基于GPU编程的地形纹理快速渲染方法研究

在分析GPU并行计算特点的基础上,提出并实现了基于GPU编程的地形纹理快速渲染方法,其核心是用GPU编程对地形纹理图像进行快速解压.与传统渲染流程不同,该方法首先把压缩纹理图像传输到图形卡中,然后通过GPU编程实现对压缩图像解压的硬件加速,从而解决了海量纹理数据存储;传输带宽以及解压速度等一系列问题.实验结果表明基于GPU编程的地形纹理快速渲染方法在虚拟场景的渲染速度方面优势明显,并且随着地形纹理图像分辨率的增大这种优势体现得更加充分.     

基于物理模型的三维火焰实时渲染

火焰等无规则物体的模拟近年来成为计算机图形学中的一个研究热点。传统的基于粒子和纹理技术生成的火焰,并不能真实地反映物体的运动过程,生成的火焰效果图具有随机和生硬的特点。为了解决火焰模拟过程中难以实现的实时性和真实感的问题,文中采用一种基于物理模型的火焰实时渲染方法,应用有限差分法求解Navier-Stokes方程,采用半拉格朗日法求解平流项,扩散方程则利用隐式迭代方法进行求解,利用GPU强大的并行计算能力对求解过程进行加速,利用光线投射算法对火焰进行渲染,最后生成了逼真的火焰图像。实验结果表明该方法实现简单,渲染速度快,显示的效果真实。     

一种基于流体动力学模拟的水墨渲染方法

基于流体动力学模拟技术提出了一种新的水墨效果渲染方法,利用高级着色器语言（HLSL）通过图形处理单元（GPU）就纹理的顶点与像素进行处理。通过交互,计算出逐像素的外力及其所引起的加速度,将其作用于待处理纹理中,从而实现对该纹理实时水墨效果的渲染。实验结果表明,该方法具有较好的水墨动态特性的仿真效果,可以对渲染过程进行控制和干预,并能够实时显示。     

基于GPU的多属性数据快速融合渲染研究

由于传统的渲染技术是使用CPU 进行数据体颜色计算或融合处理的,这种技术对大规模数据体进行渲染时 效率低、时间长,针对这种情况提出一种采用GPU 进行数据体颜色计算和融合处理的方法。该方法充分利用GPU 强大的并 行处理能力,将待渲染的数据以纹理形式提交给GPU,由GPU 进行必要的颜色插值和融合处理后直接渲染。实验结果表明, 该方法能够将多种属性融为一体,有机地结合了各属性的优点,能对油气储层进行综合评价,提高储层分析和解释的准确度, 并且使用了硬件加速功能,渲染速度快。     

统一渲染架构GPU图形处理量化性能模型研究

统一渲染架构GPU为图形处理提供了丰富的运算、存储资源,也对软件优化提出了更高要求。为了有效地进行性能设计和优化,针对统一渲染架构实现的GPU提出一种量化的图形处理性能模型,在深入研究统一渲染架构GPU架构和工作原理基础上,分析影响图形处理的各种因素:图形指令生成、主机接口数据传输、图形指令解析、图形处理流水数据吞吐和统一染色阵列处理能力。通过仿真验证表明,在研制自主知识产权GPU过程中,采用本方法设计各部分性能指标,评估统一染色GPU图形处理性能与实测相比,误差小于7.5%。     

基于GPU的快速色阶映射算子实现

为了提高色阶映射计算的效率,设计了基于GPU的快速色阶映射算法.首先结合基本规约算法和GPU的并行运算特征设计了基于两个核函数的最大亮度计算方法,然后通过区域中间值共享计算以像素为中心的区域平均亮度,最后针对视屏处理,提出利用纹理缓存池解决CPU读数据和GPU处理数据速度不匹配的问题,并根据像素子集最大亮度自适应地更新全局最大亮度.实验结果相对相同算法的CPU实现得到了4～5倍的速度提升,表明所提出的算法能够充分利用GPU的并行性,并减少了大量重复运算,满足实时渲染的要求,并且对不同规模的纹理具有良好的适应性.     

一种基于GPU硬件加速计算的辐射度实现方法

提出一种新的基于GPU(graphics processing unit)的辐射度方法．该方法利用可编程图形处理单元GPU的并行计算能力,将辐射度方法中形状因子计算以及线性方程组求解的全过程完全在可编程图形硬件中完成,避免了原有基于GPU的辐射度方法需要CPU参与的问题,绕开了计算机主内存与GPU纹理内存之间数据交换的瓶颈;在基于半立方体法的形状因子计算和绘制过程中,解决了基于GPU硬件加速的遍历、分类和累加问题．此外,该方法采用新的矩阵和向量在GPU中的存储方法,利用GPU实现Jacobi迭代法快速求解线性方程组．实验结果证明。该方法能够快速有效地实现辐射度的计算和绘制．     

快速EZC-DCT地形压缩算法的并行优化

为能够在大规模地形实时渲染中提高渲染及数据压缩的速率,提出一种利用GPU并行优化的快速EZC-DCT地形压缩算法。采用二维快速DCT变换代替EZC-DCT算法中的DCT变换,在利用GPU对算法进行并行加速的基础之上,对算法的并行方案进行优化改进,更加有效地利用GPU强大的并行计算能力,分担CPU的负荷,快速完成相关计算。实验结果表明,该算法帧速率比原EZC-DCT方法提升约10个百分点,满足地形渲染的实时性要求。     

GPU通用计算平台上的SPH流体模拟

针对流体模拟需要大量计算资源从而很难达到实时模拟的问题,提出一种完全在GPU上实现的基于平滑粒子流体动力学的流体模拟方法.首先通过在GPU上构造基于哈希函数的空间均匀网格来实现任意大小场景的快速邻近粒子查找,并在GPU上并行求解SPH流体方程来实现流体模拟;渲染流体时,通过在顶点着色器中进行纹理采样,利用粒子坐标缓存数据直接更新流体粒子系统的顶点缓存,从而避免了CPU—GPU之间的数据传输,充分利用了GPU的并行性.实验对比表明,与纯CPU实现以及CPU和GPU混合实现的模拟结果相比,采用该方法能显著地减少单个时间片的计算时间,大幅度提高流体模拟和渲染的整体性能.     

高密度细胞复杂运动的并行跟踪算法

提出一种基于关键帧的高密度细胞群体双向跟踪算法,手动标记中间帧的每只细胞,利用细胞纹理特征跟踪每只个体的运动.为解决重叠和遮挡问题,采用细胞运动学和形态学信息融合技术对其运动进行约束.针对细胞过分拥挤导致的轨迹片段,将视频的首尾分别作为关键帧,通过重新跟踪丢失细胞的方式把断裂的轨迹补充完整,并使用GPU对跟踪算法进行加速.实验结果显示,该算法能够在数百帧视频中,有效地跟踪300多只高密度不规则运动的细胞,其跟踪准确率高达93.4％.