（计算机科学与技术专业论文）基于智能优化算法的体绘制研究.pdf

浙江大学博：t 学位论文摘要 摘要 体绘制是应用于工程和医学等领域大规模三维数据场可视化的重要技术手 段。它对信息的表达准确且完备，相比面绘制等传统可视化技术，它更符合科学 计算的严谨性要求。之前研究中体绘制控制要素的设计，特别是转换函数设计和 视点选择严重依赖用户经验，用户交互频繁但效率不高，可用性差 本文基于智能优化算法实现了转换函数设计和视点选择的自动化，提高了体 绘制算法的可用性。自动转换函数设计可更准确且更有目的性地显示体数据；自 动视点选择方法则能快速地选取数据观察的最优位置，避免重要信息被遮挡，并 获取尽量多的有效信息。 ， 本文研究的重点包括： 1 、在基于图像的转换函数设计的基础上，提出了基于粒子群优化和基于遗 传粒子群算法的转换函数设计方法。该方法基于不同的转换函数评价方法分别实 现了转换函数设计的自动和半自动化，在降低用户操作强度的同时，减少了设计 次数，提高了设计效率。同时基于智能优化算法的粒子评价过程提出了一种基于 主观评价和客观评价的混合评价方法。该方法在评价过程中综合考虑了用户的主 观评价值和粒子的客观评价值，将其按照一定比例合成，得到最终评价值。这种 评价方法可使可视化结果既满足用户的需求，又符合严谨的客观评价原则。 2 、在简单转换函数设计的基础上，提出了一种复杂转换函数的设计方法。 它把复杂转换函数设计问题转化为多个简单转换函数的融合设计问题。这种方法 直观且易于实现，降低了复杂转换函数的设计难度。它把融合设计问题转化为对 融合比例的参数寻优问题，采取基于预期适应度的相似性评价方法对融合比例作 出评价，由p s 0 根据评价值生成新的融合比例，在很大程度上简化了复杂转换函 数的设计。 3 、在体绘制中提出了一种基于粒子群优化的自动视点选择方法，基于屏幕 提供给用户包含最多数据信息的绘制图像。该方法根据视点信息量来评估视点质 量，通过采用p s 0 迭代生成新视点，较大程度地减少了需评价的视点数目，从而 浙江火学博士学位论文 摘要 消除了冗余的视点计算，在保证视点质量的同时提高了视点选择效率。 经过大量实验证明，本文提出的算法能较好地缩减用户可视化操作的工作 量，有效提高了可视化效率，在体绘制的智能化方面做出了有益的探索。 关键词体绘制，粒子群优化，转换函数，视点选择，可视化，视点信息量，用 户评价 浙江人学博士学位论文a b s t r a c t a b s t r a c t v i s u a l i z a t i o n0 fl a 唱ed a t a s e t sr e c e i v e si n c r e a s i n ga n e n t i o n 仔o mb o t he n g i n e e r i n g a n dm e d i c a lc o m m u n i t i e si 1 1r e c e n ty e a r s d i r e c tv r o l u m er e n d e r i n g ( d v r ) h a sb e e n p r o v e nt ob ea ne n e c t i v ea n di m p o n 锄tt e c h n i q u ef o rv i s u a l i z i n g3 dl a 唱e - s c a l e d a t a s e t s c o m p a r e dw i t ht h e 仃a d i t i o n a lg e o m e t 叮他n d e r i n gm e t h o d s ，i ti sm o r e s u i t a b l ef o rt h ev i s u a l i z a t i o no fs c i e n t i f i cc o m p u t a t i o n ，s i n c ei te 】【h i b i t si n f o m a t i o n m o r ea c c u r a t e l yw i t h o u tl o s i n ga n yd a t a t h d i t i o n a ld v rm e t h o d sh e a v i l yd e p e n do n u s e r s e x p e r i e n c et os e l e c tt h es u i t a b l e 仃a n s f e rm n c t i o n ( 1 f ) a n dv i e 、p o i n t w h i c h m a k e si ti n e 伍c i e n ta n dh a r dt ou s e t h i st h e s i ss t u d i e sa u t o m a t i c s e m i - a u t o m a t i cm e t h o d sf o rd e s i g no f 仃a n s f