基于GPU的體數據壓縮融合體繪制研究與應用.pdf

1、隨著商用圖形硬件的發(fā)展，在商用平臺上基于GPU的直接體繪制技術已經廣泛應用到三維體數據交互式可視化。然而，大規(guī)模體數據的直接體繪制常常受到GPU存儲器容量和主存到顯存的帶寬限制。為了解決這個問題，壓縮技術被引入到體繪制中。為了提高整個存儲和繪制管線的能力和性能，要求用于體繪制的三維數據體壓縮算法是極其不對稱，對壓縮算法性能要求不高，但是解壓必須是能夠滿足實時體繪制性能的需求。矢量量化壓縮體繪制是一種經典有效的壓縮體繪制方法。優(yōu)點在于很好

2、的滿足了不對稱性能的要求，并且適合在GPU內解壓。但是由于體數據一般規(guī)模龐大，矢量量化碼書生成非常耗時，嚴重制約了它的實際應用價值。
　　本文針對壓縮體繪制在地震物探領域內應用所產生的問題開展研究。論文的主要貢獻如下：
　　1.提出了基于數據流聚類的GPU碼書初始化算法。地震數據規(guī)模通常會超過GPU的存儲空間，目前利用 GPU進行碼書初始加速的基本思想是將數據調入GPU，再利用相應的碼書初始化算法在 GPU中進行計算，這僅僅

3、只是利用 GPU的高度并行能力。這種方法存在的問題是：如果數據規(guī)模過大，超過了GPU的存儲空間，需要頻繁的CPU與 GPU的數據通信，導致的性能低下。針對該問題，本文提出了基于數據流聚類碼書初始化算法。其基本思想是先將大數據分割成為多個分塊，對每一個分塊獨立的生成初始碼書，在此基礎上進行初始碼書的合并處理。每一個分塊數據只需要從 CPU到 GPU數據傳輸一次，從而提高了初始碼書生成效率。仿真結果表明，該方法能有效解決大規(guī)模數據壓縮體繪制

4、的碼書初始化問題；
　　2.提出了基于矢量量化的多屬性融合體繪制算法。多屬性的融合可以提高目標的信噪比。傳統(tǒng)的多屬性融合是先進行數據的融合，形成新的融合體。融合體繪制是實現(xiàn)顯示的融合，可以支持交互式的融合參數實時調整。但多種屬性數據通常會超過GPU的存儲空間。基于此，本文提出了基于矢量量化的多屬性壓縮融合體繪制算法。其基本思想將矢量量化壓縮后的數據調入GPU，并在GPU內實現(xiàn)融合體繪制。通過仿真表明，本方法可以有效解決多屬性數據規(guī)