專利名稱：基于視覺感知增強(qiáng)的最大密度投影方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種增強(qiáng)最大密度投影方法繪制結(jié)果的視覺感知的方法，屬于體數(shù)據(jù)可視化及圖像處理技術(shù)領(lǐng)域。
背景技術(shù)：
直接體繪制方法(DVR)是科學(xué)計(jì)算可視化研究領(lǐng)域中的一種經(jīng)典的算法(Max N. . Optical Models for Direct Volume Rendering[J].1EEE Transactions onVisualization and Computer Graphics, 1995，I (2) :99 - 108),通過傳輸函數(shù)(TF)定義米樣點(diǎn)的光學(xué)屬性(即顏色、不透明度)，進(jìn)而累加獲得二維圖像中對(duì)應(yīng)像素的顏色值。繪制的結(jié)果圖像能夠揭示體數(shù)據(jù)中的隱含特征，為用戶理解和分析初始體數(shù)據(jù)提供了有效的手段。然而，DVR的繪制結(jié)果過分依賴于TF定義的全局分類標(biāo)準(zhǔn)，即便對(duì)于經(jīng)驗(yàn)豐富的用戶，調(diào)節(jié)并獲得有效的TF依然是一個(gè)復(fù)雜而耗時(shí)的過程，這很大程度上制約了 DVR在不同應(yīng)用領(lǐng)域的拓展與普及。經(jīng)典的最大密度投影算法(簡(jiǎn)稱“MIP算法”)則避免了復(fù)雜的TF調(diào)節(jié)過程，將視線方向上的最大密度值直接投影至對(duì)應(yīng)的像素位置(相關(guān)技術(shù)可參考AndersonC. M. , Saloner D.,Tsuruda J.S.,et al·· Artifacts in Maximum Intensity ProjectionDisplay of MR Angiograms[J]. American Journal of Roentgenology, 1990, 154(3):623-629)。該方法簡(jiǎn)單、實(shí)用，能夠快速地將體數(shù)據(jù)中最明顯的特征展示給用戶，因此廣泛應(yīng)用于醫(yī)學(xué)領(lǐng)域，如血管造影。雖然MIP算法一定程度上能夠滿足用戶的特定需求，但尚存在如下兩點(diǎn)不足(I)繪制的結(jié)果圖像僅由最大密度值構(gòu)成，丟失背景補(bǔ)償信息，因此繪制結(jié)果缺乏深度感知；(2)繪制的結(jié)果圖像缺少特征的朝向信息，即沒有對(duì)特征進(jìn)行光照處理，形狀感知不足。為了增強(qiáng)MIP繪制結(jié)果的深度感知，Diaz提出了一種增強(qiáng)深度感知的最大密度投影算法 DEMIP (Diaz, J. , Vazquez, P. . Depth-enhanced MaximumIntensity Projection[C].1n:8th IEEE/EG International Symposium on VolumeGraphics，2010，93-100)。該方法通過最大密度值與其相似特征深度的加權(quán)，并提供了一種基于顏色球的深度提示方式以獲得深度感知增強(qiáng)的繪制結(jié)果。盡管DEMIP有效地展示了特征的先后關(guān)系，一定程度上增強(qiáng)了感興趣特征的深度提示，但是結(jié)果圖像的深度感知依然容易產(chǎn)生歧義，且缺乏特征的形狀感知。Stefan等學(xué)者則提出了一種最大標(biāo)量差累積的體繪制算法 MIDA (Stefan B. , Eduard M. G. .1nstantVolume Visualization usingMaximum Intensity Difference Accumulation[J]. Eurographics/IEEE-VGTC Symposiumon Visualization 2009，28 (3) : 775-782)。該算法有效結(jié)合了 DVR 與 MIP 算法的優(yōu)勢(shì)，不需要調(diào)節(jié)復(fù)雜的傳輸函數(shù)便可以展示最大密度特征，而且經(jīng)過顏色累積能夠獲得豐富的背景信息。但是，顏色累加值的動(dòng)態(tài)調(diào)整一定程度上影響了光照的效果，減弱了特征的形狀感知