e r 如n c t i o n sa n ds e l e c t i o no fo p t i m a lv i e w p o i m sb a s e do n i n t e l l i g e n to p t i m i z a t i o n a l g o r i t h m s t h es t u d yo 玎a u t o m a t i cd e s i g nm e t h o d so f 伽m s f e r 如n c t i o na i m st o e x p r e s st h ei n f o m a t i o ni n s i d ev o i u m ed a t a s e t sm o r ea c c u r a t e l y 锄dm o 佗p u 叩o s i v e l y a u t o m a t i cv i e w p o i n ts e l e c t i o ni su s e dt ol o c a t eo p t i m a lv i e w p o i n t sq u i c k l yw h i c hc 锄 a v o i dt h eo c c l u s i o no f i n l p o r t a n td a t a t h em a i nc o n t r i b u t i o n so f t h i st h e s i si n c l u d e ： 1 b a s e do ni m a g e - b a s e dt fd e s i g n ，at e c h n i q u e u s i n gp a n i c l es w a 朋 o p t i m i z a t i o n ( p s o ) a n dg e n e t i cp s o i sp r e s e n t e dt oi m p r o v et h ee 衔c i e n c yo f d v r t h i sm e t h o dm a k e st h e 仃a n s 佬r 如n c t i o nd e s i g na u t o m a t i c a l l y ，w h i c hi s b a s e do nv a r i o u sw a y so ft fe v a l u a t i o n i td o e sn o to n l ye a s eu s e r s ，b u ta l s o r e d u c e st h et i m ei na d i u s t m e n t w ba l s op r o v i d eam i x e de v a l u a t i o nm e t h o d f o rp a n i c i ee v a l u a t i o n ，w h i c hi sb a s e do nb o t hs u b j e c t i v ea n do b j e c t i v e e v a l u a t i o n s a c c o r d i n gt ot h i sm e t h o d ，t h e6 n a lf i t n e s sv a l u ei sf o r n l e do ft h e s u b i e c t i v ee v a l u a “o nv a l u e sf o mu s e r sa n dt h eo b i e c t i v ee 、，a l u a t i o nv a l u e s 丘d ms e v e r a le n e 唱y 如n c t i o n s ，o nag i v e np r o p o r t i o n w i t ht h i sm e t h o d ，t h e v i s u a l i z a t i o nr e s u l t sc 锄s a t i s 矽u s e r s ，w h i c hf o l l o wo b j e c t i v e p r i n c i p l e s p r e c i s e l y 2 b a s e do nt h e s i m p l et fd e s i g n ，t h i s t h e s i s p r e s e n t s a t e c h n i q u e f o r c o m p l i c a t e dt fd e s i g n 1 tc o n v e r t sc o m p l i c a t e dt fd e s i g np r o b i e mi n t ot h e f h s i n gp r o b l e mo fs e v e r a ls i m p l et f s 卟ek e y s t o n ei st of o r n l u a l t et h et f 