码书自适应的大规模体数据矢量量化算法

针对大规模体数据矢量量化VQ(Vector Quantisation)编码时间长的问题,提出一种基于图形处理器的码书自适应的大规模体数据矢量量化算法。该算法首先提取原始体数据密度分布特征,据此选取合适的初始码书生成算法,将矢量数据分批先后载入图形处理器进行并行计算,每读入一批数据,根据该批数据的码准值对第一批数据产生的码书进行优化及扩充,随后完成该批数据的编码。实验结果表明,该算法提高了图像的编码速度及还原质量,明显缩短了图像的压缩时间,同时保证了体数据重构质量。     

基于压缩域的脑成像大数据体可视化方法

脑科学是当今国际科技研究的前沿邻域,而对高精度脑成像数据进行可视化是脑神经科学在结构成像方面的基础性需求。针对高精度脑成像数据可视化过程中存在的数据量大以及绘制效率低的问题,提出了基于分类分层矢量量化和完美空间哈希相结合的压缩域可视化方法。首先对体数据进行分块,记录每块的平均值并依据块内体数据的平均梯度值是否为0进行分类;其次运用分层矢量量化对平均梯度值不为0的块进行压缩;然后用分块完美空间哈希技术存储压缩得到两个索引值;最后对上面的压缩体数据进行解码得到恢复体数据,采用分块完美空间哈希对原始体数据与恢复体数据作差得到的残差数据进行压缩。绘制时,只需将压缩得到的数据作为纹理加载到GPU内,即可在GPU内完成实时解压缩绘制。实验结果表明,在保证较好图像重构质量的前提下,该算法减少了数据的存储空间,提高了体可视化的绘制效率,从而可以在单机上处理较大的数据。     

等和值块扩展最近邻矢量量化码字搜索算法

论文提出一种等和值块扩展最近邻矢量量化码字搜索算法。该算法将码书按和值大小排序分块,并将每一块中间或中间附近的码字的和值作为本码书块的特征和值。编码时,查找与输入矢量和值距离最近的码书块并作为初始匹配码书块。然后在该码书块附近上下扩展搜索相邻码书块中距输入矢量最近的码字。该算法具有无复杂运算的特点,易于VLSI技术实现。仿真结果表明,该算法是一种有效的码字搜索算法。     

一种新的矢量量化水印算法

提出了一种新的矢量量化(VQ)数字图像水印算法.该算法所采用的矢量量化器基于关联的双码书结构,双码书分别是传统的基本码书和带标记位的新型扩展码书.在扩展码书中引入了表示水印信息位段的开始与结束标志,可以为每个水印像素动态地分配不等长的字符串.对于信道误差引起的含水印索引丢失,该算法具有良好的鲁棒性.同时,在嵌入以小像素值居多的非二值水印时,可以减少媒体图像块的需求,从而减少了因嵌入水印带来的额外失真.实验结果表明该算法具有良好的性能.     

基于动态纹理载入的大规模数据场体绘制

为克服图形硬件对传统纹理映射体绘制的限制,提出了一种在普通PC上进行大规模数据场体绘制的有效方法。该方法中,体数据被划分为合适大小的数据块,这些数据块被动态的载入图形硬件,并利用3维纹理映射进行绘制。在整个绘制过程中,仅有一个数据块存储在图形硬件上,有效地提高了对大规模体数据的绘制能力。同时,充分利用目前PC图形硬件成熟的可编程特性,通过对梯度的实时计算来减少在传统纹理映射体绘制中巨大的内存消耗。实验结果表明,该方法在普通PC上可以对超过纹理内存容量的大规模体数据进行交互式体绘制。     

基于数据流聚类策略的GPU码书初始化算法

码书生成是基于矢量量化压缩体绘制的关键之一。在码书生成中,初始码书对码书生成算法有较大的影响。现有的码书初始化方法需要对原始海量数据进行多次迭代,数据频繁在硬盘、内存和GPU（图形处理器）之间进行数据传输,导致算法效率不高。本文针对码书生成的初始码书提取问题,提出了基于数据流聚类策略的初始码书生成算法。其基本思想是将海量三维数据体当作一个数据流（分块）,对每一部分数据形成局部码书,再对所有的局部码书进行分类形成最终的初始码书。利用本方法可以极大的减少数据的读取和传输的次数,同时,充分利用GPU并行计算能力。通过仿真结果分析表明,本文提出的方法在效率上和效果上都有较大的提高。     

大规模地形的LOD生成算法研究

为了实时地绘制大规模地形数据,提出了一种改进的实时连续LOD生成算法.该算法采用分块分层的思想,首先将大规模高程数据进行分块,然后对块中数据按照分辨率的大小分层存储.根据视点位置和网格空间对象误差的关系建立基于四叉树的LOD模型,从而提高了大规模地形的绘制效率.使用该方法描述了太湖流域的地形,取得了良好的绘制效果.     

