大规模油藏三维显示系统关键技术的研究

本着提高三维模型实时渲染速度和用户视觉效果的目的,在不增加硬件资源消耗而单从提高已知数据信息利用率和利用速度的基础上,提出了利用临时表提高数据查询速度,降低分辨率以提高显示速度,利用双向链表存储和边缘算法提高视觉效果等大规模油田数据处理的新方法。这些方法在大规模油田数据模型的三维显示中得到了积极的应用。     

湿地公园无人机航测的高效三维建模与呈现

针对湿地公园地貌和生态特征,以实例为研究对象,对湿地公园无人机航测数据的高效三维建模和轻量化呈现技术进行研究,解决大型实景模型建模效率低、实时呈现与浏览困难和缓慢等瓶颈问题。提出基于二次高斯径向基函数线性组合方程及对航测空间位置数据进行四叉树分割的三维建模算法,并实现模型的光滑连接和优化处理。实验表明,提出方法一改航测数据三维建模的传统繁琐建模方法和过程,利用少量的建模数据高效快速构建和呈现大规模三维模型,并大幅降低构建模型的数据量和获得满意的建模视觉效果。该方法不仅适用于湿地公园大规模三维高效建模与呈现,对自然风景区、林区等生态保护区的大规模三维建模与呈现亦有参考价值。     

三维多目标体数据的快速旋转显示方法

光线投射算法显示速度较慢，本文在深入分析其原因的基础上，提出利用投景角度相关信息来提高旋转显示的速度，在小转角情况下，可使显示速度提高一个数量级以上，采用该方法，可望在微机上实现三维体数据的交互式显示。     

IDW在医学断层图像可视化中的应用①

针对在医学三维数据场可视化过程中用三线性插值方法显示三维图像在绘制速度中的不足,利用反距离加权插值方法应用到医学断层图像可视化中。详细介绍了反距离加权插值算法的基本原理、实现技术和实验结果,实验证明该方法在不明显降低绘制质量的前提下,降低了插值次数,提高了绘制速度。     

大规模三维点云快速拾取技术研究

为三维点云处理系统点云查询与交互编辑功能的实现,在系统总结当前计算机三维图形拾取主要方法的基础上,提出三维点云拾取基本方法.针对实际LiDAR(激光雷达)点云处理中往往为大规模点云数据,通过层次包围盒引入四叉树,提出了基于四叉树的大规模三维点云快速拾取系列算法,并从提高四叉树构建速度、降低四叉树内存占用角度,采取有效策略,使得算法整体效率得到进一步优化,实验结果表明算法在大规模三维点云拾取速度和精度上均达到了很好的效果.     

基于OpenGL的三维曲面数据场动态显示

在大数据量条件下,实时动态显示三维曲面较困难,其关键在于提高三维图形数据处理和图形绘制速度。通过对基于图形工业标准OpenGL实现三维曲面动态显示的原理和方法的讨论,提出采用OpenGL的双缓存、显示列表技术,大幅度提高了图形数据处理和刷新速度,保证了每帧数据图形绘制的连续性和完整性,成功实现了三维曲面数据场实时动态显示。     

某型潜艇三维动态仿真的实现

在实时三维动态仿真过程中,复杂三维模型的建立与模型的显示速度直接影响着仿真的效果。该文在研制某型潜艇三维动态仿真系统的过程中,通过选用3DMAX来提高复杂模型的建模速度,并且利用OpenGL显示列表技术,提高复杂模型的显示速度,满足模型的实时绘制要求。最后,通过采用面向对象和组件技术,提高了仿真软件的代码重用率,为后续仿真系统的设计带来更大的灵活性。     

三维虚拟漫游技术的研究

三维虚拟现实漫游技术目前是国内外的研究热点之一.主要研究和探讨了利用五点定位LOD四又树组织和管理大规模地形数据,并以井地算法实现大规模地形实时渲染,能有效地提升三维场景的渲染速度.提出了一种基于场景投影图矩阵的自动漫游路径生成的钢丝算法,该算法适用于各种复杂的三维虚拟场景并能生成光滑的自动漫游路径.     