如s i n gp r o b l e mi n t os e a r c h i n gf o ra no p t i m a l 向s i n gp r o p o r t i o n ，b yu s i n ga s i m i l a r i t ye v a l u a t i o nm e t h o d ，w h i c hi sb a s e do ne x p e c t a t i o nf i t n e s s 1 bal a 唱e e x t e n t ，i ts i m p l i f i e st h ed e s i g np r o c e s so fc o m p l i c a t e dt f 3 a sf o rv o l u m er e n d e r i n g ，t h i st h e s i sb r i n g sf o n a r dap s o - b a s e dv i e 、v p o i n t s e l e c t i o nm e t h o d ，w h i c hp r o v i d e st h ev i e 、p o i n tt h a tc a ni m p r o v eb o t ht h e s p e e da n de f f i c i e n c yo f d a t au n d e r s t a n d i n g d u r i n gt h ep r o c e s s ，i tg e n e r a t e s n e wv i e 、v p o i n t su s i n gp s o ，a n dt h eq u a l i t yo fav i e w p o i n ti si n t u i t i v e l y r e l a t e dt 0h o wm u c hi n f o m a t i o n “sc o r r e s p o n d i n gv i e wg i v e su sa b o u ta s c e n e w eu s ev i e 、) v p o i n te n t r o p yt od e f i n et h ei n f o 肿a t i v ev i e w 1 n h i sm e t h o d r e m a r k a b l yr e d u c e st h en u m b e ro fv i e w p o i n tc a n d i d a t e s ，t h u se l i m i n a t e st h e r e l u c t a n t v i e w p o i n tc v a l u a t i o n s g e n e r a l l ys p e a k i n g ， i t i m p r o v e s t h e p e 雨m a n c e o ft h e 印p l i c a t i o n s ，a n dt h ev i e w p o i n tq u a l 时a sw e l l a sp r o v e dw i t hl o t so fe x p e r i m e n t s ，t h e s em e t h o d sc a ng r e a t l yi m p r o v ed v r e 硒c i e n c y a n de a s et h eb u r d e no fu s e r s p r a c t i c es h o w st h a tw eh a v ed o n eb e n e n c i a l e x p l o r a t i o nf o ri n t e l l e c n l a l i z e dv i s u a i i z a t i o n k e y w o r d s v o l u m er e n d e r i n g ，p a r t i c l es w a r n lo p t i m i z a t i o n ，t r a n s f e rf u n c t i o n ， v i e w p o i n ts e l e c t i o n ，v i s u a l i z a t i o n ，v i e 、v p o i n te n t r o p y ，u s e r e v a l u a t i o n 浙江大学博士学位论文图表目录 图表目录 图1 1 论文的组织结构7 图2 1 体绘制算法基本过程示意图9 图2 2 规则数据集的体素示意图1 0 图2 3 光线投射算法示意图1 3 图2 4f r o g 数据集对应于不同转换函数的绘制图像1 6 图2 5 转换函数示意图【4 引1 7 图2 6f o o t 体数据的灰度直方图2 l 图2 7f o o t 体数据的两个不同的转换函数及其体绘制图像2 2 图2 8e n g i n e 的基于等值面的体绘制图像。