使用GPU编程的光线投射体绘制算法

将传统的光线投射体绘制算法在具有可编程管线的图形处理器(GPU)上重新实现.首先将体数据作为三维纹理保存在显存中,然后通过编写顶点程序和片段程序将光线进入点/离开点计算和光线遍历的计算移入GPU中执行,最后根据不同的采样点颜色混合公式实现不同的绘制效果.文中算法仅需绘制一个四边形即可完成三维重建.实验结果表明:在进行光照效果的重建时,该算法能够达到实时交互的绘制要求,并能实现半透明等复杂绘制效果.     

基于光线投射算法的混合场景可视化

体绘制技术常用于3维体数据场的可视化,其虽然可以生成高质量的投影图像,但通常不能绘制由体数据与点、线、面图形组成的混合场景。在现有的混合场景可视化方法中,有些只能绘制由体数据与面图形组成的复杂混合场景,而不能处理存在点和线的混合场景;有的则成像速度慢、成像质量差。为了能够正确地绘制复杂混合场景,采用SIMD和软件加速等技术,提出了一种速度快、成像质量高的基于光线投射算法的混合场景可视化方法,并分析了该算法所具有的3种绘制次序,以便满足不同应用的要求。该算法既可用于不同场景的绘制,又可用于平行和透视投影中。实验结果表明,该算法能够正确地绘制体数据与点、线、面图形组成的混合场景,且成像速度快,图像质量高。     

一种改进的基于GPU编程的光线投射算法

针对传统光线投射算法采样效率低、绘制精度差等缺点,提出一种新的体绘制算法,所给算法采用新的采样合成函数,并结合经典的Blinn-Phong光照模型,采用不透明度提前截止判断光线终止。整个过程使用Cg语言编写顶点程序和片段程序来实现。实验结果表明算法既可以增强传统光线投射算法的绘制效果,也可以加快算法的速度。     

基于GPU与Monte-Carlo的体绘制光线投射算法的研究

体绘制过程中等距离采样在显示效果不理想的情况下,每减少一个采样步长会增加大量采样点,大大增加了体绘制过程中的计算负担。针对这个问题,提出了一种基于Monte-Carlo积分方法的光线投射实现的实时体绘制算法,采用Monte-Carlo积分方法解决了光照明方程中的积分问题。实验结果表明,在显示效果几乎一样的前提下,采用本文的方法绘制效率提高了十多帧。     

空间跳跃加速的GPU光线投射算法

光线投射算法是一种应用广泛的体绘制基本算法,能产生高质量的图像,但是时间复杂度较高。实现了一种基于图形处理器的单步光线投射算法,并在此基础上提出了一种基于空间跳跃技术的光线投射算法,以实现加速。采用八叉树组织体数据,利用空间跳跃有效地剔除体数据中对重建图像无贡献的部分,降低了硬件的负载。一个片段程序即可完成光线方向的生成、光线投射、空体素跳跃和光线终止等。实验结果表明,该算法对于内部包含大量空体素的体数据重建能起到明显的加速作用。     

基于片段的光线投射算法

光线投射算法是最常使用的体绘制算法之一,它能够产生高质量的结果图形,但是绘制的时间复杂度高。提出了一种基于片段的光线投射算法(segment-based ray casting,SRC),以实现加速。同许多加速技术一样,SRC利用体数据的数据一致性,但是却将优化重点放在融合阶段而不是传统的数据预处理阶段。SRC将连续的具有相似属性的重采样点合并成一个片段,然后对片段进行融合而不是对重采样点进行融合,从而减少了融合操作的次数和时间。对SRC从理论和实验两个方面进行验证。实验结果表明,软件实现的光线投射算法使用SRC后性能提高约30%,而基于GPU的光线投射算法使用SRC后性能提升的倍数与片段长度几乎相同,SRC易于与其他体绘制优化算法结合,具有较强的适用性。     

基于GPU的实时光线投射算法

介绍了一种基于GPU（可编程图形处理单元）的快速实时光线投射算法。为满足大规模体数据集的绘制要求,利用当前GPU的新特性,直接将体数据作为纹理载入显存,采用预积分分类方法在GPU中对体数据进行重采样和分类,避免了计算机主内存与GPU纹理内存之间数据交换的瓶颈问题;利用硬件支持的三维纹理和片元着色器,实时计算每个体素的梯度,实现高质量的光照,保证高质量的图像绘制效果。实验结果表明该方法在医学三维数据场可视化中,能够实时、高效地生成高质量的交互式体可视化图像。     

基于图形处理器加速光线投射算法的多功能体绘制技术

为克服传统算法中体绘制交互速度不流畅、重建耗时长、绘制效果单一的不足,实现了基于图形处理器(GPU)的光线投射算法用于医学层析图像实时体绘制,并能快速切换不同组织器官的绘制效果。首先,读入医学层析图像到计算机内存,构造体素;然后,设置相应体素属性(如插值方式、着色处理、光照参数)等,设计显示不同组织器官的颜色及不透明度传输函数;最后,GPU加载体素据并进行光线投射算法的计算。实验结果表明,在绘制速度上,GPU加速光线投射算法实现的多功能体绘制技术的绘制速度能达到每秒40帧以上,完全满足临床应用需求。在绘制质量上,用户交互中由于重采样而产生的锯齿现象明显低于CPU端实现的光线投射算法,GPU端与CPU端绘制时间的加速比在9倍左右。     

基于改进光线投射算法的体数据显示

光线投射算法属于直接体绘制（DVR）中应用比较广泛的算法,其优点是绘制质量高,但是存在采样点计算量大,绘制速度慢的问题.针对这一问题,本文利用投射光线在物空间的传递性质,提出了一种改进的计算采样点位置的算法,加快采样点的获取速度,提高图像三维重建的效率.该算法在PC机平台上得到了实现,不仅在图像质量上得到保证而且绘制速度又有很大提高,为图像的三维重建提供了有效的手段.     

