基于数据空间重要性的自适应采样体绘制算法-adaptive sampling volume rendering algorithm based on the importance of data space.docxVIP

摘要体绘制是一种有效的数据可视化技术，相对传统的面绘制，它不需要生成中间几何图元，直接将体数据映射为二维图像，能够有效刻画体数据的内部细节，因此受到科学研究和工程技术人员的重视。光线投射算法是一种成像质量较高的体绘制算法，应用广泛，但算法时间复杂度高，绘制速度慢，成为制约其进一步推广应用的瓶颈。随着图形设备的快速发展，尤其是可编程图形处理器GPU的推出，为这一问题的解决提供了新的途径。目前，光线投射使用的自适应采样方法主要应用于空体素跳跃、快速等值面提取和多分辨率显示。从设计目的上看，前两者是从体数据的全局出发来降低算法的时间开销，而尽量不影响图像质量，因此，并未使图像质量有所增强；后者是从用户的角度出发，适当降低其不感兴趣区域的分辨率，以降低算法的时间开销，因此，也不能使用户感兴趣区域的图像质量有所增强。此外，采样方法并不以具体的体数据为依据，采样与数据场的空间特征相脱节，忽略了体数据的空间重要性。本文结合体数据空间变化趋势，针对光线投射算法存在的问题，提出了基于体数据空间重要性的体绘制算法：基于点梯度的完全自适应采样绘制算法和基于块重要性的自适应采样绘制算法，并获得了较好的绘制质量。同时，针对块重要性的采样算法，提出了基于八叉树的空间索引结构，实现了片元级的空体素跳跃，提高了绘制速度。最后，集成两种自适应采样技术，设计实现了体绘制系统框架。本文的主要工作及取得的主要研究成果包括