2 3 图2 9k n e e 的基于等值面的体绘制图像2 3 图2 1 0d e s i g ng a i l a r y 中不透明度和颜色转换函数的设计示意图2 5 图2 1 1 粒子群算法基本流程图2 8 图2 1 2p s o 寻优实例示意图【7 0 】3 0 图2 1 3 文献【8 9 】应用人工神经网络进行转换函数设计的过程图3 6 图2 1 4 文献【9 2 】应用聚类算法进行转换函数设计的用户接口3 6 图3 1 转换函数自动设计的系统框架图。3 9 图3 2p i i 强算法的基本过程4 0 图3 3g p l r e 算法基本框架。4 8 图3 4 图像的主观评价5 l 图3 5 图像的客观评价5l 图3 6 三维向量的熵函数示意副1 0 9 1 5 2 图3 7f r o g 数据集的体绘制图像与对应的灰度图5 4 图3 8f o o t 数据集的体绘制图像与对应的灰度图5 4 图3 9f r o g 图像对应的差分图像一5 5 图3 10f o o t 图像对应的差分图像5 5 图3 - 1 1f r o g 图像的边界图5 7 图3 1 2f o o t 图像的边界图5 7 图3 1 3 初始转换函数集合5 8 图3 - 1 4 基于图像信息熵的算法过程中粒子适应度的变化曲线图6 0 图3 一1 5 基于图像信息熵评价的最优h e a d 转换函数及绘制图像6 0 图3 - 1 6 基于图像信息熵评价的最优f r o g 转换函数及绘制函数6 0 图3 一1 7 基于图像差分熵的算法过程中粒子适应度的变化曲线图6 1 图3 - 1 8 基于图像差分熵评价的最优h e a d 转换函数及绘制图像6 2 图3 1 9 基于图像差分熵评价的最优f r o g 转换函数及绘制图像6 2 图3 2 0 基于图像边界熵的算法过程中粒子适应度的变化曲线图6 3 图3 - 2 1 基于图像边界熵评价的最优h e a d 转换函数及绘制图像6 3 图3 2 2 基于图像边界熵评价的最优f r o g 转换函数及绘制图像6 4 浙江大学博士学位论文图表目录 图3 2 3 基于客观混合评价方法的算法过程中粒子适应度变化曲线图6 5 图3 2 4 基于客观混合评价的最优h e a d 转换函数及绘制图像6 5 图3 2 5 基于客观混合评价的最优f r o g 转换函数及绘制图像6 5 图3 2 6 基于熵、边界熵、方差以及用户评价的粒子适应度变化图6 6 图3 2 7 基于熵、边界熵、方差及用户评价的h e a d 数据集的最优结果6 7 图3 2 8 基于熵、边界熵、方差及用户评价的f r o g 数据集的最优结果6 7 图3 2 9 基于各种粒子评价方法的算法迭代次数统计6 8 图3 3 0 基于粒子群优化的转换函数设计过程中的绘制图像序列6 9 图3 3 l 粒子p 一，所对应的转换函数和绘制图像。7 0 图3 3 2 粒子砌棚所对应的转换函数和绘制图像。7 0 图4 1 不同融合方法的结果示意图7 3 图4 2 转换函数融合的算法框架7 4 图4 3p i t f f 算法的流程图7 6 图4 - 4 转换函数融合中粒子的评价方法8 0 图4 5 两幅体绘制图像的相似性计算过程示意图8 4 图4 6f r o g 绘制图像a 与对应的边界图像。8 6 图4 7f r o g 绘制图像b 与对应的边界图像8 6 图4 8 图4 6 ( a ) 和图4 7 ( a ) 的相似性图像8 7 图4 9 初始粒子集合8 8 图4 1 0f o o t 数据集的两个原始转换函数及对应绘制图像( a ) 、( b ) 。8 9 图4 1lf o o t 数据集基于相似性评价的f i t n e s s 曲线图9 0 图4 1 2f o o t 数据集基于相似性评价过程的第一个粒子各参数的变化情况9 0 图4 1 3f o o t 数据集基于相似性评价的最优结果9 1 图4 1 4f o o t 数据集基于混合评价时各粒子的f i t n e s s 曲线图一9 2 图4 1 5f o o t 数据集基于混合评价的算法过程中第一个粒子各参数曲线图9 2 图4 1 6f o o t 数据集应用混合评价的最优结果9 3 图4 1 7f o o t 数据集应用混合评价的算法过程中的绘制图像序列9 4 图4 1 8 用于期望适应度测试的b a b y 数据集原始转换函数及绘制图像9 5 图4 1 9b a b y 数据集p 吲钉，= o 3 & 廊尸0 7 时的最优结果9 6 图4 2 0b a b y 数据集胖加，_ o 2 & 腭廓2 = 0 4 时的最优结果9 7 图5 1 不同视点处对象遮挡示意刚引1 0 0 图5 2f r o g 数据集在不同视点处的绘制图像1 0 1 图5 3 文献【1 1 4 】在最优视点处的环( a ) 和桌子( b ) 1 0 2 图5 - 4 文献【1 1 9 】的原始网格图( a ) 与对应的s a l i e n c y 图( b ) 。