作者存档: Richen Liu - 第2页

基于多准则的体绘制动画生成方法 (A Multi-Criteria Approach to Camera Motion Design for Volume Data Animation)

动画在可视化中起着非常重要的作用,尤其在体绘制过程中,动画可以对一些复杂结构及实时趋势进行可视化。然而现有的很多动画生成方法都需要大量的人工干预,如大量地加入关键帧(keyframe)。

本文[1]采用对虚拟摄像头路径自动生成的方法对体绘制的内部结构进行“录制”,从而形成动画。在路径生成过程中,采用了摄影学与可视化中的一些准则,对初步生成的路径进行优化。具体而言,路径优化时采用了6条准则,每条准则将产生一定方向的力,对路径上的结点进行更改,6条准则对应的力线性地组合在一起,最终优化的路径就是这些力平衡的结果。

继续阅读 »

连接性浏览器:基于大容量神经科学体数据查询的可视分析 (Connectome Explorer: Query-Guided Visual Analysis of Large Volumetric Neuroscience Data)

在神经科学中,神经元之间的连接性可视化一直是一个热门的研究课题,现有的方法大部分只提供二维神经元连接性的可视分析,缺乏直观的三维体绘制效果。本文[1]可视化的数据中包括以下几个神经元研究对象:Synapse(神经元的突触),Axons(轴突),Dendrite(树突),Glia(神经胶质).

本文[1]仿照SQL语言中查询机制,对大容量神经科学体数据进行查询与分析。如图2所示,具体步骤包括

1) 数据采集;数据采集自电子显微镜,体绘制数据包括多个体数据,EM Data体数据,Segmentation体数据,其中Segmentation体数据是由人工结合一些智能识别算法Trace出来的。也就是说,神经元数据之间的连接性由人工手动tracing得到的。

继续阅读 »

基于噪音模型的多变量体绘制 (Noise-based Volume rendering for the visualization of multivariate volumetric data)

大部分现有的体绘制(Volume rendering)研究都是针对同时可视化单个变量的Volume数据,而比较少研究在同一个Volume中同时展示多个变量的信息。在同一个Volume中展示多个变量,最直观的方法有两种,其一、通过用户控制,快速切换多个变量的渲染;其二、将多个变量混合起来。前者的缺点是用户体验差,无法同时感知两个变量的分布与关系;另外,如果Volume比较大,渲染速度比较慢,就完全退化成两个体绘制。后者的缺点也是比较显示的,虽然它在同一个Volume中展示了多个变量的信息,但是混合过程中,信息损失很严重,且次要变量往往会掩盖主要变量从而误导用户。

继续阅读 »

ViviSection:基于骨架的体编辑 (ViviSection: Skeleton-based Volume Editing)

关键字:体编辑(Volume editing), 骨架化(Skeletonization), 体分割(Volume segmentation)

在计算机仿真与实体建模等实际应用中,体编辑(Volume editing)一直是一个重要的研究方向。尤其在医学图像处理中,某些器官在不同病理情况下,器官图像分割算法精度并不是很高,因此需要有效的体编辑(Volume editing)算法来校正这些误分割(misclassifications)。

继续阅读 »

地层数据分析器:二维地层数据的图例解释性方法 (The seismic analyzer: interpreting and illustrating 2D seismic data)

这是一篇2008年IEEE Vis的论文[1],作者介绍了一种用图例解释二维地层数据的可视化方法,该方法着手于解决传统的自下而上的解释性方法相对耗时的缺陷,提出了自上而下的解释性方法。作者还提出了一种参数化层位线的方法来获取层位线的局部坐标,从而为最后的纹理映射提供纹理坐标。

继续阅读 »