结合数据认知与视觉感知的体数据理解与可视化

体数据中复杂结构及结构间几何关系认知是全面、准确理解体数据的关键。传统的交互式传递函数设计使得理解体数据中复杂结构是一个繁琐而困难的过程；已有的几何关系认知技术主要揭示比较完整的层结构间的关系，而不能清晰地揭示复杂结构间的几何关系。体数据理解与可视化是由数据认知与视觉感知构成的循环过程，两者结合的方法构成了具有自反馈功能的认知系统,有助于提高体数据理解的准确性与高效性。本课题从数据认知角度研究异构特征降维方法,解决传递函数空间选择的自适应性,结合视觉感知研究传递函数光学参数模型,优化体绘制中衰减与遮挡的影响；从数据认知角度研究体数据的多步非连续变形，解决复杂结构间几何关系的表达难题，揭示复杂结构间的位置关系，结合视觉感知研究增强形状表达的体、面绘制融合算法，提高复杂结构的形状认知。研究成果将提高准确理解体数据整体结构的效率、提供理解体数据内复杂结构间关系的方法、为虚拟手术计划奠定理论基础。

本研究针对体数据理解与可视化中准确传递函数设计繁琐且困难、复杂结构间的几何关系难以被认知的问题，从结合数据认知与视觉感知的自反馈认知角度出发展开研究，形成了以下成果。. 1）基于体素可见度模型的自动传递函数设法方法。以体素可见度作为可视化质量标准设计体素可见度代替传统直接进行不透明度设计，通过最下化期望可见度分布与实际可见度分布距离自动设计传递函数，提高了传递函数设计的效率。同时，我们提供了平均可见度和累积可见度两种模型，并分析了其不同的适用性。. 2）基于动态逆位移场的体数据多步变形操作框架。针对体数据多步非连续变形操作的困难，我们提出了基于动态逆位移场的多步变形操作模型。通过使用动态逆向位移场纪录体数据的变形信息，把多步变形操作转化为两步操作过程。同时，提出了保护动态逆向位移场一次连续的重建算法。. 3）基于拉普拉斯特征映射的传递函数设计方法。为降低体绘制中传递函数参数选择的盲目性和设计的复杂性，提出了一种基于拉普拉斯特征映射的传递函数设计方法。首先提取体数据中各种特征信息构建高维传递函数参数空间，然后通过拉普拉斯特征映射将其映射到保持了体数据局部流形结构和高维参数空间分类能力的二维参数空间，最后在此嵌入空间上设计了一种基于k-means聚类的传递函数。. 4）体数据的多尺度张量表达与可视化。应用张量近似思想建立了体数据的多尺度表达与可视化方法，一方面多尺度张量近似实现了数据压缩，解决了大数据的绘制问题；另一方面，张量近似的自适应压缩基保持了体数据的尺度特征。. 5）基于混合距离的蓝噪采样方法。我们提出了组合测地距离与特征距离的距离标准进行蓝噪采样以解决蓝噪采样时的特征保持问题。在混合距离标准基础上，通过自适应地控制测地距离与特征距离的比例，蓝噪特性和距离保持特性能够同时被保护，以达到不同应用的需求。. 6) 迄今为止，本项目在国内外核心期刊发表研究论文全文11篇，SCI收录3篇，EI收录5篇；授权发明专利1项。