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。     

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.     

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。     

基于GPU与Monte-Carlo的体绘制光线投射算法的研究

体绘制过程中等距离采样在显示效果不理想的情况下,每减少一个采样步长会增加大量采样点,大大增加了体绘制过程中的计算负担。针对这个问题,提出了一种基于Monte-Carlo积分方法的光线投射实现的实时体绘制算法,采用Monte-Carlo积分方法解决了光照明方程中的积分问题。实验结果表明,在显示效果几乎一样的前提下,采用本文的方法绘制效率提高了十多帧。     

基于GPU光线投射算法的心脏体数据三维可视化

心脏成像和可视化技术在心脏疾病诊断、治疗规划中发挥着重要作用。针对分割后的心脏体数据集,提出了使用图形处理器(GPU)加速光线投射算法进行高质量三维可视化的新方法。该方法结合心脏体数据统计信息设计传递函数,增大细微组织的不透明度值;基于梯度模自适应地调整采样步长,提高组织边界的采样频率;应用改进的Blinn-Phong多光源光照模型,增强可视化效果。实验结果表明,该方法在实现实时绘制的同时,能够获得高质量的体绘制效果,渲染出清晰的瓣膜和冠状动脉血管等心脏细微组织。     

基于线性八叉树的光线投射体绘制算法改进研究

体视化是地学信息三维可视化研究的前沿技术之一，体绘制算法的效率直接关系到体视化的效果。本文在研究已有光线投射体绘制改进算法的基础上，提出利用线性八叉树数据结构对光线投射体绘制算法进行改进研究，不仅实现了体数据的压缩。而且能对压缩体数据进行直接体视化。在PC机上的实验表明，该方法具有时间复杂度与数据复杂度基本无关的特点．加速效果明显。最后，文章指出了该方法的适用范围。     

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。     

一种加速的规则体数据场光线投射体绘制算法

本文讨论了规则体数据场的体绘制算法,将光线投射体绘制算法看作是对体数据立方体投影多边形的填充,减少了投射光线的数目。将Bresenham画线算法推广到三维空间,减少了光线投射算法的计算时间。本算法已应用于我所开发的三维核磁共振图像分析系统中,效果较好。     

一种高效的光线投射体绘制算法

作为体绘制中的一个经典绘制算法,光线投射算法理论简单同时能产生高质量的图像,被广泛应用于医学图像可视化领域。但在绘制过程中有大量的投射光线和体素的重采样,导致绘制速度较为缓慢。为提高绘制的速度,文中提出一种高效的光线投射体绘制算法,通过引入碰撞检测技术减少投射光线的数目,避免冗余光线的采样计算,同时采用光线跳跃方法在碰撞检测包围盒内跳过对空体素的重采样,加快了光线合成的过程。实验结果表明,改进后的算法不仅能保证所需要的图像质量,还能大幅度地减少采样计算的时间,高效地提高绘制速度。     

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。     

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。     

基于结构特征的自适应光线投射算法

目的 光线投射法是一种重要的直接体绘制算法,但其效果取决于复杂的传递函数.为此提出基于结构特征的自适应光线投射算法,从而使得利用简单传递函数即可很好地揭示体数据特征.方法 首先分析光线方向标量值的变化趋势获取结构特征——特征段;然后基于若干意义明确启发式规则(特征段的次序、尺度、重要度)自动计算特征段的可见度,根据特征段可见度调节每个采样点的不透明度;最后基于调节后的不透明度完成绘制.结果 使用合成数据、医学真实采样数据和工业CT(computed tomography)数据进行测试,结果表明本文算法在展示体数据的内部结构特征,尤其是细小结构方面优于其他类似算法;本文算法速度比DVR(direct volume rendering)慢,但仍可满足交互需求.另外,本文算法还提供多个形象直观、意义明确的参数供用户调节,进一步增加了本文算法的灵活性.结论 本文提出的自适应光线投射算法,允许用户使用简单传递函数和调节意义明显的参数即可有效揭示体数据特征,进一步提高了光线透射法的直观性.     

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。     

一个新的体绘制加速算法

针对目前加速方式与传递函数交互设定需求的矛盾,提出了一个新的基于边缘切除原理的体绘制加速算法。算法针对两个关键难点:如何消除传递函数调整依赖性,如何识别空体素,提出了有效的绝对空体素识别准则,设计了高效的边缘空体素分离机制,构成了不依赖传递函数调整的加速模式。在保持高的图像质量的前提下,边缘切除算法具有显著的绘制速度提升。边缘切除过程在预处理阶段进行,算法参数易于选取和推广,具有广泛的适应性,非常适合需要交互设定传递函数的普及型医学图像分析系统应用。算法采用了规则的边缘切除方式,收缩后的体数据非常方便后续光线投射或溅射算法应用,可以方便地与其他各种加速方式组合使用,使不同角度的加速效果实现叠加,是当前各种主流加速技术的一个很好的互补技术。不同背景的运算实例,测试和验证了算法的有效性。     

基于GPU图像直接体绘制算法分析与评价

近年来计算机图形硬件性能不断提高,利用硬件来实现体绘制过程中的某些环节以获取交互的绘制速率成为可能,是目前体绘制的研究热点。描述了基于GPU的光线投射法、2D纹理映射法和3D纹理映射法等典型算法,给出了各类算法的分析与性能评价,最后实现相关算法并得出实验结果。     

Real-time ray casting rendering of volume clipping in medical visualization

This paper presents a real-time ray casting rendering algorithm for “volume clipping plane“ as an extension of the conventional ray casting technique.For each viewing direction a(moderate) pre-processing step is performed:the ray traverses the entire volume data (no early ray termination).Its intensity and opacity contributions are divided into several segments which are then sorted and stored by depth.At each sampling position along a segment,accumulated trans-parency and color are stored at a moderate memory overhead.For visualizing real-time volumeclipping,only relevant segment contributions (maximum two) at the location of the clipping plane are considered,thus reducing the calculation to meet real-time requirements.Compared with theprevious work that involves time-consuming re-clipping,re-traversing and re-shading,the proposed method achieves quality identical to ray casting at real-time speed.The performance is indepen-dent of the volume resolution and/or the number of clipping planes along a given viewing direction.Therefore it is suitable for real-time “internal volume inspections“,involving one or several cutting planes,typically applied e.g.,in medical visualization and material testing applications.     

基于图形处理器的可变形部件模型算法的并行化

目前目标识别领域,在人体检测中精确度最高的算法就是可变形部件模型(DPM)算法,针对DPM算法计算量大的缺点,提出了一种基于图形处理器(GPU)的并行化解决方法.采用GPU编程模型OpenCL,对DPM算法的整个算法的实现细节采用了并行化的思想进行重新设计实现,优化算法实现的内存模型和线程分配.通过对OpenCV库和采用GPU重新实现的程序进行对比,在保证了检测效果的前提下,使得算法的执行效率有了近8倍的提高.     

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。     

建立在图像识别基础上的体绘制加速方法

提出了一种新算法——IRVR（Image Recognition Volume Rendering）,该算法能大幅降低冗余数据,从而提升体绘制速度。IRVR算法首先利用交叉熵阈值分割法从三维数据集中将物体像素和背景像素识别出来,然后将迭代光线追踪方法和物体检测采样策略结合起来对原始三维数据集进行采样。接着运用快速迭代法对分类数据集进行采样,从而定位视线与原始数据集的交点。IRVR算法还应用了准确正规采样方法（例如,三线性插值、样条插值等）在体绘制过程中对原始数据集进行插值。经过实验得出的结论证明IRVR算法既能提高体绘制的速度,又可以保证体绘制图像的质量。