1 0 2 图5 5 不同的视点评价方法对应的最优视点处图像引1 0 3 图5 6 文献【1 0 9 】的算法结果1 0 3 图5 7 视点选择算法的基本框架1 0 5 图5 8p l v s 算法的基本流程图10 6 图5 9 视点的编码表示1 0 8 图5 1 0 视点评价示意图11 0 v 浙江大学博： ：学位论文图表目录 图5 1 1 多边形网格在球体上的投影示意图引1 1 1 图5 1 2g e f o r c e6 系列g p u 体系结构1 1 3 图5 1 3f o o t 在视点( 1 ，2 3 4 0 0 0 0 0 0 0 ，8 6 5 0 6 5 4 2 0 ) 处的绘制图像11 6 图5 1 4 在视点( 1 ，2 3 2 8 1 6 1 6 0 ，1 5 3 0 0 0 0 0 0 0 ) 处的绘制图像1 1 7 图5 1 5f o o t 数据集的视点选择过程中的粒子适应度变化曲线图11 7 图5 1 6 基于f r o g 数据集的p l v s 算法过程生成的视点图像序列1 1 9 浙江大学研究生学位论文独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。 除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成 果，也不包含为获得逝姿盘堂或其他教育机构的学位或证书而使用过的材料。与我一 同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。 学位论文作者签名：王毳姬 签字日期： 炒矿年歹月日 学位论文版权使用授权书 本学位论文作者完全了解逝姿态堂有权保留并向国家有关部门或机构送交本 论文的复印件和磁盘，允许论文被查阅和借阅。本人授权逝姿态茎可以将学位论文的 全部或部分内容编入有关数据库进行检索和传播，可以采用影印、缩印或扫描等复制手段 保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名：；季媲 签字日期：枷9 胃年罗月二日 一名：厕搬 签字日期：勿坛年9 月日 浙江大学博士学位论文致谢 致谢 至此论文完成之际，衷心感谢几年来在各个方面帮助过我的每一位老师、朋 友和亲人。 感谢导师郑耀教授。郑老师的儒雅风度、学者风范、严谨的科研态度和平易 近人的待人风格深深地折服了许多人，那其中绝对包括我。感谢他，在科研中给 予的指点、支持和资助感谢他细节上的关怀，使人暖入心脾郑老师勤奋工作 的身影给我们树立了榜样，但也让我们深为其身体而担心，希望郑老师能工作与 生活兼顾，在研究的道路上走得更高更远 感谢宋广华老师和张继发老师。正是老师们无私的奉献，为我们的研究工作 创造了良好的条件和氛围 特别感谢陈建军博士、解利军博士、栾翠菊博士、周迪斌博士和金邦梯博士。 感谢他们给予我的指导和帮助。难忘第一次写文章时大家给予我的无私帮助；难 忘科研困境时解利军博士和周迪斌博士给予我的鼓励和指导。 感谢黄争舸老师对我生活、学习上的关怀和帮助，同时感谢周利霞和徐徐给 予我的照顾。 感谢我在实验室的闺中密友：林艳，栾翠菊、王伟、刘欧子，周海玲。感谢 可视化小组的各位成员，王康健、杨廷俊等。感谢实验室许多其他的同学和朋友， 陈立岗、梁义、高文轩、张武、张桢夏、邹建锋和邓见等，与你们相处的日子非 常愉快，是我浙大生活中永存记忆的时刻。 在淅大度过的博士生涯，快乐欢欣与痛苦迷茫共存。犹记与可视化小组热汗 淋漓的体育活动和杯盘狼藉的f b 聚会，以及与排球球友一舍前疯狂打球的日子； 没有这些，我无法排解许多研究上的压力，度过痛苦的迷茫时期。感谢我在淅大 的朋友：欧阳杨、李芳字、马永萍等，你们的支持和鼓励一直陪伴着我。 最后特别感谢洪锋，是你的默默奉献支持我走过这许多年来的求学生涯，无 法相伴相守、给你一个温暖的家我一直深以为憾，希望以后我能研修好家庭这门 课。感谢洪锋的父母和哥嫂，多谢你们多年来对我的爱护和照顾。还有我的家人， 我永远爱你们，谨以此文，献给你们。 2 0 0 8 年6 月15 日于浙江大学 浙江大学博士学位论文第l 章绪论 第1 章绪论 相对于传统的面绘制技术，体绘制能够更准确全面地显示出信息，曼符 合科学计算的严谨性，因此已经成为大规模三维数据场可视化的重要技 术。为了使可视化更有用、更高效，在体绘制过程中引入人工智能的相 关技术，以提高体绘制效率和降低研究成本。近年来智能体绘制已经逐 渐成为大规模科学数据可视化的一个新的研究热点，它对可视化的发展 有重要意义。 1 1 研究背景 随着信息社会的高度发展，随之产生的数据量以前所未有的速度增长，例如， 气象学家借助超级计算机能够模拟出复杂的天气现象，这个过程中会生成大量的 科学数据。面对如此庞大的数据量，人们很难从中提取出重要的、有价值的信息， 更不用说用直观的方式分析和表述这些信息可视化研究就是解决这个问题的方 法之一，它从基本数据中提取出有意义的信息，并利用计算机图形学技术把获得 的信息展示给用户，使数据更易于理解和研究，可以进一步地协助用户的决策， 把用户从浩瀚的数据中解救出来。 