發(fā)明內(nèi)容
本發(fā)明的目的是提供一種視覺感知增強(qiáng)的最大密度投影方法。為實(shí)現(xiàn)上述目的，本發(fā)明所采取的技術(shù)方案是本發(fā)明基于視覺感知增強(qiáng)的最大密度投影方法包括如下步驟(I)獲取目標(biāo)對(duì)象的體數(shù)據(jù)，對(duì)體數(shù)據(jù)做第一次光線投射而獲得當(dāng)前視線方向的最大密度特征，并獲得所述體數(shù)據(jù)的繪制結(jié)果圖像；以所述最大密度特征所在的空間位置為終點(diǎn)，沿所述當(dāng)前視線方向?qū)w數(shù)據(jù)做第二次光線投射，根據(jù)用戶交互設(shè)置的相似性閾值，獲得最大密度特征之前的相似特征，并獲得所述相似特征的繪制結(jié)果圖像；以所述相似特征所在的位置為起點(diǎn)，沿所述當(dāng)前視線方向的反方向?qū)w數(shù)據(jù)做第三次光線投射，查找擁有最大梯度模的采樣點(diǎn)，并以該采樣點(diǎn)為所述最大密度特征的最佳法向特征，并獲得所述最佳法向特征的繪制結(jié)果圖像；(2)利用所述最佳法向特征的法向信息，對(duì)所述最大密度特征做光照處理，以獲得所述最大密度特征的形狀感知增強(qiáng)圖像。進(jìn)一步地，本發(fā)明利用所述最佳法向特征的深度信息，更新所述光照處理中所用的光照模型的環(huán)境光系數(shù)、漫反射系數(shù)和鏡面高光系數(shù)，以獲得所述最大密度特征的深度感知增強(qiáng)圖像。進(jìn)一步地，本發(fā)明利用HSV顏色模型將所述最佳法向特征的深度信息映射為不同顏色，以增強(qiáng)最大密度特征的深度提示，獲得所述最大密度特征的深度感知增強(qiáng)圖像。進(jìn)一步地，本發(fā)明利用色調(diào)映射方法將所述形狀感知增強(qiáng)圖像映射至顯示設(shè)備的顯示范圍中，以保留形狀感知增強(qiáng)圖像的對(duì)比度。進(jìn)一步地，在本發(fā)明中，用戶利用鼠標(biāo)在所述體數(shù)據(jù)的繪制結(jié)果圖像中交互指定感興趣特征，根據(jù)所述最佳法向特征的空間位置相似性和所述相似特征的密度值相似性，對(duì)所述最大密度特征的繪制結(jié)果圖像做區(qū)域增長(zhǎng)，以確定所述最大密度特征的感興趣特征區(qū)域及背景特征區(qū)域，進(jìn)而利用所述視覺感知增強(qiáng)的最大密度投影方法對(duì)所述最大密度特征的感興趣區(qū)域進(jìn)行繪制，而對(duì)所述最大密度特征的背景特征區(qū)域則利用MIP算法進(jìn)行繪制。進(jìn)一步地，本發(fā)明在步驟(2)中，所述光照處理中所用的光照模型為Phong光照模型。與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是(1)本發(fā)明精確查找沿視線方向的最大密度特征的最佳法向信息，并根據(jù)最佳法向特征的深度信息對(duì)最大密度特征做基于深度自適應(yīng)地Phong光照處理，有效增強(qiáng)了最大密度特征的視覺感知，無需調(diào)節(jié)復(fù)雜的傳輸函數(shù)；
(2)利用HSV顏色模型將最佳法向的深度信息動(dòng)態(tài)映射為顏色信息，進(jìn)一步豐富了最大密度特征的深度提示信息；(3)引入圖形處理領(lǐng)域的色調(diào)映射(Tone reduction)技術(shù),在保留最大密度特征的對(duì)比度的前提下，將最大密度特征的光照結(jié)果圖像映射至顯示設(shè)備的顯示范圍中；(4)提供了一種基于密度值和深度的雙閾值區(qū)域增長(zhǎng)策略，有效確定感興趣特征的邊界信息，保證了感興趣特征的密度屬性相似性及空間相近性，進(jìn)而通過不同的繪制策略以突出感興趣特征的增強(qiáng)展示。綜上，本發(fā)明相比于經(jīng)典的最大密度投影方法(即MIP算法，相關(guān)技術(shù)可參考Anderson C. M. , Saloner D.,Tsuruda J. S. , et al. . Artifacts in Maximum IntensityProjection Display of MR Angiograms[J]. American Journal of Roentgenology, 1990，154(3) :623-629),提供了深度信息和形狀信息更加豐富的繪制結(jié)果。