合成孔径雷达原始数据AP-TCQ压缩算法

研究了合成孔径雷达原始数据幅相压缩算法(Amplitude and Phase,AP)和网格编码量化(Trellis codedquantization,TCQ),提出了合成孔径雷达原始数据AP-TCQ压缩算法.将I,Q两路原始数据转化为极坐标下相同大小的幅度一相位数据,根据率失真不等式由拉格朗日乘子法推导了基于幅度微分熵和相位微分熵的最优比特分配公式,然后用对应的比特数分别进行幅度和相位的网格编码量化.文中还探讨了TCQ码书的构成对AP-TCQ压缩算法性能的影响,通过理论分析和实验结果比较指出;幅度数据采用瑞利分布Lloyd-Max码书进行TCQ量化(Rayleigh trellis coded quantization,RTCQ),相位数据采用均匀分布Lloyd-Max码书进行TCQ量化(Uniform trellis coded quantization,UTCQ).具有最佳的量化性能.与I,Q两路原始数据采用TCQ算法和已有的AP算法相比,该方法能够很好地保留原始数据的相位信息,且能够实现幅度相位压缩量化比特自动分配,具有更好的压缩性能.     

基于打包索引纹理的大规模数据体绘制算法

针对大规模数据体绘制效率低下的问题,提出一种算法：对体数据进行纹理分块打包,移除空数据块,并创建数据块的索引数据,绘制时通过索引访问打包后的纹理实现大规模数据完全载入显存,同时在索引中标记空数据及高密度数据块的位置,绘制前生成其有效的立方体数据表达,结合早期光线终止与空域跳过等加速技术,有效地实现了大规模的体数据的实时绘制,同时保证了结果图像的质量。     

基于图像分类的矢量量化数字水印算法*

通过提取熵和标准差两个特征对图像进行分类,将分类结果采用PNN算法进行矢量量化,将其生成的码书作为LBG算法的初始码书以降低该算法对初始码书敏感的缺点。同时在水印提取过程中,首先对码书进行预处理以减少图像攻击对码书的影响,再提取水印图像。实验证明,使用该方法不仅得到了较高的图像质量,而且对常见的攻击也具有鲁棒性。另外,在传输过程中对码书和索引值的窜改,也具有一定的抗攻击性。     

硬件加速的大数据量自适应体绘制

利用树形结构和纹理映射技术,在普通微机上实现对大数据量体数据的实时交互.依靠八叉树结构和显卡的硬件加速功能,将体数据划分为不同精度的数据块,打破了大数据显示时显存与内存间容量和带宽的限制,通过交互策略动态遍历该树,实现对大数据量体数据多精度的绘制.实验结果表明,文中方法在普通微机上可以大于10帧/s的速度交互操纵GB级以上的体数据.该方法可有效地降低体绘制对于硬件的需求,使得在较低配置下对其交互成为可能.     

Error-controlled real-time cut updates for multi-resolution volume rendering

Multi-resolution techniques are required for rendering large volumetric datasets exceeding the size of the graphics card's memory or even the main memory. The cut through the multi-resolution volume representation is defined by selection criteria based on error metrics. For GPU-based volume rendering, this cut has to fit into the graphics card's memory and needs to be continuously updated due to the interaction with the volume such as changing the area of interest, the transfer function or the viewpoint. We introduce a greedy cut update algorithm based on split-and-collapse operations for updating the cut on a frame-to-frame basis. This approach is guided by a global data-based metric based on the distortion of classified voxel data, and it takes into account a limited download budget for transferring data from main memory into the graphics card to avoid large frame rate variations. Our out-of-core support for handling very large volumes also makes use of split-and-collapse operations to generate an extended cut in the main memory. Finally, we introduce an optimal polynomial-time cut update algorithm, which maximizes the error reduction between consecutive frames. This algorithm is used to verify how close to the optimum our greedy split-and-collapse algorithm performs.     