基于智能聚类模型的海量数据快速显示方法

为实时显示三维数据体的海量数据,提出一种改进的海量数据快速显示算法。利用CURE聚类算法对数据进行整理,通过Hilbert R-tree对数据建立索引,根据可视化区域预测模型预测下一时刻的可视区域,以实现大量数据的快速可视化。实验结果表明,与基于视点运动的快速显示算法和基于可见性判断的可视化算法相比,该算法在不降低渲染质量的前提下,渲染速度分别提高18.27%和67.06%,预测区域错误率分别降低9.73%和22.37%,能够快速加载数据并且准确绘制大量三维数据体。     

基于三维模型几何信息的纹理图像压缩

为进一步压缩三维模型数据,提高网络传输的速度,同时不降低模型渲染的视觉表现效果.提出了一种基于三维模型几何信息的纹理图像压缩算法.首先对模型三维网格做重网格化,使网格具备半正则的规则拓扑结构;然后利用半正则网格表面的几何信息对模型的三维特征点进行提取,对三维特征点在纹理空间的映射点应用k-means聚类算法获取感兴趣区域;最后结合基于感兴趣区域的嵌入式零树小波压缩算法,实现对模型纹理图像数据的编码和解码操作.实验结果表明,该算法提取的纹理图像感兴趣的细节区域更精确、压缩比高,经过解码和重建后的纹理图像在对三维模型表面贴图映射后具有更好的视觉效果.     

干扰图像快速检索算法

文章提出了一种适用于大规模数据集的图像检索算法，目的是在有干扰的情况下，准确地找出目标图片。本文采用局部特征算子作为衡量标准，又创造性地在每个视觉词袋后[1]建立图像索引，形成以特征算子为基元的带权视觉词典结构，在保证检索精度的前提下尽可能的提高检索速度，更好的满足了大规模数据对效率的要求。实验证明，该算法具对存在一定干扰的图像效果显著，鲁棒性强，达到了国际一流水准。     

基于语义分类的外观专利图像快速检索系统

针对大规模专利图像特征库的特点,使用边缘轮廓距离与分块特征相结合的方法提取低层视觉特征,结合基于K均值聚类的分类索引方法,兼顾语义相似和视觉特征相似,对专利图像库数据构建索引结构,实现了先分类后检索的功能。实验结果表明,方法不仅提高了检索速度,而且提高了检索的语义敏感度。     

大规模地形实时可视化算法

提出一种实现大规模三维地形可视化的算法。该算法主要通过地形数据分块和多线程数据动态调度技术实现海量地形数据的实时动态调度,利用四叉树结构来简化地形网格,通过引入Y型基元的方法消除边界裂缝。实验结果表明,采用该方法可以实时生成大规模地形,提高地形漫游的效率与可视化效果。     

雅可比迭代法在图形处理器上实现的研究

雅可比迭代法是求解大型线性方程组的基本方法。利用GPU（Graphics Processing Unit,图形处理器）的并行处理能力,将雅可比迭代求解线性方程组过程中运算量较大的部分移植到GPU上执行,以提高运算速度。并分析了影响运算速度的两个因素：CPU-GPU数据交换和共享变量的访问;实验结果表明采用单个thread访问共享变量判断迭代是否收敛时,线性方程组的阶数为500,速度可以提高45倍以上。     

基于MapReduce的加权Voronoi图并行算法设计及应用

针对大规模数据的加权Voronoi图实现的复杂性和计算精度低问题, 采用欧氏距离法, 设计和实现了一种基于MapReduce编程模型的并行栅格加权Voronoi图的生成算法, 并将其成功应用于石家庄桥东区超市的推荐服务。该算法计算精度高, 同时可适用于任意点、线、面及复合发生元的加权Voronoi图的计算。实验结果表明, 算法在处理大规模栅格数据时能明显提高栅格Voronoi图的生成速度, 并能为用户推荐综合因素优选的超市。     

The effects of multiple query evidences on social image retrieval

System performance assessment and comparison are fundamental for large-scale image search engine development. This article documents a set of comprehensive empirical studies to explore the effects of multiple query evidences on large-scale social image search. The search performance based on the social tags, different kinds of visual features and their combinations are systematically studied and analyzed. To quantify the visual query complexity, a novel quantitative metric is proposed and applied to assess the influences of different visual queries based on their complexity levels. Besides, we also study the effects of automatic text query expansion with social tags using a pseudo relevance feedback method on the retrieval performance. Our analysis of experimental results shows a few key research findings: (1) social tag-based retrieval methods can achieve much better results than content-based retrieval methods; (2) a combination of textual and visual features can significantly and consistently improve the search performance; (3) the complexity of image queries has a strong correlation with retrieval results’ quality—more complex queries lead to poorer search effectiveness; and (4) query expansion based on social tags frequently causes search topic drift and consequently leads to performance degradation.     