科学计算可视化是把图形生成技术、图像处理和人机交互技术结合在一起， 将科学计算过程中及计算结果的数据转换为图形及图像在屏幕上显示出来并进 行交互处理的理论，方法和技术。它旨在使隐含在大量科学数据中的复杂物理现 象和自然规律转化为图形、图像，使用户对计算结果有一个直观的认识，从而使 其摆脱直接面对大量抽象数据的被动局面，能更直观、更有效地进行科学分析。 三维空间数据场的显示是实现科学计算可视化的核心。 随着计算机计算能力的增强和获取数据的设备的发展，传统的可视化技术与 数据分析手段的低效性，已严重制约着科学技术的进步。近年来随着计算机硬件 的飞速发展和图形功能的不断完备，体绘制已逐步发展成为三维数据场可视化的 重要手段之一，它能够从体数据集中抽取内在的本质信息，并借助交互式的图形 图像技术展现出来。体绘制技术研究的是如何表示、维护和绘制体数据集，从而 提供洞察数据内部结构和理解物质复杂特性的机制。 浙江大学博士学位论文第1 章绪论 尤其对于工程数据和医学数据等大规模数据集，体绘制技术与传统的面绘制 技术相比更适合此类数据的可视化，这主要是因为它能显示出所有的数据，不会 丢失数据，更符合科学计算和医疗研究的严谨性。但是由于体绘制的算法复杂性， 使得体绘制在这些领域的应用由于可视化效率较低而无法得到广泛的推广 所幸的是，随着计算机硬件的发展，体绘制的性能得到了一定程度的提高， 借助可编程的图形硬件( g r a p h i cp r o c e s s i n gu n i t ，g p u ) ，可以绘制大小为5 1 2 3 的 体数据。之前许多的研究工作集中于具体应用的新方法、改进具体方法的性能等， 大多相关应用被局限在实验环境中，并不是各种真正的应用领域，这种现象导致 出现了很多无用的、效率低的、不直观的可视化系统。为使体绘制得到更好的发 展，必须保证体绘制的有用性和高效性，为此需要在体绘制过程中关注用户需求、 进一步提高可视化效率，使可视化结果真正有用 通常提高体绘制效率的方法有两种：一种是通过减少设置合适转换函数 ( t r a n s f e r f u n c t i o n ，t f ) 的时间，以更快地提供给用户满意可视化结果；另一种 方法是尽量在屏幕中显示更多的信息，避免重要信息被遮挡等情况，即提高可视 化结果的有用性，以减少用户观察研究数据的时间，从而提高体绘制效率。 基于转换函数，体绘制可以将体数据集的信息更充分地传达给用户。转换函 数的设计是体绘制技术的基础和难点所在。整个转换函数的设计过程极其枯燥无 味、冗长费时，致使体绘制系统难以使用和进行推广。因此改善转换函数的设计 过程是提高体绘制效率的途径之一，是改进体绘制系统性能的一个比较重要的突 破点。而视点选择方法是通过选择数据的最佳观察位置，增加可视化结果的有用 性，减少用户了解数据的时间，提高研究效率，从而达到提高体绘制效率的目的。 目前已经有一些相关研究围绕着提高体绘制效率这个目标展开，研究人员把 人工智能的相关技术引入体绘制过程中，以期提高体绘制的效率。同时由于智能 技术本身与人的智能具有在一定程度的相似性，因此在体绘制过程中引入智能技 术也使得可视化结果更符合用户的需求，提高了体绘制的有用性。近年来这已经 逐渐成为大规模科学数据可视化的一个新的研究热点，它对可视化的发展有重要 意义。 浙江大学博士学位论文 第l 章绪论 本文将把智能优化技术引入到转换函数设计和自动视点选择方面，以期达到 提高体数据分类效率和提供观察数据最佳位置的目的，同时在此基础上减少设计 难度、降低算法对用户专业经验的依赖程度。 1 2 研究内容 本文研究的出发点是提高大规模数据集的体绘制效率，通过展现更多重要的 数据信息以及提高体数据分类效率，使体绘制更有用、更高效其研究内容主要 是在体绘制过程中引入智能优化算法，以实现转换函数设计和视点选择的自动 化。其目的是在减轻用户负担的同时，提高体绘制速度，增加体绘制结果的有用 性，尽可能地为用户展示最接近其需求的图像，使用户能更好地理解和研究数据。 l 、转换函数的自动设计 传统的转换函数设计方法是一个繁琐冗长的过程。交互式的设计方法通常由 于极大地依赖于用户的专业知识而使用户陷入乏味枯燥的反复实验过程；而非交 互式的设计方法则由于设计过程失去用户的指导，而无法反映出用户的真实需 求。本文提出的转换函数设计算法是基于图像的多次迭代过程，其迭代生成的新 转换函数是由采用的智能优化算法决定的。该算法把转换函数设计问题转化为一 个全局优化问题，基于转换函数的质量评价生成新转换函数，逐步接近理想结果。 本文把对转换函数的评价转化为对其对应绘制图像的评价，基于图像信息熵、差 分熵、边界熵以及用户评价值实现绘制图像的评价。