基于图遍历的计算DEM数据洪水淹没范围的算法

针对数字高程模型(digital elevation model,DEM)大区域数据量大,而常用的洪水淹没算法(如种子蔓延法)不适用于对DEM的分块计算和分次存储,且用时和耗内存大,设计了一种使用图遍历来有效计算洪水淹没范围的算法,对DEM数据分条带读入计算机内存,然后采用块码压缩方式将潜在淹没区域压缩成块存入磁盘,使用广度优先搜索的图遍历方法读取数据。该算法设计逻辑清晰、实用性强且运算效率高,适用于大范围地形复杂的淹没区域。选取北京市、四川省的DEM数据进行实验,实验结果验证了该算法满足计算快速、占用内存少的要求。     

体数据的多尺度张量表达与可视化

图形硬件的发展为实时体数据可视化提供了硬件保证,然而随着扫描技术的发展,大数据可视化仍然面临显存不足问题,因此研究保持数据特征的压缩表达方法就非常重要。应用张量近似思想建立了体数据的多尺度表达与可视化方法,一方面多尺度张量近似实现了数据压缩,解决了大数据的绘制问题;另一方面,张量近似的自适应压缩基保持了体数据的尺度特征。实验结果表明,该方法是有效的。     

Real-time visualization of large volume datasets on standard PC hardware

In medical area, interactive three-dimensional volume visualization of large volume datasets is a challenging task. One of the major challenges in graphics processing unit (GPU)-based volume rendering algorithms is the limited size of texture memory imposed by current GPU architecture. We attempt to overcome this limitation by rendering only visible parts of large CT datasets. In this paper, we present an efficient, high-quality volume rendering algorithm using GPUs for rendering large CT datasets at interactive frame rates on standard PC hardware. We subdivide the volume dataset into uniform sized blocks and take advantage of combinations of early ray termination, empty-space skipping and visibility culling to accelerate the whole rendering process and render visible parts of volume data. We have implemented our volume rendering algorithm for a large volume data of 512 x 304 x 1878 dimensions (visible female), and achieved real-time performance (i.e., 3-4 frames per second) on a Pentium 4 2.4GHz PC equipped with NVIDIA Geforce 6600 graphics card ( 256 MB video memory). This method can be used as a 3D visualization tool of large CT datasets for doctors or radiologists.     

Incremental Volume Rendering Using Hierarchical Compression

We present a new algorithm here for efficient incremental rendering of volumetric datasets. The primary goal of this algorithm is to give average workstations the ability to efficiently render volume data received over relatively low bandwidth network links in such a way that rapid user feedback is maintained. Common limitations of workstation rendering of volume data include: large memory overheads, the requirement of expensive rendering hardware, and high speed processing ability. The rendering algorithm presented here overcomes these problems by making use of the efficient Shear-Warp Factorisation method which does not require specialised graphics hardware. However the original Shear-Warp algorithm suffers from a high memory overhead and does not provide for incremental rendering which is required should rapid user feedback be maintained. Our algorithm represents the volumetric data using a hierarchical data structure which provides for the incremental classification and rendering of volume data. This exploits the multiscale nature of the octree data structure. The algorithm reduces the memory footprint of the original Shear-Warp Factorisation algorithm by a factor of more than two, while maintaining good rendering performance. These factors make our octree algorithm more suitable for implementation on average desktop workstations for the purposes of interactive exploration of volume models over a network. Results from tests using typical volume datasets will be presented which demonstrate the ability of the algorithm to achieve high rendering rates for both incremental rendering and standard rendering while reducing the runtime memory requirements.     

海量数据GPU体绘制优化研究

高性能GPU使得体绘制在廉价的硬件上获得良好的性能,但海量数据体绘制的效率依旧低下.本文探讨了GPU体绘制中图形硬件的瓶颈,并提出新颖的算法解决这些问题:采用数据分块和八叉树划分体数据实现空单元跳过优化.该算法解决了海量数据超过可用纹理空间的难题,同时允许实时改变体绘制传递函数.     

A streaming narrow-band algorithm: interactive computation and visualization of level sets

Deformable isosurfaces, implemented with level-set methods, have demonstrated a great potential in visualization and computer graphics for applications such as segmentation, surface processing, and physically-based modeling. Their usefulness has been limited, however, by their high computational cost and reliance on significant parameter tuning. This paper presents a solution to these challenges by describing graphics processor (GPU) based algorithms for solving and visualizing level-set solutions at interactive rates. The proposed solution is based on a new, streaming implementation of the narrow-band algorithm. The new algorithm packs the level-set isosurface data into 2D texture memory via a multidimensional virtual memory system. As the level set moves, this texture-based representation is dynamically updated via a novel GPU-to-CPU message passing scheme. By integrating the level-set solver with a real-time volume renderer, a user can visualize and intuitively steer the level-set surface as it evolves. We demonstrate the capabilities of this technology for interactive volume segmentation and visualization.