导读:本文包含了体数据压缩论文开题报告文献综述及选题提纲参考文献，主要关键词:压缩体绘制,矢量量化,码书初始化,融合体绘制
体数据压缩论文文献综述
唐志梁[1]（2015）在《基于GPU的体数据压缩融合体绘制研究与应用》一文中研究指出随着商用图形硬件的发展,在商用平台上基于GPU的直接体绘制技术已经广泛应用到叁维体数据交互式可视化。然而,大规模体数据的直接体绘制常常受到GPU存储器容量和主存到显存的带宽限制。为了解决这个问题,压缩技术被引入到体绘制中。为了提高整个存储和绘制管线的能力和性能,要求用于体绘制的叁维数据体压缩算法是极其不对称,对压缩算法性能要求不高,但是解压必须是能够满足实时体绘制性能的需求。矢量量化压缩体绘制是一种经典有效的压缩体绘制方法。优点在于很好的满足了不对称性能的要求,并且适合在GPU内解压。但是由于体数据一般规模庞大,矢量量化码书生成非常耗时,严重制约了它的实际应用价值。本文针对压缩体绘制在地震物探领域内应用所产生的问题开展研究。论文的主要贡献如下:1.提出了基于数据流聚类的GPU码书初始化算法。地震数据规模通常会超过GPU的存储空间,目前利用GPU进行码书初始加速的基本思想是将数据调入GPU,再利用相应的码书初始化算法在GPU中进行计算,这仅仅只是利用GPU的高度并行能力。这种方法存在的问题是:如果数据规模过大,超过了GPU的存储空间,需要频繁的CPU与GPU的数据通信,导致的性能低下。针对该问题,本文提出了基于数据流聚类码书初始化算法。其基本思想是先将大数据分割成为多个分块,对每一个分块独立的生成初始码书,在此基础上进行初始码书的合并处理。每一个分块数据只需要从CPU到GPU数据传输一次,从而提高了初始码书生成效率。仿真结果表明,该方法能有效解决大规模数据压缩体绘制的码书初始化问题;2.提出了基于矢量量化的多属性融合体绘制算法。多属性的融合可以提高目标的信噪比。传统的多属性融合是先进行数据的融合,形成新的融合体。融合体绘制是实现显示的融合,可以支持交互式的融合参数实时调整。但多种属性数据通常会超过GPU的存储空间。基于此,本文提出了基于矢量量化的多属性压缩融合体绘制算法。其基本思想将矢量量化压缩后的数据调入GPU,并在GPU内实现融合体绘制。通过仿真表明,本方法可以有效解决多属性数据规模超过GPU存储空间的问题;3.设计并实现了CUDA体绘制算法仿真平台的内存管理模块。该模块通过文件格式和内存管理来支持大规模地震数据的应用。(本文来源于《电子科技大学》期刊2015-04-01）
吴向阳,周洋全,计忠平[2]（2015）在《体数据压缩技术综述》一文中研究指出数据压缩是体数据可视化研究中的一个重要问题.随着体数据的维数、分辨率、变量个数不断增加,数据量呈指数增长,体数据的压缩研究显得更为重要.文中从有损压缩和无损压缩2个方面对已有的体数据压缩方法进行了总结,对无损压缩的各类方法的优缺点进行了比较,对有损压缩的一般流程和其中的重要步骤做了详细的介绍,同时着重介绍了时变体数据压缩方法.最后提出了该领域需进一步探索的方向.(本文来源于《计算机辅助设计与图形学学报》期刊2015年01期）
刘智巍,吴向阳[3]（2014）在《基于稀疏编码的体数据压缩》一文中研究指出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。(本文来源于《计算机应用与软件》期刊2014年08期）