同时，结合实例给出基于多 个体数据集的转换函数设计过程中的实验数据及图像序列，并且对基于粒子群优 化( p a n i c l es 、a 蛐o p t i m i z a t i o n ，p s 0 ) 的设计算法和基于遗传粒子群的设计算法 进行了性能的分析和比较。 2 、转换函数的融合设计 转换函数的融合设计是一种新的转换函数设计技术，可通过多个易设计的简 浙江大学博上学位论文 第l 章绪论 单转换函数的融合操作获取到复杂转换函数。本文提出了一种基于粒子群优化的 转换函数融合设计方法，把多个转换函数的融合问题转化为一个参数寻优问题， 其参数是转换函数的融合比例。基于对转换函数融合比例的评价，经p s o 迭代生 成新的融合比例，最终得到最优解。本文把融合比例的评价转变为起对应的融合 转换函数的评价。同时本文提出一种基于期望适应度的相似形评价方法，通过设 置原始转换函数的期望适应度来反映用户的需求，把用户的直观感觉融入转换函 数的融合设计中。 3 、自动视点选择 在体绘制中，选择最佳视点对数据的研究特别是非交互性的可视化数据非常 重要，它提供了研究数据的最佳位置。本文将自动视点选择引入到大规模复杂数 据集体绘制，提出了一种基于粒子群算法的视点选择方法。其基本思想是将最优 视点的搜寻转化为一个全局优化问题，把与对象固定距离的所有可能的视点的集 合作为搜索区域，在搜索过程中以视点信息量作为评价标准，实时调整视点的搜 索方向。此方法主要是通过实现视点的自动选择提供给用户最佳的观察数据的位 置，来展示数据集中信息量较大的部分，以节约用户观察研究数据的时间及进一 步提高体绘制效率。 4 、粒子评价方法 在本文采用的智能优化算法中，其粒子评价方法通常分为主观评价和客观评 价两类。主观评价反映了用户的需求，而客观评价则是根据客观的目标评价函数 获取粒子的评价值。本文基于主观评价和客观评价提出了一种混合评价方法，研 究了各种评价的不同混合方法。其中基于多种客观评价方法的混合评价算法我们 称之为客观混合评价方法，它综合考虑了多个客观评价值，均衡了各评价方法的 优劣。参考用户的主观评价的混合评价方法，则把用户的直观感觉和需求引入到 评价过程中，使最终的评价结果可以兼顾用户和客观评价方式。 浙江大学博士学位论文第l 章绪论 1 3 主要贡献 本文把智能优化算法引入体绘制过程，实现了转换函数设计和视点选择的自 动或半自动化，在避免过多的人机交互的基础上，尽可能地展示更多的重要信息， 使体绘制过程更高效、体绘制结果更有用 本文主要贡献如下所示： l 、在基于图像的转换函数设计的基础上，提出了基于粒子群优化和基于遗 传粒子群算法的转换函数设计方法。该方法基于不同的转换函数评价方法分别实 现了转换函数设计的自动和半自动化，在降低用户操作强度的同时，减少了设计 次数，提高了设计效率。 2 、在简单转换函数设计的基础上，提出了一种复杂转换函数的设计方法。 它把复杂转换函数设计问题转化为多个简单转换函数的融合设计问题。这种方法 直观且易于实现，降低了复杂转换函数的设计难度。本文提出的转换函数融合设 计方法把融合设计问题转化为对融合比例的参数寻优问题，采取基于期望适应度 的相似性评价方法对融合比例作出评价， 该方法实现了复杂转换函数的自动设计， 由p s o 根据评价值生成新的融合比例 用户只需要选择几个部分满意的转换函 数就可以基于融合设计自动生成满足需求的复杂转换函数，在很大程度上简化了 复杂转换函数的设计 3 、在体绘制中提出了一种基于粒子群优化的自动视点选择方法，基于屏幕 提供给用户包含最多数据信息的绘制图像。该方法根据视点信息量来评估视点质 量，减少了人机交互的次数，提高了视点寻优效率。通过采用p s o 迭代生成新视 点，较大程度地减少了需评价的视点数目，从而消除了冗余的视点计算，在保证 视点质量的同时提高了视点选择效率。 4 、基于智能优化算法的粒子评价过程提出了一种基于主观评价和客观评价 的混合评价方法。该方法表达了来自主观和客观两方面的期望值，在评价过程中 综合考虑了用户的主观评价值和粒子的客观评价值，将其按照一定比例合成，得 到最终评价值。这种评价方法可使可视化结果既满足用户的需求，又符合严谨的 浙江大学博士学位论文第1 章绪论 客观评价原则。 1 4 文章结构 本文的组织结构如图1 1 所示，安排如下： 第一章绪论。首先介绍了本文的研究背景和研究目的，概述了本文的主要研 究内容和论文组织结构。 第二章研究综述。概述了本文研究所涉及到的可视化方法和技术，尤其对体 绘制技术、粒子群算法进行了详细的介绍，同时还概述了体绘制中转换函数概念 及其设计方法。 第三章转换函数的自动设计。详细描述基于粒子群优化以及遗传粒子群算法 的转换函数设计算法，并对遗传粒子群算法作了简要介绍。本章讲述了本文的转 换函数设计算法，对其基本思想、主要内容以及算法实现过程等进行分别介绍， 同时给出转换函数的评价方法，最后展示了几个体数据集的算法结果及对应的性 能分析。 第四章转换函数的融合设计。介绍了复杂转换函数的融合设计算法，详细描 述了整个算法框架，以及粒子群优化的融合设计过程，同时详述了基于图像相似 性的转换函数评价方法。最后给出本算法的实验结果和性能分析。 