【技术实现步骤摘要】
一种基于无监督分割的时变体数据全局特征跟踪方法
[0001]本专利技术涉及一般的图像数据处理或产生的
，特别涉及一种可视化和可视分析领域的基于无监督分割的时变体数据全局特征跟踪方法。
技术介绍
[0002]在许多科学领域，每天会模拟产生大量依赖于时间的体数据，例如宇宙模拟、流体动力学模拟、生物分子模拟等，这些数据往往具有较高的复杂性，跟踪和分析这些数据的部分特征是比较困难的。
[0003]在目前的研究中，空间优先特征跟踪策略已被广泛应用于时变数据中的特征跟踪。其背后的基本思想是从每个时间步长中独立提取特征，然后根据定义的匹配规则确定相邻时间步长之间的对应关系。虽然过去已经提出了许多方法来确定相应的关系，如体积重叠及其扩展、光流、路径相干性和分布，但最广泛使用的方法是基于体积重叠。在生物分子模拟中，Krone等人利用相邻时间步长中特征的分子表面的交集来跟踪特征的演化，这是基于体积重叠的方法的一种变化。基于重叠体素，Saikia等人引入了全局特征跟踪方法来逃避局部最优。面对不知道特征的精确定义的挑战，Dutta等人...
【技术保护点】
【技术特征摘要】
1.一种基于无监督分割的时变体数据全局特征跟踪方法，其特征在于：所述方法构造体数据分割网络，以所述网络对输入的体数据进行分割并实现全局追踪。2.根据权利要求1所述的一种基于无监督分割的时变体数据全局特征跟踪方法，其特征在于：对输入的体数据的预处理包括以下步骤：步骤1.1：获取原始时变体数据增强对比度，并归一化处理，N为体数据数量，n为1至N的正整数；步骤1.2：将处理后的原始时变体数据根据SLIC算法划分成超体素作为待输入分割网络的体数据，K是待分割超体素的数量，k为1至K的正整数。3.根据权利要求2所述的一种基于无监督分割的时变体数据全局特征跟踪方法，其特征在于：构造的所述体数据分割网络包括特征提取模块；从特征提取模块中计算一个p维的映射{V
n
}
→
{X
n
}，构造的特征提取模块包括顺次设置的1个3D卷积滤波器、1个批处理归一化函数、一个h
‑
swish激活函数、M个瓶颈组件；所述瓶颈组件包括1个1x1x1展开卷积、1个3x3x3膨胀卷积和1个1x1x1投影层，瓶颈组件的输入和输出通过残差模块连接；所述特征提取模块后顺次设置1个3D卷积滤波器、1个批处理归一化函数和1个线性分类器；所述线性分类器满足W
c
∈V
q
×
p
且b
c
∈V
q
，其中q为聚类的个数，c是卷积通道数，p为特征维数，V为体数据，W
c
和b
c
为分类器的参数；将响应映射归一化为其中，的均值和单位方差为零，通过选择在y
′
n
中具有最大值的维度得到聚类标签{C
n
}；改进聚类标签，令是H
k
中属于第C
n
个簇的体素数，将集群标签替换为C
max
，对于所有C
n
∈{1,...,q}来说，以softmax损失函数计算响应和改进的聚类标签之间的损失，以反向传播算法更新卷积滤波器的参数以及分类器的参数{W
c
,b
c
}，M为3D卷积滤波器的层数；以3d连通分量算法将在空间上没有连通的两个聚类分配不同的索引值，索引值相同的体素属于同一个特征，将体数据分割成了包含不同索引值的域，得到对应背景或特征的域。4.根据权利要求3所述的一种基于无监督分割的时变体数据全局特征跟踪方法，其特征在于：{y
′
n
}中的第i个簇为，其中，y
′
n,i
和y
′
n,j
分别表示y
n
的第i和第j个元素。5.根据权利要求1所述的一种基于无监督分割的时变体数据全局特征跟踪方法，其特征在于：所述全局追踪包括以下步骤：步骤2.1：构造用于记录跟踪的图；步骤2.2：在图中查找特征的跟踪路径；步骤2.3：在时间和空间约束下实现特征跟踪。6.根据权利要求6所述的一种基于无监督分割的时变体数据全局特征跟踪方法，其特
征在于：所述步骤2.1包括以下步骤：步骤2.1.1：构造一有向无环图DAG记录跟踪信息，DAG的节点为分割后的域，每个节点保存其所在时间步的标签及对应域的直方图信息；步骤2.1.2：对于每个在时间步t的特征域S
t
和在时间步t+1的特征域S
t+1
，计算质心cS
t
和质心cS
t+1
之间的距离d
c
，分割后的时变体数据中，任意两个区域S
a
和S
b
之间的卡方直方图距离d
s
为，其中，和分别是域S
a
、S
b
的直方图的第...
【专利技术属性】
技术研发人员：马骥，鲍铭钰，陈金金，秦绪佳，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。