基于压缩域的体可视化数据预处理研究

摘要

对采集的小鼠脑神经回路大数据进行可视化实验，验证了所提出方法的正确性和有效性。
　　脑神经回路是大脑行使一切功能的物质基础，通过对高精度大规模脑神经回路样本数据的高效处理与可视分析，深入认识准确掌握脑的神经回路结构和功能，进而破解大脑之谜，是我国社会和科技发展的重大需求。
　　目前国内外最先进的高精度光学脑成像设备对小鼠脑结构采样，即可得到数百GB到数TB的全脑成像数据。由于数据规模巨大，直接利用原始数据进行体可视化已不可能。需要对原始数据进行数据压缩处理，减少数据量，进而研究基于压缩域的体可视化是提高脑神经回路大数据可视化效率的有效技术途径。本文主要工作和研究成果如下：
　　1.设计实现了一种多分辨率按需分八叉树（multiresolution branch-on-need octrees,MBONOs）的数据存储结构，对高精度光学脑成像大数据进行组织管理。首先将体数据分成分辨率为块，根据BONOs结构的实际范围划分规则，得到每个叶节点的实际范围。并行构建时，根据八元编码和八叉树的对应规则，每个计算结点根据自己的计算任务读取相应的图片数据进行叶节点数据的生成。然后由叶节点数据规约为一个更高层次的内部节点，依次循环，得到多分辨率按需分八叉树每个节点的数据。最后将得到的每个节点数据采用本文提出的基于分类分层矢量量化和完美空间哈希相结合的压缩算法对数据进行压缩并存储。的数据块，那么得到个这样的数据
　　2.提出了一种基于分类分层矢量量化（flag based classical hierarchical vector quantization，FCHVQ）和完美空间哈希（perfect spatial hashing，PSH）相结合的压缩域可视化方法。首先对三维体数据进行分块，记录每块的平均值并根据块内体数据的平均梯度值是否为0进行分类；其次运用分层矢量量化对平均梯度值不为0的块进行压缩；然后用分块完美空间哈希技术存储压缩得到的两个索引值；对上面的压缩体数据进行解码得到恢复体数据，最后采用分块完美空间哈希对原始体数据与恢复体数据作差得到的残差体数据进行压缩。绘制时，只需将压缩得到的数据作为纹理加载到GPU内，就可在GPU内完成实时解压缩绘制。取得了良好可视化的实验效果。
　　3.设计实现了基于脑神经回路大数据的体可视化软件原型系统。该系统由数据处理模块、渲染模块和人机交互模块组成。系统在内存中维护两个缓冲区，每个缓冲区对应一个数据块，系统根据用户的操作选取一个数据块将其加载到缓冲区中，进行纹理构造，并将其加载到GPU内；然后对数据块运用渲染模块提供的体可视化方法进行GPU内的解压缩绘制；人机交互模块实现脑神经回路图形的旋转、平移和伸缩等功能，通过人机交互着重消除暗淡不关心区域。用该原型系统对采集的小鼠脑神经回路大数据进行可视化实验，验证了所提出方法的正确性和有效性。

目录

声明

第一章 绪论

1.1 研究背景和研究意义

1.2相关研究基础

1.3 国内外研究现状

1.4 本文的组织结构

1.5 本文研究成果

第二章 体数据组织管理技术

2.1 八叉树

2.2多分辨率BONOs

2.3 本章小结

第三章 压缩域体可视方法

3.1 压缩方法简介

3.2 完美空间哈希技术

3.3 矢量量化

3.4分类分层矢量量化和完美空间哈希相结合

3.5 可视化方法

3.6 本章小结

第四章 系统设计与实现

4.1 系统设计框架

4.2 实验结果分析

4.3 本章小结

第五章 总结与展望

5.1 本文工作总结

5.2 本文研究课题的下一步工作和展望

致谢

参考文献

作者在学期间取得的学术成果