刘智巍[4]（2012）在《面向可视化的体数据压缩技术研究》一文中研究指出体可视化技术是可视化研究中的关键技术之一，在计算流体力学地球空间医疗科学等各个领域中得到了广泛应用，体数据是由一些体素（Voxel）组成的集合，由于是高维数据，往往具有很大的数据量，特别是近年来随着数据获取设备性能的提高和科学模拟精度的增加，体数据的数据量急剧增长，达到了几十GB甚至TB级别如此巨大的数据量对计算性能存储空间和网络传输速度等都提出了很大的挑战，如当前的显存空间难以一次性读入整个体数据进行绘制，因而体数据的压缩技术研究是当前可视化领域的一个重要研究问题近几年来，关于稀疏编码模型在特征提取模式识别数据压缩方面的研究已越来越受重视，其编码方式不依赖于输入数据的性质，仅仅依靠输入数据的统计特性，因而是一种自适应的特征统计方法，应用前景十分宽广，具有较大的实用价值本论文主要围绕稀疏编码理论及机器学习在体数据压缩方面的技术研究展开，具体的研究工作如下：1总结和分析了传统体数据压缩技术，主要有数据分块聚类数据降维特征提取和投影，对每个过程中用到的技术和方法进行了详细地介绍，并分析了各自的压缩效果及特点2简要介绍了稀疏分解理论及算法模型，并结合稀疏编码的收敛性，对体数据的稀疏编码模型进行数学描述，对稀疏编码过程中用到的技术和方法进行了详细地介绍针对原有的稀疏分解算法进行了改进，提出了利用匹配原子间的相关性来实现快速分解的算法另外，本文通过使用K-SVD算法来更新数据字典，进一步优化算法，之后重点介绍了构建过完备数据字典的方法，并讨论了体数据在数据字典上的投影映射及字典的更新3提出了一种基于机器学习的压缩算法，使用PCA主成分分析方法压缩体数据，再利用半监督学习方法建立回归函数来压缩PCA投影系数，组合多个位置相关和系数特征相关的核函数来生成回归函数，并用主动学习方法选取较优的代表系数本文算法结合适当的量化编码，无论在速度上，还是在压缩效果上，相对传统压缩算法都更具优势(本文来源于《杭州电子科技大学》期刊2012-12-01）
肖德贵,李磊,张杨[5]（2011）在《一种大规模体数据压缩体绘制策略》一文中研究指出针对基于GPU的大规模体数据直接体绘制过程中遇到的显存不足的问题,提出了一种大规模体数据的压缩绘制策略.该策略结合小波变换和分类矢量量化进行数据压缩,采用基于GPU的光线投射算法进行绘制,在绘制时,只解压变换当前绘制所需要的极少数数据,并结合多分辨率绘制,实现实时交互.基于CUDA的实验表明:该压缩绘制策略有效解决了显存不足问题,并且在保证交互绘制帧率的前提下获得了较好的成像质量.(本文来源于《湖南大学学报(自然科学版)》期刊2011年07期）
张杨[6]（2011）在《基于GPU的大规模体数据压缩算法研究与实现》一文中研究指出利用可编程图形硬件的高性能浮点运算能力和并行处理能力来加速数据压缩算法已逐步成为数据压缩领域的研究热点。在众多数据压缩方法中,矢量量化因其压缩比高和解码相对简单,吸引了国内外大量学者的研究热情。这些研究主要集中于如何加快码字搜索、如何改进码书生成算法来加速矢量量化,而关于在GPU中实施矢量量化的研究比较少,这是因为矢量量化是一种非并行结构的算法,所以直接将其在GPU中实现并不能起到明显的加速作用。本文研究的核心问题是：根据图形硬件的编程原理,并行化改进矢量量化,优化算法结构,在保证数据信息尽量完整的前提下,充分利用GPU的并行计算能力来加速大规模体数据的压缩编码过程。首先,提出一种根据图像空间相关性来指导码书设计的矢量量化算法。该算法根据体数据在图像空间上存在相关性的特点,在数据预处理阶段,使用图像自相关函数来评价矢量集中每个矢量的自相关性,根据自相关系数的大小将矢量集分成两个子集,使用LBG算法为每个子集设计一个码书。在体数据中,相关性较高的冗余数据通常占有较大的比例。通过实验证明,这种方法可以大幅度减少冗余数据和不需要精细绘制的数据的计算量。其次,结合CUDA编程技术和GPU并行计算原理,提出了一种矢量量化的并行化改进策略。