主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2018年第12期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
周芳芳,高飞,刘勇刚,梁兴,赵颖.基于密度-距离图的交互式体数据分类方法.软件学报,2016,27(5):1061-1073
基于密度-距离图的交互式体数据分类方法
Interactive Volume Data Classification Based on Density-Distance Graph
投稿时间:2015-07-31  修订日期:2015-09-19
DOI:10.13328/j.cnki.jos.004961
中文关键词:  体数据  传递函数  体数据分类  基于密度的聚类
英文关键词:volume data  transfer function  volume data classification  density-based clustering
基金项目:国家自然科学基金(61402540,61103108);湖南省教育厅科学研究项目(13C095);湖南省科技支撑计划(2014GK3049)
作者单位E-mail
周芳芳 中南大学信息科学与工程学院, 湖南长沙 410083  
高飞 中南大学软件学院, 湖南长沙 410075  
刘勇刚 中南大学软件学院, 湖南长沙 410075  
梁兴 中南大学信息科学与工程学院, 湖南长沙 410083  
赵颖 中南大学信息科学与工程学院, 湖南长沙 410083 zhaoying@csu.edu.cn 
摘要点击次数: 1896
全文下载次数: 1139
中文摘要:
      体数据分类是体绘制中传递函数设计的核心问题.标量值-梯度模直方图作为表征体数据的一种经典二维特征空间,已被广泛应用于分类体数据.然而,大部分已有方法存在过于依赖分类算法的参数设置、运算效率低、交互复杂度高等问题.以标量值-梯度模直方图的密度分布为基础,并依据物质中心密度大且物质中心间距离远这一特性,首先快速计算每个数据点的密度及每个数据点到比其密度大的点的最小距离;然后,将所有数据点投影到密度-距离图,并以密度-距离图作为人机接口,使用户能够交互地选择多个密度中心来分类体数据并设置传递函数.通过多组实验验证,所提出的方法需预设物质类别的数量,分割标量值-梯度模直方图的准确度较高且速度较快,所设计的密度-距离图是一个有效的人机交互接口,可以有效地引导用户完成由粗糙到精细的递进式体数据分类和可视化过程.
英文摘要:
      Volume data classification is a core issue of transfer function in volume rendering. Scalar-gradient magnitude histogram of volume is a classic feature space, and has been applied in volume classification for its nice result in visual extraction of boundaries between different materials. However, the design of transfer function based on scalar-gradient histogram has proven as a time-consuming and complex task which is hard for users to conduct interactions. In this paper, scalar-gradient histogram is treated as a density distribution of all voxels. This approach assumes that the density of a material center is higher than their neighbors and the distance between two material centers is far enough. By computing the minimum distance between each points and all other points with higher density in scalar-gradient histogram, a density-distance graph is constructed based on densities and minimum distances of all points. The density peaks are easily observed in the graph and can guide the users to select centers of each material as a progressive volume classification process through a set of specified interactions. Experimental results demonstrate that the presented approach does not require the prior knowledge of categories, and the volume classification is accurate with high performance.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利