基于稀疏编码的体数据压缩

关于稀疏编码在数据压缩方面的研究在最近几年已越来越受重视。该方法具有空间的局部性、方向性和频域的带通性,并不依赖于输入数据的性质,因而是一种自适应的特征统计方法,应用前景十分宽广。体数据由于其数据量大,给存储和传输带来很大的压力,而相邻或相近体素之间存在着很强的相关性,为体数据压缩提供了可能。实验结果表明稀疏编码可以成功提取体数据的边缘特征,而且利用提取到的体数据的特征和系数分量的稀疏性,进一步结合阈值量化的规则,能够有效地实现体数据压缩,从而重构整个体数据。该方法简单易行、速度快,效果良好。

基于矢量量化压缩的大规模体数据直接绘制

针对大规模体数据通常不适合于硬件三维纹理加速绘制的问题,使用基于区域分裂的LBG算法对大规模体数据进行矢量量化压缩,使得其压缩编码适合硬件纹理空间大小.并在图形硬件的可编程渲染器中对压缩后的三维纹理体数据进行实时地矢量解码和绘制,在解码过程中通过设定掩码纹理给出了大规模体数据的局部感兴趣区域的体绘制.实验结果表明,在不同压缩比和信噪比下,大规模体数据绘制的图像仍然具有较高的质量且维持高帧速率,绘制性能满足实时交互.

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。