医学影像数据高清体绘制算法的研究

《医学影像数据高清体绘制算法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、浙江工业大学硕士学位论文医学影像数据的高清体绘制算法研究摘要高清体绘制的算法研究要求高质量、高效率的绘制体数据的数据特征。直接体绘制方法在GPU并行加速的支持下能够达到高质量、实时可交互的绘制，但是对用户感兴趣区域的绘制往往需要通过调节传输函数来实现。传输函数的调节需要用户通过反复尝试的方法对体数据进行分类绘制，要求用户具备领域经验，并且简单的传输函数通常无法对某些数据特征进行有效分类。最大强度差值累积方法提出一种通过降低最大强度值变化区域的累积不透明度的方法实现对最大强度值区域的加强绘制，但是存在不能绘制局部特征信息

2、的问题。因此，本文提出了一种基于特征分析的局部特征加强体绘制方法，对体数据进行快速高质量的特征绘制。基于特征分析的局部特征加强体绘制方法包含两个过程，分别为体数据的局部特征分析以及局部特征加强绘制，实现了对体数据的特征提取以及特征加强绘制。(1)体数据的局部特征分析。本文提出一种局部特征分析的方法获取体数据的特征信息。利用高斯滤波去除数据的高频噪声，并利用移动最小二乘法对体数据标量曲线进行重构，并对光滑连续的标量曲线进行极小值点查询，最后利用梯度阈值确定特征边界点，并实现对特征的归类。(2)局部特征加强绘制。在获取体数

3、据的局部特征信息的条件下，提出局部特征差值累积方法，累积过程中引入深度信息优化加权累积方法。为增强绘制结果的三维立体感，引入Phong光照模型，并利用特征分析结果选择适当的梯度法向量计算光照。同时，引入自适应Tone衰减对最终结果实现颜色亮度平衡，增强局部特征对比度。此外，本文还提出一种基于标量值与梯度模值的交互方法，实现对体数据特征的交互绘制。本文算法在Voreen框架下进行开发，实现了GPU并行加速，能达到实时交互的绘制效率。经过对多种类型医学影像体数据以及工业扫描体数据的绘制实验证明，本文算法在不需要调节传输函数

4、的前提下，能够实时高清的绘制体数据中的局部特征信息，并且与最大强度差值累积方法比较能绘制更为详细的局部特征，具有一定的应用浙江工业大学硕士学位论文前景。关键词：体绘制，特征加强，移动最小二乘，Tone衰减浙江工业大学硕士学位论文HIGHQUALITYVOLUMERENDERINGFORMED--ICALDATAABSTRACTHighqualityvolumerenderingalgorithmrequiresvisualizingtheregionsofinterestatallinteractiveframerat

5、e．RaycastingdirectvolumerenderingbasedonGPUmeetthere-quirementforhighqualityvolumerendering，butneedtransferfunctiontoexploretheinnerfeaturesofthedataset．Designingusefultransferfunctionfordirectvolumerenderingisatoughjobforusers，andrequiresdomainknowledge．Atriala

6、nderrormethodisthemostusedwayfordataclassification、Ⅳitlltransferfunction，whichistimeconsuminganddiffi-culttogetapprovingresult．Maximumintensitydifferenceaccumulationisoneofthefastdatafeatureexploremethods，whichcombinetheadvantagesofdirectvolumerenderingandmaximu

7、mintensityprojection，butcall’tvisualizethelocalfeatureswithinthedataset．Inthispaper,wepresentalocalintensitydifferenceaccumulationvolumerenderingmeth-odbasedonfeatureanalysis，whichcaninteractivelyvisualizingthelocalfeatureswithinthedataset．Thealgorithmwepresente

8、dincludestwostages：a)featureanalysisforthevolumeda-Inset；b)localintensitydifferenceaccumulationforfeatures．Thedetailsareintroducedasfollows．(1)Featureanalysis．AGaussi