相比于經(jīng)典的直接體繪制方法(相關(guān)技術(shù)可參考Max N. . Optical Models for Direct Volume Rendering [J].1EEE Transactions on Visualization and Computer Graphics, 1995，I(2):99-108),無需調(diào)節(jié)復(fù)雜的傳輸函數(shù)，便可以獲得視覺感知增強(qiáng)的體繪制結(jié)果，提高了體數(shù)據(jù)可視分析的效率，豐富了體數(shù)據(jù)內(nèi)部最大密度特征的信息。


圖1是本發(fā)明方法的流程示意圖；圖2是基于雙閾值區(qū)域增長(zhǎng)的感興趣區(qū)域特征邊界確定的流程圖；圖3是本發(fā)明方法與經(jīng)典的MIP算法的繪制結(jié)果對(duì)比圖，其中圖3 (a)示出了經(jīng)典的MIP算法的繪制結(jié)果；圖3 (b)示出了 DEMIP算法的繪制結(jié)果；圖3 (c)示出了本發(fā)明對(duì)最大密度特征，利用Phong模型做光照處理的形狀感知增強(qiáng)結(jié)果圖像；圖3 (d)示出了本發(fā)明對(duì)形狀感知結(jié)果圖像，根據(jù)所述最佳法向特征的深度信息，自適應(yīng)更新光照系數(shù)后獲得視覺感知增強(qiáng)結(jié)果圖像。
具體實(shí)施例方式下面結(jié)合附圖，對(duì)本發(fā)明的基于視覺感知增強(qiáng)的最大密度投影方法作進(jìn)一步的說明。參見圖1，本發(fā)明方法的具體步驟如下步驟I):讀入體數(shù)據(jù)，利用經(jīng)典的最大密度投影方法(即MIP算法)，對(duì)體數(shù)據(jù)做第一次光線投射而獲得當(dāng)前視線方向的最大密度特征；并將所述最大密度特征的密度值作為顏色分量，直接投影至當(dāng)前視線所對(duì)應(yīng)的屏幕像素，記錄所述最大密度特征的深度信息和密度值信息，進(jìn)而獲得所述體數(shù)據(jù)的最大密度投影方法的繪制結(jié)果圖像。以所述最大密度特征所在的空間位置為終止點(diǎn)，對(duì)所述體數(shù)據(jù)沿所述當(dāng)前視線方向做第二次光線投射，根據(jù)用戶交互設(shè)置的相似性閾值，獲得所述最大密度特征之前的相似特征，記錄所述相似特征的深度信息和密度值信息，進(jìn)而獲得所述相似特征的繪制結(jié)果圖像。以所述相似特征所在的空間位置為起點(diǎn)，沿所述當(dāng)前視線方向的反方向做第三次光線投射，在用戶交互指定的深度范圍內(nèi)，查找具有最大梯度模的采樣點(diǎn)，以該采樣點(diǎn)為最大密度特征的最佳法向特征，記錄所述最佳法向特征的深度信息與密度值信息，進(jìn)而獲得所述最佳法向特征的繪制結(jié)果圖像。步驟2):根據(jù)所述最佳法向特征的法向信息，利用Phong光照模型，按照公式(I)所示的方法對(duì)所述最大密度特征做光照處理，獲得光照結(jié)果圖像，通過最大密度特征表面的明暗變化，增強(qiáng)最大密度特征的形狀感知(參見圖3 (C))。 C= (ka+kd (Nvalid · L)) *CMIP+ks (Nvalid · L)n(I)式(I )，ka表示環(huán)境光系數(shù)，通常設(shè)置為1. O ；kd表示漫反射系數(shù)，通常設(shè)置為O. 5 ；ks表示鏡面高光系數(shù)，通常設(shè)置為O. 75…-“表示所述最佳法向特征的法向；L表示光線的方向；CMIP表示最大密度特征對(duì)應(yīng)的顏色值；(表示繪制結(jié)果圖像中的與光線對(duì)應(yīng)的像素的顏色值；11近似表示特征表面的光滑程度，通常設(shè)置為40。作為本發(fā)明的優(yōu)選實(shí)施方式，可根據(jù)所述最佳法向特征的深度信息，按公式(2)所示方法自適應(yīng)地更新Phong光照模型中的環(huán)境光系數(shù)ka、漫反射系數(shù)kd及鏡面高光系數(shù)ks，進(jìn)而增強(qiáng)最佳法向特征的繪制結(jié)果圖像中的最大密度特征的深度感知(參見圖3 (d))。
權(quán)利要求
