基于光线投射的体绘制系统VIZARD Ⅱ

体可视化是一个从不同的科学角度去查看和分析大量数据的重要工具,它在许多领域有广泛的应用,例如生物医学、地球物理学、计算动态流体学、有限元建模、计算化学等.大数据集的实时可视化对现代工作站有很高的计算要求,特别是在内存系统,而要求的内存带宽在大多数的现在工作站和个人计算机上是不能达到的.如果要达到所要求的带宽,数据集必须被划分到多个内存模块中,而且必须使用并行处理的方式.这篇文章介绍的体绘制系统正是采用并行和流水线技术来实现光线投射,使实时体可视化在费用,性能方面都进行了优化.     

基于光线投射的体绘制系统VIZARD II

体可视化是一个从不同的科学角度去查看和分析大量数据的重要工具,它在许多领域有广泛的应用,例如生物医学、地球物理学、计算动态流体学、有限元建模、计算化学等。大数据集的实时可视化对现代工作站有很高的计算要求,特别是在内存系统,而要求的内存带宽在大多数的现在工作站和个人计算机上是不能达到的。如果要达到所要求的带宽,数据集必须被划分到多个内存模块中,而且必须使用并行处理的方式。这篇文章介绍的体绘制系统正是采用并行和流水线技术来实现光线投射,使实时体可视化在费用,性能方面都进行了优化。     

一种改进的光线投射算法

光线段射算法是体绘制中常用的方法,但是其绘制速度较慢,图像质量也不是很理想。通过利用模糊阈值分割技术将整个三维数据场分类为边界区域与非边界区域,然后采用模糊增强运算进一步降低模糊性。最后再进行采样点的计算及图像的合成。实验结果表明,此方法既能提高绘制的速度,又能保证绘制质量。     

基于包围跳跃的CUDA光线投射算法

针对传统光线投射算法绘制速度慢和GPU (Graphics Processing Unit,图形处理器)不能有效进行并行计算的缺点,文章提出一种基于包围跳跃的CUDA(Compute Unified Device Architecture,计算统一设备架构)光线投射算法,首先介绍了CUDA的编程模型和线程结构,然后用包围盒技术隔离体数据周围无效的空体素,减少投射光线的数目;利用光线跳跃技术,在包围盒内进行快速光线的合成,跳过透明的体素,减少大量体素的重采样;最后使用CUDA强大的并行处理计算的功能实现光线投射算法。实验结果表明,本文的方法在保证图像质量的同时,在绘制速度上比基于GPU加速的光线投射算法有14倍的提高,能够接近实时绘制,有很好的应用价值。     

规则数据场相关性的光线投射算法

光线投射算法是体绘制中的经典方法之一,这一算法突出的优点是不必再单儿消隐,具有结构清晰,算法简单,实现便利的特点,但简单的光线投射算法存在采样效率低和绘制精度低的缺点,本利用数据场的相关性和不等步长的采样方法来改善光线投射算法的不足,使它既具有快速的优点又具有较高的成象精度。     

一种优化的光线投射体绘制采样算法

提出一种通过光线与体元两个交点处的体数据值线性采样的方法，减少了插值计算次数，分析了这种采样方法与三元线性插值方法的差异，证明这是一种可行的有效方法．     

光线投射的快速算法研究

针对医学体数据场的直接体绘制（DVR）的加速算法进行了讨论。基于体绘制的多种加速技术。利用格雷厄姆求凸壳算法和与平面簇求交算法对体数据场和投射光线进行裁剪,结合多边形的扫描线转换和投射光线的离散化、体素化,改进了光线投射算法。。     

基于包围跳跃的计算统一设备架构光线投射算法

针对传统光线投射算法绘制速度慢和图形处理器(graphics processing unit,GPU)不能有效进行并行计算的缺点,文章提出一种基于包围跳跃的计算统一设备架构(compute unified device architecture,CUDA)光线投射算法。首先介绍了CUDA的编程模型和线程结构,然后用包围盒技术隔离体数据周围无效的空体素,减少投射光线的数目;利用光线跳跃技术,在包围盒内进行快速光线的合成,跳过透明的体素,减少大量体素的重采样;最后使用CUDA强大的并行处理计算的功能实现光线投射算法。实验结果表明,在保证图像质量的同时,绘制速度上比基于GPU加速的光线投射算法有14倍的提高,能够接近实时绘制,有很好的应用价值。     

三种体绘制算法的比较

体绘制技术是一种能够准确反映出数据内部信息的可视化技术，本文介绍了3种常用体绘制算法：光线投射算法，足迹算法和错切-变形算法的基本思想，在此基础上比较了它们的性能并对它们的改进作了进一步的讨论，最后给出了结论并对这3种算法的前号作出了的展望．     

一种适合于薄细结构显示的光线投射方法

光线投射算法是三维数据可视化中一种重要的数据遍历方法，文中详细分析了该算法在显示薄细结构时所面临的困难，提出了两种改进算法，成功地解决了原算法的缺陷。     

基于舍弃采样的光线投射加速算法

光线投射法是一种重要的体绘制算法,但直线上采样点的确定和采样值计算是非常费时的,也是影响体绘制实时性的重要因素.针对这个问题,该文利用对象空间的相关性,采用舍弃贡献不大的射线段参与采样的方法,加快了绘制速度.同时利用平面簇的交点可以快速求得直线上的采样点及其特征值,结合自适应采样方法,提高了绘制图像的质量.改进以后的算法复杂度明显降低,实验结果证明绘制速度可以提高20%左右.     