第五章自动视点选择。本章介绍了视点选择的概念视点信息量的概念及相关 工作，同时详细描述了本文提出的自动视点选择算法，分别给出了本算法的基本 思想、主要内容、基于粒子群优化的具体实现过程、以及基于g p u 的视点信息 量计算过程。 第六章对本文的研究进行了总结，探讨了研究的趋势，给出了进一步研究的 方向。 6 浙江大学博士学位论文第l 章绪论 1 5 基金资助 图1 1 论文的组织结构 本文由国家杰出青年科学基金项目“多学科应用模拟的赋能环境( e e m a s ： e n a b l i n ge n v i r o n m e n tf o rm u l t i d i s c i p l i n a d ，a p p l i c a t i o ns i m u l a t i o n s ) ( 项目编号： 6 0 2 2 5 0 0 9 ) 资助。 7 浙江人学博士学位论文第2 章研究综述 第2 章研究综述 本文研究的出发点是提高体绘制效率，使可视化结果更有用、可视化过 程更高效。其研究内容主要是在体绘制中引入智能优化技术，实现转换 函数和视点选择的自动或半自动化，简化复杂转换函数的设计过程。课 题涉及到许多软硬件技术，本节综述了研究的需求和相关的技术，主要 包括四部分：体绘制技术，转换函数，粒子群算法，智能技术在体绘制 中的应用。 2 1 体绘制技术 2 1 1 体绘制概述及基本算法过程 在可视化中，体绘制是一种非常重要和灵活的体数据可视化技术，它使用图 形图像技术从体数据中抽取有意义的信息，模拟光在场景中作用的整个过程，不 必生成中间几何图元，便能反映数据场中各种信息的综合分布情况。由于体绘制 在一定程度上脱离了传统图形学点、线、面的束缚，直接对数据场进行成像，因 此通常还被称为直接体绘制。 实质上体绘制是三维离散数据场的重新采样和图像合成的过程，它将离散分 布的三维数据场，按照一定的规则转换为图形显示设备的帧缓存中的二维离散信 号，即生成每个象素点颜色的r 、g 、b 值。而且，不仅需要计算每一个数据值对 二维图像的贡献，还需要将全部数据值对二维图像的贡献都合成起来。因此，尽 管有多种不同的直接体绘制算法，但其实质均为重新采样与图像合成。用体绘制 方法生成二维图像时，其基本过程如图2 1 所示，首先对每一数据点赋以不透明 度值( a ) 和颜色值( r ，g ，b ) ，之后根据各数据点所在位置的梯度和光照模型计算出 各数据点的光照强度，最后融合投射到图像平面中同一象素点的各数据点的不透 明度和颜色值，形成最终图像。通常可分为以下几个子过程： 1 数据处理。 对于大规模的原始数据集，通常需要加以精炼和选择，以在尽可能地保证不 丢失有用信息的基础上适当地减少数据的总量。在某些数据分布过分稀疏的区 浙江大学博士学位论文第2 章研究综述 域，为了避免影响可视化的效果，则需要进行插值处理。同时在这一步还包括对 原始数据的噪声消除、参数域变换以及法向量计算等操作。 数据预处理过程 体素颜色 光线追踪重采样 合成 体素不透明度 光线追踪重采样 图2 一l 体绘制算法基本过程示意图 2 分类映射。 分类映射是整个体绘制流程的核心内容，它将经过处理的原始数据转换为可 供绘制的光学属性，如颜色、不透明度等，这对最终的体绘制结果有着极大的影 响。这一步决定了在最终的图像中用户能够观察到的内容。如何用形状、不透明 度、颜色以及其它属性将用户需要重点研究的、感兴趣的性质和特点信息着重表 现出来是分类映射的主要研究内容。转换函数方法是一种主要的分类映射方法， 它将数据值以及其它辅助信息作为输入，把原始数据进行分类，输出每一类对应 的颜色、不透明度等光学属性，供绘制时使用。 9 浙江大学博士学位论文第2 章研究综述 3 绘制合成。 根据体绘制的光学模型，根据分类映射的结果将数据场中的数据转换为可供 显示的图像。在成像过程中，涉及到数据采样点的投影变换、数据的插值计算、 排序和色彩合成等操作。 4 结果显示 根据绘制合成的结果进行显示，包括图像的交互显示、几何变换、图像压缩、 颜色量化、图像格式转换以及图像的动态输出等。 2 1 2 体数据 体绘制的输入数据是体数据，通常体数据的来源有两类：一类是通过测量仪 器，如c t ，m 砌等设备获得的医学数据，这类数据通常是断层扫描数据集，其 基本单元是以网格点为中心或以各网格点为顶点的单位立方体体素，如图2 2 所 示；另一类是通过计算机数值模拟产生的数据，如有限元计算数据集，其基本单 元是有限元单元且其网格空间是非正规化的体素。这两类数据集通称为三维体数 据集【2 】 中心在网格顶点的 体素 图2 2 规则数据集的体素示意图 2 1 3 体绘制的光照模型 光照模型是体绘制的基础，通常为了更好地揭示体数据中的有用信息，需要 多种光照方式供选择以满足各种不同的需求。实际应用的不同物理背景决定了体 i o 浙江大学博士学位论文第2 章研究综述 光照强度的计算与面光照强度的计算相比有着不同的模型和方法。体光照模型的 研究内容是光