?Cuts能量函数的平滑项将空间信息引入分类过程。针对体数据的规模大,难以直接应用Graph?Cuts算法的难题,在此通过使用层次模型减小Graph?Cuts算法所处理问题的规模,从而获得了实时交互的效果。该方法使用多个体数据进行测试,获得令人满意的效果。     

结合K-D树和Shell的快速动态等值面光线跟踪法

目的 K-D树和Shell常被用于加速等值面光线跟踪法。如果Isovalue保持不变时,Shell方法效率更高,否则Shell方法需要重构Shell,而K-D树方法速度更快。提出一种结合K-D树和Shell的动态等值面光线跟踪方法,其关键是如何实现两者的平稳切换。方法首先改进基于K-D树的等值面光线跟踪算法,使得该方法在绘制过程中渐进地构建Shell数据结构。在Isovalue发生变化后,首先使用改进的基于K-D树的等值面光线跟踪算法进行绘制,并在绘制过程中渐进地构建新的Shell数据结构,从而平滑地过渡到绘制效率更高的基于Shell的等值面光线跟踪算法。结果实验中,在Isovalue动态变化时本文方法的效率接近K-D树方法;但用户在进行缩放、旋转等操作时,本文方法能达到Shell方法的速度。实验结果表明本文方法结合了两者的优点。结论提出了一种快速Isovalue光线跟踪算法,综合运用K-D树和Shell两种数据结构,在Isovalue保持不变和动态变化两者场合都实现了较高的绘制速度。