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。     

一种改进求交的自适应光线投射体绘制算法

光线投射算法是体绘制技术中的一种重要算法,但其自身存在采样效率低和绘制速度慢等问题。为了提高光线投射算法的绘制速度,本文提出了一种改进求交的自适应光线投射体绘制算法,算法采用一种快速求交方法和自适应采样来提高体绘制速度,试验结果表明该算法能在基本不影响图像质量的同时提高算法的速度。     

基于改进空体素跳跃法的光线投射算法

提出一种针对计算统一设备架构(CUDA)存储器的访存优化策略。在此基础上,给出适用于CUDA存储器的改进空体素跳跃法,以减少对空体素采样点的处理,加快基于Phong光照模型的光线投射算法的运行速度。实验结果表明,该算法能在保证图像质量的前提 下,提高图像绘制速度。     

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.     

光线投射算法中重采样的设计和实现

体绘制技术在医学成像和科学可视化领域有着极为广泛的应用，但由于其巨大的计算开销，限制了其实时动态体绘制的应用，因此许多研究人员致力于静态体绘制加速算法的研究，为了提高体绘制速度。分析了三维规则数据场重采样的原理。光线投射算法中对3D数据场重采样的实现方法；根据具体重建对象，提出了在3D数据场重采样中采用球形包围盒的方法，给出了人体头部和眼球的三维可视化结果，实验表明：这种算法能有效地减少重采样的计算量，并使求交计算更加简单。     

基于GPU的三维地震数据场体绘制方法

体绘制技术是计算可视化研究和应用热点之一。在对三维数据体进行形式化定义基础上,讨论光线投射算法中数据体划分,重采样计算以及图像合成的原理和方法。利用着色器进行重采样和图像合成运算,实现体绘制的GPU加速。将GPU加速的光线投射体绘制方法应用于地震数据解释,分别实现地震数据的灰度和伪彩色样式可视化,并通过转换函数,凸显出地震数据场的层位特征,克服了地震数据剖面、切片以及三维面绘制图像的局限性。     

针对全空子数据体的GPU体绘制方法

体绘制是三维数据可视化的主要方法之一。用于体绘制的数据体中包含有大量的空体素,导致光线投射算法进行没有意义的重采样计算,必然降低绘制算法效率。针对全空子数据体体绘制低效问题,本文提出基于GPU体高效绘制方法。利用八叉树数据结构组织数据,有效管理包含许多空体素的子数据体。通过绘制八叉树非全空叶子结点子数据体表面,使光线投射算法中起始和终止重采样位置更接近数据体中的可视部分,同时根据八叉树全空结点子数据体判定纹理查询结果,计算合适的跳跃步长,快速跳过八叉树中全空结点子数据体,减少无效重采样点。当数据体中空体素较多时,实现对原基于体包围盒表面绘制的GPU光线投射算法的加速。设计不透明度函数,凸显数据体中层位面,并将算法成功应用于地震数据可视化,取得很好应用效果。     

基于光线相关性的快速光线投射算法

光线投射算法是一种应用广泛的体绘制技术的基本算法，其存在的主要问题是绘制速度较慢。为了提高光线投射算法的绘制速度，以满足医学图像三维重建的应用需求，在深入研究和比较各种光线投射加速算法的基础上，提出了以接近云算法为核心的、适用于医学图像三维重建的综合性加速算法，并在PC机平台上实现了该算法，在保证图像质量的同时绘制速度提高了一个数量级左右，为医学图像三维重建的实用化提供了有效的手段。     

针对类球形对象的改进光线投射算法

为提高光线投射算法的绘制速度和图像绘制质量,提出了一种针对类球形对象的改进光线投射算法。该算法首先设置球形包围盒的方法剔除对最后绘图结果没有影响的光线投射,用快速求交的方法来提高获取采样点的速度,通过自适应采样的方法加入新的采样点来提高绘制图像的质量。实验结果表明该算法不仅比传统方法绘制出的图像质量清晰,并且提高了算法的执行速度。     

一种基于GPU的改进光线投射算法

针对传统光线投射算法计算量大、速度慢、在没有硬件加速情况下难以实时重建的问题,提出了一种基于GPU编程的快速计算重采样点值的光线投射算法。首先,设计一个GPU程序确定投射光线的终点与方向;其次,采用加速度步长采样方法确定重采样点的位置并利用快速复合插值方法计算重采样点的颜色值;最后,采用不透明度提前截止法进一步加速重建过程。实验结果表明,该方法计算复杂度低、执行效率高。在保证重建图像质量的同时,与现有基于CPU的光线投射算法相比,重建速度提高6倍,与基于GPU的传统光线投射算法相比,速度提高2倍。     

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     

基于八叉树邻域分析的光线跟踪加速算法

八叉树是加速光线跟踪常用的层次划分结构,为加快八叉树跟踪光线的过程,论文 研究了运用八叉树邻域分析提高光线与八叉树节点之间的碰撞检测速度的方法,提出了一种结构 简单、计算效率更高的八叉树节点的邻域分析算法。运用该算法可由现碰撞节点快速计算出下一 碰撞节点,避免了采用大量递归搜索计算,从而提高了图像的渲染速度。实验结果表明,使用论 文提出的邻域分析进行碰撞检测,效率比传统算法提高了3 倍以上,大大提高了光线跟踪的速度。     

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。     

视点相关的层次采样:一种硬件加速体光线投射算法

光线投射是一种高质量的体绘制方法.它以图像空间为序,逐根光线遍历和采样体数据.因此,传统上,它只能在CPU上实现,因而速度慢,交互性不好.提出了一个新的视点相关的层次采样VDLS (view dependent layer sampling)结构,VDLS将光线上的所有采样点重新组织成一系列层,并简化为两个视点相关的几何缓冲器,进而在GPU(graphics processing unit)中用两个动态纹理表示.利用GPU的可编程性,光线投射算法的6个步骤(光线生成、光线遍历、插值、分类、着色和颜色合成)得以完全在GPU中实现.在此基础上,提出两个基于体空间和图像空间连贯性的加速技巧,快速剔除无效的光线.结合其他与渲染和颜色合成有关的技巧,VDLS将面向多边形绘制的图形引擎转化为体光线投射算法引擎,在透视投影方式下,每秒能处理1.5亿个插值、后分类与着色的光线采样点.实验结果表明,提出的方法能用于医学可视化、真实物理现象模拟、材质检测中灰度体数据快速交互的可视化与漫游.     

彩色三维体数据场的直接体绘制方法

提出基于光线投射和三维纹理映射的彩色体数据成像算法，研究如何从每个体素的R，G，B三元组映射成不透明度值，即不透明度转换函数。首先把原始的RGB色彩空间转换成LUV色彩空间；然后以亮度分量的中心差分来近似估计法向量，并应用Phong光照模型进行着色，根据亮度分量及其梯度等信息计算不透明度值；最后合成、累积颜色。对美国数字人男子照相彩色体数据分别采用两种算法进行实验。结果表明：基于光线投射的彩色体数据算法成像质量较高，可以表现体表毛细血管等细微结构，但速度较慢；基于三维纹理映射的彩色体数据成像算法速度较快，但成像质量适中。