面向大数据复杂应用的虚拟集群动态部署模型

针对计算负载的时变性和复杂性导致虚拟集群的资源利用率不高的问题,为提高虚拟集群资源的全局利用率,采用弹性资源管理策略来吸收多种计算模式混杂时的资源需求突变。在Docker容器技术的支持下提出一个根据作业需求变化的动态部署模型。该模型根据资源的动态需求变化,实时调整虚拟集群的计算形态,具体包括计算节点的类型及规模。该模型不仅实现用户作业执行环境的动态定制,而且达到错峰计算的目的。仿真实验表明,该模型使得虚拟节点CPU利用率提升5.3%,并且优化了计算作业的执行效率。该动态部署模型适合应用到数据中心或大规模集群中,能够有效提高计算资源的利用率。     

基于P2P的海量水利遥感影像优化传输策略*

海量水利遥感影像的网络传输与处理是用户及时获取遥感水利产品的关键。针对传统的基于客户端/服务器结构网络传输模式难以满足大量用户并发请求及时响应的问题,提出一种基于P2P思想的海量水利遥感影像传输优化策略,充分利用客户端资源进行数据处理与调度,减少服务器负载,并设计了抢占式传输机制,提高影像传输速度。通过原型系统Hydro-PNet(Hydro-Processing Peer-to-Peer Network)测试表明,该策略有效地提高了数据传输速度,减少了用户请求响应时间。     

面向视觉搜索的空间局部敏感哈希方法

目的 视觉检索需要准确、高效地从大型图像或者视频数据集中检索出最相关的视觉内容,但是由于数据集中图像数据量大、特征维度高的特点,现有方法很难同时保证快速的检索速度和较好的检索效果。方法 对于面向图像视频数据的高维数据视觉检索任务,提出加权语义局部敏感哈希算法（weighted semantic locality-sensitive hashing, WSLSH）。该算法利用两层视觉词典对参考特征空间进行二次空间划分,在每个子空间里使用加权语义局部敏感哈希对特征进行精确索引。其次,设计动态变长哈希码,在保证检索性能的基础上减少哈希表数量。此外,针对局部敏感哈希（locality sensitive hashing, LSH）的随机不稳定性,在LSH函数中加入反映参考特征空间语义的统计性数据,设计了一个简单投影语义哈希函数以确保算法检索性能的稳定性。结果 在Holidays、Oxford5k和DataSetB数据集上的实验表明,WSLSH在DataSetB上取得最短平均检索时间0.034 25 s;在编码长度为64位的情况下,WSLSH算法在3个数据集上的平均精确度均值（mean average precision,mAP）分别提高了1.2%32.6%、1.7%19.1%和2.6%28.6%,与几种较新的无监督哈希方法相比有一定的优势。结论 通过进行二次空间划分、对参考特征的哈希索引次数进行加权、动态使用变长哈希码以及提出简单投影语义哈希函数来对LSH算法进行改进。由此提出的加权语义局部敏感哈希（WSLSH）算法相比现有工作有更快的检索速度,同时,在长编码的情况下,取得了更为优异的性能。     

一种新的支持向量机大规模训练样本集缩减策略

支持向量机(SVM)在许多实际应用中由于训练样本集规模较大且具有类内混杂孤立点数据,引发了学习速度慢、存储需求量大、泛化能力降低等问题,成为直接使用该技术的瓶颈。针对这些问题,通过在点集理论的基础上分析训练样本集的结构,提出了一种新的支持向量机大规模训练样本集缩减策略。该策略运用模糊聚类方法快速的提取出潜在支持向量并去除类内非边界孤立点,在减小训练样本集规模的同时,能够有效地避免孤立点数据所造成的过学习现象,提高了SVM的泛化性能,在保证不降低分类精度的前提下提高训练速度。