基于包围跳跃和改进反距离加权插值的光线投射算法

本文提出了一种基于包围跳跃和改进反距离加权(IIDW)插值的光线投射算法,用于医学影像三维(3D)重建。通过包围跳跃技术,减少无效投射光线,并且跳过包围盒(BB)内对图像质量无贡献的空体素,以提升绘制速度。通过IIDW插值技术,代替传统的三线性插值方法,简化插值运算。同时在图像合成的过程中增加中间采样点,以提升三维模型质量。实验结果表明,本文提出的算法既可以提升三维模型的绘制速度,同时也可以提高三维模型的绘制质量。

基于改进预积分技术的光线投射三维重建算法

在传统的光线投射算法中,由于传递函数具有非线性,导致奈奎斯特采样定律常常无法被满足,影响生成模型的质量,因此,本研究提出一种基于改进预积分技术的光线投射算法。首先在传统光线投射算法中引入预积分分类技术,利用其面对任何非线性传递函数都可以规避最大奈奎斯特采样频率的优势提升三维重建模型的质量;然后利用设计的预积分加速算子,优化不透明度与颜色值的计算方法,简化预积分合成流程,缩短三维模型重建的时间。实验结果显示,利用本文算法对人工合成的三维圆锥进行重建,速度可提升22.5%,对真实的冠脉计算机断层扫描图像进行重建,绘制速度可提升23.8%,并且生成三维圆锥图像的均方误差值小于传统光线投射算法,结构相似度值大于传统光线投射算法,证明本文算法既可以提高重建模型的质量,也可以提升重建速度。

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.

层次包围盒与GPU实现相结合的光线投射算法

针对目前基于GPU的光线投射算法中参数确定复杂的缺点,提出一种快速确定投射光线参数的算法,并利用层次包围盒技术对整个绘制过程进行加速.该算法利用离屏渲染技术,仅通过绘制体数据包围盒表面就能获取投射光线的参数;为了跳过对绘制结果无贡献的空体素,逐层对体数据进行分解,并生成层次包围盒树来存储对应子体数据的相关信息,通过遍历包围盒树,判断对应子体数据是否被绘制或跳过来缩短投射光线在体数据中的有效采样长度,从而实现了光线积分加速.实验结果表明,与同类算法相比,该算法预处理时间较短,在增加存储容量较小的同时获得了平均3.0的加速比,具有更好的实用性.

基于光线投射算法的脑血管体绘制技术

针对分割之后的脑血管体数据场显示问题,在光线投射算法的基础上提出一种全新的体绘制方法。该算法首先对脑血管体数据场进行分类;在光线投射算法的基上,加权考虑脑血管边缘特性、视点与物体之间距离、光源与物体之间距离,提出多因素融合的颜色赋值方法;最后采用CUDA方法进行体绘制加速。实验结果表明,对分割之后的脑血管体数据场,能够实现符合人眼视觉特性的清晰显示,并能进行实时交互。

体数据可视化的加速光线投射算法

加速的体数据光线投射算法将光线在三维空间的采样问题看成光线的三维扫描转换问题．以层为基本的处理，避免了对三维体数据的随机检索．并且利用平行投影光线的方向都相同的特点，用查表快速实现了光线的三维扫描转换．该算法在微机上得到检验，它在重建时间和内存花费上都优于传统的实现方法．

基于三维规则数据场的快速光线投射法

光线投射法是体绘制技术中的经典算法。该算法原理简单、明了,并能产生高质量的显示图像,但由于所有体素参与了图像绘制,运行速度慢,从而极大制约了其在交互可视化中的运用。论文利用光线穿过三维规则数据场时与某一方向平面簇交点的快速确定及光线投射方向确定后两相邻平面间所截取线段为定长的特点,简化了光线亮度积分公式,从而在图像质量不减低的情况下,快速进行图像绘制。

一种有效显示隐藏特征的光线投射算法

提出了一种有效显示隐藏特征的光线投射算法,无需调节复杂的传输函数,便可以有效地显示光线方向上被遮挡的感兴趣的特征.在沿光线方向遍历的过程中,采用低通滤波对光线上采样点的标量值进行平滑,以获得不受噪声干扰的、准确的特征点;根据特征点的深度信息调整当前最大的标量值,以获得能够满足隐藏特征显示的当前最大标量值;计算最大标量差,调整不透明度和颜色的累加值,以提高隐藏特征的可见性.实验结果表明,文中算法相对于传统算法,绘制结果的结构信息丰富,有效地显示了隐藏信息,具有一定的实用性.

