摘 要
近年來(lái)，最佳視點(diǎn)的選擇問(wèn)題已成為體繪制領(lǐng)域的重要研究?jī)?nèi)容。由于體繪制成像速度較慢，在海量規(guī)模的體數(shù)據(jù)面前，尋找體繪制的最佳視點(diǎn)或一組有效的視點(diǎn)集合，對(duì)于分析和理解體數(shù)據(jù)的內(nèi)部信息、提高體繪制的效率具有重要作用。
在國(guó)內(nèi)外相關(guān)研究的基礎(chǔ)上，本文對(duì)體繪制最佳視點(diǎn)選擇技術(shù)中的關(guān)鍵問(wèn)題進(jìn)行了探討，主要的研究?jī)?nèi)容包括：
(1) 研究了基于PC平臺(tái)的3D紋理映射與融合、具有半透明效果和Phong光照效果的體繪制方法，并利用OpenGL及其擴(kuò)展技術(shù)實(shí)現(xiàn)了基于3D紋理映射與融合的體繪制。利用醫(yī)學(xué)DICOM格式影像和RAW格式影像所進(jìn)行的實(shí)驗(yàn)表明，該方法能夠在目前通用PC機(jī)上繪制出高品質(zhì)的3D圖像。
(2) 在研究國(guó)內(nèi)外已有的基于信息熵的體繪制視點(diǎn)質(zhì)量評(píng)價(jià)方法的基礎(chǔ)上，提出了一種基于投影視圖的改進(jìn)信息熵質(zhì)量評(píng)價(jià)方法。該方法利用體數(shù)據(jù)投影圖像的不透明度和亮度分量以及提取的結(jié)構(gòu)信息特征，建立了反映體素重要性和體數(shù)據(jù)內(nèi)部結(jié)構(gòu)信息的視點(diǎn)熵評(píng)價(jià)函數(shù)。此外，還對(duì)信息熵以外的視點(diǎn)質(zhì)量評(píng)價(jià)方法作了一些探討，提出了一種基于邊緣檢測(cè)的簡(jiǎn)易視點(diǎn)質(zhì)量評(píng)價(jià)方法。
(3) 在最佳視點(diǎn)選擇的過(guò)程中引入粒子群、單純形－粒子群和混合蛙跳等人工智能算法，將視點(diǎn)質(zhì)量評(píng)價(jià)函數(shù)作為智能算法的適應(yīng)度函數(shù)，利用智能算法來(lái)指導(dǎo)和優(yōu)化最佳視點(diǎn)的搜索過(guò)程，以得到全局最佳視點(diǎn)或一組優(yōu)化的視點(diǎn)集，實(shí)現(xiàn)了體數(shù)據(jù)中重要結(jié)構(gòu)信息或感興趣區(qū)域的快速聚焦和顯示，極大地提高了3D可視化的效率。

關(guān)鍵詞 體繪制；視點(diǎn)選擇；粒子群；單純形；混合蛙跳


Abstract
In recent years, research and application of viewpoints selection in visualization of 3D datasets has become an important task in volume rendering. Due to the slow frame-rates, locating an optimal viewpoint or a series of optimizational viewpoints is absolutely necessary to improve both the speed and efficiency of data understanding.
Based on the related research at home and abroad, this article discussed several key problems in optimal viewpoint selection for volume rendering. The main research work includes:
(1) Discuss the volume rendering method with translucence and Phong shading effect based on 3D texture mapping and blending on PC platform. Volume rendering with 3D texture hardware-assistant, OpenGL and OpenGL extension, texture mapping and blending is achieved. The experiment result with medical DICOM format images and RAW format images indicates that the method presented may produce high-quality 3D images on general PC.
(2) Provides an overview of viewpoint eva luation methods for volume rendering based on information entropy at home and abroad. Based on related research, an improved eva luation method of viewpoint entropy based on projected views is presented. This method utilizing the opacity, luminance and structure features of the projected views of three-dimensional volume datasets, constructed a viewpoint eva luation function to identify the importance of voxels and the structural information within the volume data. In addition, this paper also discussed the viewpoint quality assessment outside the normal information entropy technology, present a simple method of viewpoint eva luation based on edge detection.
(3) During the process of locating optimal viewpoint, artificial intelligent algorithms including PSO, NM-PSO and SFLA are introduced. Combined with constructed viewpoint eva luation function, intelligence algorithms are used to direct and optimize the search process of optimal viewpoint, so as to acquire a global optimal viewpoint or a series of optimizational viewpoints, focus the important structural information and region of interest more effectively.