基于八叉树编码的CUDA光线投射算法

目的针对传统的GPU光线投射算法绘制效果差,绘制效率低的问题,在CUDA架构上对光线投射算法进行优化和加速。方法首先采用八叉树对体数据进行编码,有效地剔除体数据中对重建图像无贡献的部分;其次,将体数据绑定到三维纹理上,根据体数据大小分配线程,每条光线与体数据求交时采用并行计算;最后,在CUDA内核中实现光线投射算法。结果仿真实验结果表明文中算法可以将传统GPU光线投射算法的绘制速度提高7～15倍,并增强算法的绘制效果。结论算法对传统的GPU光线投射算法的绘制速度和效果都有提高。     

面向直接体绘制的空间一致性分析方法与应用

空间信息对揭示体数据内部特征具有重要意义,传统基于传递函数的直接体绘制法难以有效利用空间信息。对于基于直方图的传递函数,文章提出基于特征的空间一致度概念以刻画特征的空间特性——体素的空间聚集度,并提出考虑空间一致度的自适应光线投射法,该方法能基于空间一致度自动调节颜色和不透明度以优化绘制结果,并通过上述方法将空间信息引入到直接体绘制。多个实际体数据的测试结果表明,文中所提出的方法能有效考虑体数据的空间特性,可优化绘制结果。     

基于VTK的光线投射算法的采样间距

在VTK算法平台上,分别采用细胞显微图像和头部图像等三维体数据实现了光线投射体绘制算法。实验采用不同的采样间距,得到不同的重构效果,所需的重构时间也不同。通过比较与分析采样间距与重构效果和重构时间的关系,获得合理的采样间距,为不同的序列切片图像三维重建技术研究与应用提供了实验基础。     

基于混合数据场的快速体绘制算法

为了突出人体重点器官的显示，提出了一种新颖的基于混合数据场的快速体绘制算法，从原始的三维数据中提取重要的结构，然后将原始三维数据中非重点的部分转换为梯度数据，构成混合数据，从而对混合数据进行体绘制，结果表明，该算法可以加快体绘制速度同时改善重点器官的显示效果。     

面向多请求的并行体绘制算法

为了提高并行体绘制算法在处理连续多个绘制请求时计算资源的利用率,提出了一种面向多请求的并行体绘制算法.该算法从两个层次并行处理多绘制请求,首先是不同请求之间的并行计算,其次是对单个请求的并行绘制.根据请求和节点的数目,提出了一种合理的任务分配策略,不仅及时响应用户请求,而且降低了连续多请求的总绘制时间.为便于负载平衡的实现,采用动态资源调度策略.在清华高性能集群计算机系统上实现了该算法.用32个处理器处理16个请求时,与现有其他算法相比,总绘制时间减少了约9.676 s, 响应延迟只增加了0.378 s.     

基于矢量量化压缩的大规模体数据直接绘制

针对大规模体数据通常不适合于硬件三维纹理加速绘制的问题,使用基于区域分裂的LBG算法对大规模体数据进行矢量量化压缩,使得其压缩编码适合硬件纹理空间大小.并在图形硬件的可编程渲染器中对压缩后的三维纹理体数据进行实时地矢量解码和绘制,在解码过程中通过设定掩码纹理给出了大规模体数据的局部感兴趣区域的体绘制.实验结果表明,在不同压缩比和信噪比下,大规模体数据绘制的图像仍然具有较高的质量且维持高帧速率,绘制性能满足实时交互.     

Fast combinative volume rendering by indexed data structure

It is beneficial to study the interesting contents in a data set by combining and rendering variouscontents of the data. In this regard, an indexed data structure is proposed to facilitate the reorganization of data so that the contents of the data can be combined conveniently and only the selected contents in the data are processed for rendering. Based on the structure, the cells of different contents can be queued up easily so that the volume rendering can be conducted more accurately and quickly. Experimental results show that the indexed data structure is very efficient in improving combinative volume rendering.     

基于纹理硬件的大规模体数据快速绘制算法

针对大规模的体数据 ,有限的硬件纹理内存将大大降低算法的有效性 ,提出了一个新算法用于加速基于纹理硬件的大规模体数据的体绘制。基于一个新的 4级体数据装入流水线 ,算法在绘制前快速有效的对体数据进行预处理后 ,只将对最终结果图像有贡献的体元装入纹理内存并用于绘制 ,从而有效的降低了系统负载。同时 ,提出的算法支持对原始体数据分类阈值的交互修改与分类结果的快速预处理与交互显示。实验显示 ,与原始的基于纹理硬件的体绘制方法比较 ,本文提出的算法节省了 40 %到 6 0 %的绘制时间