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。

视点相关的层次采样:一种硬件加速体光线投射算法(英文)

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(viewdependentlayersampling)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(graphicsprocessingunit)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.

基于可编程图形加速硬件的实时光线投射算法

为了在保证绘制图像质量的基础上将体绘制算法的绘制速度提高至实时,提出一种基于可编程图形加速硬件(GPU)的光线投射算法实现(GRC,GPU-based Ray Casting)。GRC在可编程GPU中进行重采样和分类,使用矩阵逆运算以降低重采样坐标的计算复杂度,使用后分类技术以降低算法的空间复杂度。实验表明:对于2563规模的体数据,GRC能够在保证图像质量的基础,以超过30fps的速度进行绘制。

基于光线投射的电磁态势实时可视化

战场电磁环境态势具有复杂、多维、时变特性,研究战场电磁态势实时可视化技术,对于作战指挥员了解战场态势,作出科学指挥、决策意义重大。目前,表征战场电磁态势的数学模型并不完善,以场强为例,建立了多辐射源空间场强合成的数学模型,为电磁态势三维体数据场的构建提供数据来源;战场态势的复杂性,使得与体数据场相关的数学模型也相对复杂,传统基于中央处理器(CPU)的实现方法无法达到实时解算的要求,鉴于此,提出了基于通用计算图形处理器(GPGPU)的体数据场加速生成技术,实验结果表明该技术能够满足实时可视化的需求;设计了一种体绘制传递函数,并利用基于图形处理器(GPU)的光线投射算法,实现了电磁态势实时可视化。

基于八叉树编码的CUDA光线投射算法

目的针对传统的GPU光线投射算法绘制效果差,绘制效率低的问题,在CUDA架构上对光线投射算法进行优化和加速。方法首先采用八叉树对体数据进行编码,有效地剔除体数据中对重建图像无贡献的部分;其次,将体数据绑定到三维纹理上,根据体数据大小分配线程,每条光线与体数据求交时采用并行计算;最后,在CUDA内核中实现光线投射算法。结果仿真实验结果表明文中算法可以将传统GPU光线投射算法的绘制速度提高7～15倍,并增强算法的绘制效果。结论算法对传统的GPU光线投射算法的绘制速度和效果都有提高。

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。

改进的光线投射法

采用光线投射法对连续CT图片进行三维重建,针对传统的光线投射法采样点计算量大,难以实现交互的问题,在采样过程中,利用平行投射直线之间的空间递推关系,提出了快速计算射线与平面集合的交点的算法,加快采样点的获取速度,实现重建速度上的提高。针对光线计算重复的问题,采用简化后的Phong光照模型,使得最后重建的显示效果更加理想。通过一台带有独立显卡的PC机,实现了改进后的算法,验证了该算法的实际效用。

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。

体可视化的快速光线投射算法

对规则标量数据场的体绘制算法进行了讨论，在此基础上给出了一种快速的自前向后的光线投射算法，利用多边形扫描转换减少了投射光线的数量, 通过光线的参数化表示方法减少了光线与数据场求交的计算量，并且通过将Bresenham算法扩展至三维，对光线通过三维扫描转换以进行体素化，从而避免了对空体元的采样从而加速了光线投射的效率，而且通过利用OpenGL提供的函数接口，简化了算法的实现过程。

基于光线投射技术的医学图像三维重建

针对医学图像数据的特点以及应用中的实际要求,通过对不同重建算法的比较,提出了以光线投射技术为基础的医学图像三维重建方案,同时提出了基于空间跳跃技术和序列相关性的综合加速算法,对重建算法进行加速·最后在PC机平台上实现了该方案,获得了接近实时的交互速度·由于所有重建算法的核心都是光线投射技术,因此在获得高质量重建结果的同时,极大地降低了系统的复杂性,提高了开发的效率,为医学图像三维重建的实用化提供了一种非常好的解决方案·

自适应光线投射直接体绘制算法及实现

提出一种基于自适应光线投射的直接体绘制方法。该方法从自适应的发出光线和终止光线两个方面来加速体绘制的进行,通过三次线性插值空间邻近点计算采样点的值,利用简化的Phone光照模型进行消隐,由前向后合成图像。该算法提高了绘制的速度,能满足一定的临床应用实时性要求,在基于Internet的体数据可视化中有很好的应用前景。

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。