1.一種基于視覺感知增強(qiáng)的最大密度投影方法，其特征在于包括如下步驟 (1)獲取目標(biāo)對(duì)象的體數(shù)據(jù)，對(duì)體數(shù)據(jù)做第一次光線投射而獲得當(dāng)前視線方向的最大密度特征，并獲得所述體數(shù)據(jù)的繪制結(jié)果圖像；以所述最大密度特征所在的空間位置為終點(diǎn)，沿所述當(dāng)前視線方向?qū)w數(shù)據(jù)做第二次光線投射，根據(jù)用戶交互設(shè)置的相似性閾值，獲得最大密度特征之前的相似特征，并獲得所述相似特征的繪制結(jié)果圖像；以所述相似特征所在的位置為起點(diǎn)，沿所述當(dāng)前視線方向的反方向?qū)w數(shù)據(jù)做第三次光線投射，查找擁有最大梯度模的采樣點(diǎn)，并以該采樣點(diǎn)為所述最大密度特征的最佳法向特征，并獲得所述最佳法向特征的繪制結(jié)果圖像； (2)利用所述最佳法向特征的法向信息，對(duì)所述最大密度特征做光照處理，以獲得所述最大密度特征的形狀感知增強(qiáng)圖像。
2.根據(jù)權(quán)利要求1所述的基于視覺感知增強(qiáng)的最大密度投影方法，其特征在于利用所述最佳法向特征的深度信息，更新所述光照處理中所用的光照模型的環(huán)境光系數(shù)、漫反射系數(shù)和鏡面高光系數(shù)，以獲得所述最大密度特征的深度感知增強(qiáng)圖像。
3.根據(jù)權(quán)利要求1所述的基于視覺感知增強(qiáng)的最大密度投影方法，其特征在于利用HSV顏色模型將所述最佳法向特征的深度信息映射為不同顏色，以增強(qiáng)最大密度特征的深度提示，獲得所述最大密度特征的深度感知增強(qiáng)圖像。
4.根據(jù)權(quán)利要求1至3中任一項(xiàng)所述的基于視覺感知增強(qiáng)的最大密度投影方法，其特征在于利用色調(diào)映射方法將所述形狀感知增強(qiáng)圖像映射至顯示設(shè)備的顯示范圍中，以保留形狀感知增強(qiáng)圖像的對(duì)比度。
5.根據(jù)權(quán)利要求1至4中任一項(xiàng)所述的基于視覺感知增強(qiáng)的最大密度投影方法，其特征在于用戶利用鼠標(biāo)在所述體數(shù)據(jù)的繪制結(jié)果圖像中交互指定感興趣特征，根據(jù)所述最佳法向特征的空間位置相似性和所述相似特征的密度值相似性，對(duì)所述最大密度特征的繪制結(jié)果圖像做區(qū)域增長(zhǎng)，以確定所述最大密度特征的感興趣特征區(qū)域及背景特征區(qū)域，進(jìn)而利用所述視覺感知增強(qiáng)的最大密度投影方法對(duì)所述最大密度特征的感興趣區(qū)域進(jìn)行繪制，而對(duì)所述最大密度特征的背景特征區(qū)域則利用MIP算法進(jìn)行繪制。
6.根據(jù)權(quán)利要求1或2所述的基于視覺感知增強(qiáng)的最大密度投影方法，其特征在于在步驟(2)中，所述光照處理中所用的光照模型為Phong光照模型。
全文摘要
本發(fā)明公開一種基于視覺感知增強(qiáng)的最大密度投影方法，包括獲取目標(biāo)對(duì)象的體數(shù)據(jù)，對(duì)體數(shù)據(jù)做第一次光線投射而獲得當(dāng)前視線方向的最大密度特征，并獲得體數(shù)據(jù)的繪制結(jié)果圖像；以最大密度特征所在空間位置為終點(diǎn)，沿當(dāng)前視線方向?qū)w數(shù)據(jù)做第二次光線投射，根據(jù)用戶交互設(shè)置的相似性閾值，獲得最大密度特征之前的相似特征，并獲得相似特征的繪制結(jié)果圖像；以相似特征所在位置為起點(diǎn)，沿當(dāng)前視線方向的反方向?qū)w數(shù)據(jù)做第三次光線投射，查找擁有最大梯度模的采樣點(diǎn)，并以該采樣點(diǎn)為最大密度特征的最佳法向特征，并獲得最佳法向特征的繪制結(jié)果圖像；利用最佳法向特征的法向信息，對(duì)最大密度特征做光照處理，以獲得最大密度特征的形狀感知增強(qiáng)圖像。
文檔編號(hào)G06T15/08GK103035026SQ201210484710
公開日2013年4月10日 申請(qǐng)日期2012年11月24日 優(yōu)先權(quán)日2012年11月24日
發(fā)明者林海, 周志光 申請(qǐng)人:浙江大學(xué)