近年来,可视化技术在医学领域发挥越来越重要的作用。连续扫描的二维医学图像通过可视化技术三维重建,能够提供更丰富的解剖学和病理学信息。彩色体数据一般来源于人体的生理切片图像,由于记录每一个采样点的真实颜色,因此较传统标量体数据提供了更多的信息量。但是由于彩色体数据缺乏物质密度、吸收系数等物理信息,使体素的不透明度设置难度增加,无疑给彩色体数据分类带来了挑战。对体素赋予适当的不透明度值,可以增强感兴趣组织和特征结构的显示,辅助体数据有效合理的分类。传统标量体数据的分类技术已比较成熟,但是彩色体数据的分类研究则相对较少。针对上述问题,本文分析了彩色体数据的特征属性,即颜色及其导出的纹理属性,提出了基于特征空间聚类的彩色体数据分类方法。本文首先提出了基于颜色的高斯混合模型(GMM)分类方法,在颜色空间对彩色体数据进行初步分类,并且用户可以交互地调整生成的高斯模型,获得更好的分类结果。对于颜色空间中不易区分的特征结构,本文又提出了基于高维纹理向量降维聚类的分类方法,把图像处理领域中的纹理分析方法应用于彩色体数据,获得一阶、二阶和高阶纹理属性组成的高维纹理向量,并运用局部线性嵌入(LLE)方法进行降维聚类,用户可以在降维后的特征空间中,直观简洁地选择感兴趣的特征结构。最后,论文展示了基于上述高斯混合模型(GMM)和用局部线性嵌入(LLE)方法在可视人彩色体数据的分类结果,实验结果表明了本文提出的方法在彩色体数据分类上的有效性。