基于壓縮域的體可視化數據預處理研究.pdf

1、對采集的小鼠腦神經回路大數據進行可視化實驗，驗證了所提出方法的正確性和有效性。
　　腦神經回路是大腦行使一切功能的物質基礎，通過對高精度大規(guī)模腦神經回路樣本數據的高效處理與可視分析，深入認識準確掌握腦的神經回路結構和功能，進而破解大腦之謎，是我國社會和科技發(fā)展的重大需求。
　　目前國內外最先進的高精度光學腦成像設備對小鼠腦結構采樣，即可得到數百GB到數TB的全腦成像數據。由于數據規(guī)模巨大，直接利用原始數據進行體可視化已不可能

2、。需要對原始數據進行數據壓縮處理，減少數據量，進而研究基于壓縮域的體可視化是提高腦神經回路大數據可視化效率的有效技術途徑。本文主要工作和研究成果如下：
　　1.設計實現了一種多分辨率按需分八叉樹（multiresolution branch-on-need octrees,MBONOs）的數據存儲結構，對高精度光學腦成像大數據進行組織管理。首先將體數據分成分辨率為塊，根據BONOs結構的實際范圍劃分規(guī)則，得到每個葉節(jié)點的實際范圍。

3、并行構建時，根據八元編碼和八叉樹的對應規(guī)則，每個計算結點根據自己的計算任務讀取相應的圖片數據進行葉節(jié)點數據的生成。然后由葉節(jié)點數據規(guī)約為一個更高層次的內部節(jié)點，依次循環(huán)，得到多分辨率按需分八叉樹每個節(jié)點的數據。最后將得到的每個節(jié)點數據采用本文提出的基于分類分層矢量量化和完美空間哈希相結合的壓縮算法對數據進行壓縮并存儲。的數據塊，那么得到個這樣的數據
　　2.提出了一種基于分類分層矢量量化（flag based classical

4、hierarchical vector quantization，FCHVQ）和完美空間哈希（perfect spatial hashing，PSH）相結合的壓縮域可視化方法。首先對三維體數據進行分塊，記錄每塊的平均值并根據塊內體數據的平均梯度值是否為0進行分類；其次運用分層矢量量化對平均梯度值不為0的塊進行壓縮；然后用分塊完美空間哈希技術存儲壓縮得到的兩個索引值；對上面的壓縮體數據進行解碼得到恢復體數據，最后采用分塊完美空間哈希對原始

5、體數據與恢復體數據作差得到的殘差體數據進行壓縮。繪制時，只需將壓縮得到的數據作為紋理加載到GPU內，就可在GPU內完成實時解壓縮繪制。取得了良好可視化的實驗效果。
　　3.設計實現了基于腦神經回路大數據的體可視化軟件原型系統(tǒng)。該系統(tǒng)由數據處理模塊、渲染模塊和人機交互模塊組成。系統(tǒng)在內存中維護兩個緩沖區(qū)，每個緩沖區(qū)對應一個數據塊，系統(tǒng)根據用戶的操作選取一個數據塊將其加載到緩沖區(qū)中，進行紋理構造，并將其加載到GPU內；然后對數據塊運用