Keywords Volume rendering; Viewpoint selection; Particle swarm optimization; Nelder-Mead simplex search; Shuffled frog leaping algorithm

目 錄
摘 要 I
Abstract III
目 錄 V
Content VII
第1章 緒 論 1
1.1 研究背景和意義 1
1.2 研究現(xiàn)狀和發(fā)展趨勢(shì) 2
1.2.1 體繪制的研究現(xiàn)狀和發(fā)展趨勢(shì) 2
1.2.2 體繪制視點(diǎn)選擇的研究現(xiàn)狀 3
1.3 論文的主要研究?jī)?nèi)容和組織結(jié)構(gòu) 3
第2章 基于OpenGL的3D紋理映射體繪制 6
2.1 引言 6
2.2 基于3D紋理映射的體繪制技術(shù) 6
2.2.1 繪制流程 6
2.2.2 分類處理 7
2.2.3 明暗處理 8
2.2.4 紋理體數(shù)據(jù)的繪制 10
2.3 基于OpenGL的體繪制實(shí)現(xiàn) 10
2.3.1 3D紋理的定義 10
2.3.2 紋理映射與融合 11
2.3.3 視點(diǎn)轉(zhuǎn)換功能的實(shí)現(xiàn) 12
2.3.4 基于圖像管線的視圖提取技術(shù) 12
2.4 體繪制實(shí)例分析 14
2.5 本章小結(jié) 16
第3章 基于信息熵的視點(diǎn)評(píng)價(jià)方法研究 17
3.1 引言 17
3.2 體繪制的視點(diǎn)熵評(píng)價(jià)方法綜述 17
3.2.1 基于特征驅(qū)動(dòng)的視點(diǎn)熵 17
3.2.2 基于體素可見(jiàn)性的視點(diǎn)熵 18
3.2.3 基于可見(jiàn)性及曲率特征的視點(diǎn)熵 19
3.2.4 基于結(jié)構(gòu)和細(xì)節(jié)特征的視點(diǎn)熵 20
3.3 一種新的視點(diǎn)熵評(píng)價(jià)函數(shù) 21
3.4 基于信息熵的感興趣區(qū)域提取 23
3.5 實(shí)驗(yàn)測(cè)試 25
3.6 本章小結(jié) 26
第4章 基于邊緣檢測(cè)的視點(diǎn)評(píng)價(jià)方法研究 27
4.1 引言 27
4.2 體繪制投影圖像的邊緣檢測(cè) 27
4.2.1 一階微分檢測(cè)算子 27
4.2.2 二階微分檢測(cè)算子 29
4.2.3 Canny邊緣檢測(cè)算法 30
4.2.4 閾值的自適應(yīng)確定 32
4.2.5 檢測(cè)效果比較 32
4.3 基于邊緣檢測(cè)的視點(diǎn)評(píng)價(jià) 33
4.4 實(shí)驗(yàn)測(cè)試 36
4.5 本章小結(jié) 37
第5章 基于智能優(yōu)化算法的體繪制最佳視點(diǎn)選擇 39
5.1 引言 39
5.2 體繪制視點(diǎn)選擇用到的幾種智能算法 39
5.2.1 PSO算法 40
5.2.2 NM-PSO結(jié)合算法 41..