基于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,这一算污具有结构清晰实现便利的特点。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。本文利用数据场的相关性和不等步长的采样方法来改善泡线投射算法的品质,使它既有快速的优点又具有较高的成象精度     

基于GPU的风暴数据场多维纹理混合绘制

在气象领域,三维风暴数据场可视化是风暴监测及灾害预测的重要技术手段之一。可视化效率及质量直接影响到风暴体分析研究的准确性和时效性。针对传统的二维、三维纹理映射体绘制方法进行了研究,提出了一种基于GPU的风暴数据场多维纹理混合绘制技术。该方法采用了三维纹理存储风暴数据场并结合代理几何体动态生成方法,克服了传统方法中纹理数据冗余的问题,并保证了模型的三维交互流畅性。该方法中提出的纹理映射光滑重采样策略,显著提高了风暴体模型显示效果,并在一定程度上避免了CPU-GPU通信瓶颈。     

锥束CT FDK重建算法的GPU并行实现

针对FDK算法重建耗时长的问题,提出了一种基于图形处理器(GPU)的FDK并行加速算法。通过采用合理的线程分配方式,对反投影参数计算过程中与体素无关的中间变量的提取和预计算、对全局存储器访问次数的细致优化等策略,提高FDK算法的执行效率。仿真实验结果表明,在不牺牲重建质量的前提下,完全优化后的FDK并行加速算法重建2563规模的体数据需要0.5s,重建5123规模的体数据需要2.5s,这与较新的研究成果相比有很大幅度的提升。     

基于图形处理器的可变形部件模型算法的并行化

目前目标识别领域,在人体检测中精确度最高的算法就是可变形部件模型(DPM)算法,针对DPM算法计算量大的缺点,提出了一种基于图形处理器(GPU)的并行化解决方法.采用GPU编程模型OpenCL,对DPM算法的整个算法的实现细节采用了并行化的思想进行重新设计实现,优化算法实现的内存模型和线程分配.通过对OpenCV库和采用GPU重新实现的程序进行对比,在保证了检测效果的前提下,使得算法的执行效率有了近8倍的提高.     

基于图形处理器的形态学重建系统

形态学重建是医学图像处理中非常基础和重要的操作。它根据掩膜图像的特征对标记图像反复进行膨胀操作，直到标记图像中的像素值不再变化为止。对于传统基于中央处理器（CPU）的形态学重建系统计算效率不高的问题，提出了使用图形处理器（GPU）来加速形态学重建。首先，设计了适合GPU处理的数据结构：并行堆集群；然后，基于并行堆集群，设计和实现了一套基于GPU的形态学重建系统。实验结果表明，相比传统基于CPU的形态学重建系统，基于GPU的形态学重建系统可以获取超过20倍的加速比。基于GPU的形态学重建系统展示了如何把基于复杂数据结构的软件系统高效地移植到GPU上。     

基于图形处理器加速光线投射算法的多功能体绘制技术

为克服传统算法中体绘制交互速度不流畅、重建耗时长、绘制效果单一的不足,实现了基于图形处理器(GPU)的光线投射算法用于医学层析图像实时体绘制,并能快速切换不同组织器官的绘制效果。首先,读入医学层析图像到计算机内存,构造体素;然后,设置相应体素属性(如插值方式、着色处理、光照参数)等,设计显示不同组织器官的颜色及不透明度传输函数;最后,GPU加载体素据并进行光线投射算法的计算。实验结果表明,在绘制速度上,GPU加速光线投射算法实现的多功能体绘制技术的绘制速度能达到每秒40帧以上,完全满足临床应用需求。在绘制质量上,用户交互中由于重采样而产生的锯齿现象明显低于CPU端实现的光线投射算法,GPU端与CPU端绘制时间的加速比在9倍左右。     

GPU加速的八叉树体绘制算法

提出一种针对物体空间为序体绘制的空域跳过算法：采用双层次空间跳过,先以规则的数据分块作粗略地跳过,再以八叉树获得更高粒度的优化。该方法进一步解决了超过可用纹理内存容量的大规模体数据实时绘制问题,允许实时改变传递函数。针对该算法引入的CPU高负载瓶颈,提出一种新算法,在图形处理器(GPU)内快速计算采样面片,平衡了CPU与GPU间的运算负载。结合上述两种算法,实现高效的大规模体数据绘制并无损图像质量。     

基于一种新模型的交互式体绘制算法的研究

交互式体绘制算法基于一个新的可视化模型。目的是研究一种快速预览技术，在可视化内部结构时不需要专门的耗时巨大的转换函数。用两个参数来控制一个非常简单的绘制模型。交互旋转技术不需要任何特殊的硬件支持，所以可以广泛应用在低配置的电脑上。     

基于GPU的光子映射并行化算法

针对串行情况下光子映射算法速度慢的问题,对光子映射算法并行化进行可行性分析,充分利用图像处理器(GPU)的统一设备计算架构(CUDA)的并行和计算能力,实现光子映射算法的并行化。同时针对算法中光子发射追踪阶段生成GPU线程数与光子数相同的方法的不足以及平均分配方法所造成的资源浪费等,提出线程之间协同工作的方法并采用动态平衡处理,使光子渲染速度提升了将近一倍。实验结果证明了多线程间协同工作及动态平衡相结合方法的有效性。