该策略减少了矢量量化的各环节之间以及环节内部的相互依赖,使得在GPU中并行执行矢量量化成为了可能。当原始数据较大时,在LBG算法迭代过程中,CPU与GPU之间的数据传输比较频繁,显着增加了算法的时间开销。为解决这一问题,提出码书自适应的矢量量化算法,无论数据大小,该算法可以保证仅需载入一次数据便可以得出较优的码书。通过对比实验证明,该算法在保证图像重构质量和压缩比的前提下,极大的提高了压缩速度。最后,将码书自适应的矢量量化算法和两种高效矢量量化算法分别应用到本人参与开发的高维地震数据可视化系统的数据处理模块中,通过比较几种方法的压缩效率、压缩比以及图像重构质量等指标得出结论：基于GPU的码书自适应矢量量化算法是一种高效率且低失真的体压缩方法。(本文来源于《湖南大学》期刊2011-05-16）
赵利平,肖德贵,李肯立,乐光学,彭成斌[7]（2009）在《一种高效体数据压缩算法及其在地震数据处理中的应用》一文中研究指出采用可编程图形硬件对大规模体数据进行直接体绘制时常常受到图形卡容量的限制,导致数据在内存与显存之间频繁交换,从而成为绘制的瓶颈.为此,提出一种大规模体数据矢量量化压缩算法.首先对体数据分块,并依据块内数据平均梯度值是否为0对该块进行分类;然后用3层结构表示梯度值非0的块,对其中次高层和最高层采用基于主分量分析分裂法产生初始码书,用LBG算法进行码书优化和量化,而对最低层以及梯度值为0的块采用定比特量化.实验结果表明,在保证较好图像重构质量的前提下,该算法可获得50倍以上的压缩比和更快的解压速度.(本文来源于《计算机辅助设计与图形学学报》期刊2009年11期）
王蕊,李俊山,罗蓉,胡双演[8]（2008）在《基于扩展多尺度Wedgelet的叁维体数据压缩算法》一文中研究指出针对小波变换在压缩高维空间数据特征上存在的明显不足,结合多尺度几何分析中的wedgelet理论,提出一种新的叁维体数据压缩算法。将wedgelet理论扩展到叁维,利用其多尺度多分辨率分析能力及体数据的几何正则性对叁维体数据进行压缩,较好地保留了体数据的轮廓曲面特征。通过提升小波及DCT方法对3种不同体数据的压缩实验显示,该算法压缩率较高、重构效果比较理想。(本文来源于《计算机工程》期刊2008年11期）
曾理,李宗剑,翟玉兰,邹晓兵,卢艳平[9]（2007）在《基于脊波变换的体数据压缩编码方法》一文中研究指出体数据的数据量大、数据间的相关性强、拥有大量的线或面结构,因此需要研究有效的压缩编码方法。脊波变换作为一种新的时频分析工具,在处理线或面的奇异性时有它适用的一面。在介绍脊波变换理论的基础上,将脊波变换的思想应用到体数据的压缩编码中。文中两种压缩策略的主要思想分别为:策略1先将体数据划分成切片组,再对每一张切片做二维脊波变换,然后进行量化和熵编码;策略2直接对体数据做类似于叁维脊波变换的变换,然后进行量化和熵编码。比较而言,策略1实现简单,策略2能获得更高的压缩比。两种策略都具有较强的鲁棒性,且能实现嵌入式编码。该方法已应用到实际工业CT体数据的压缩编码中,还可用于其它类型体数据的压缩编码中。(本文来源于《计算机工程与应用》期刊2007年21期）
李宗剑[10]（2007）在《体数据压缩的脊波算法研究》一文中研究指出就像图像是由像素组成的集合一样,体数据(叁维数据)是由一些体素组成的集合,在工业CT、医学(如心脏超声波序列图像等)、科学计算可视化、体图形学以及CAD领域都能涉及到体数据的处理。体数据的最大特点就是数据量大,可以大到从几百兆到上万兆的字节,这为数据的存储和网络的传输都带来巨大的压力。然而,相邻或相近体素之间存在着很强的相关性,这为体数据的压缩提供了可能。另外,体数据中含有大量的线状或面状结构,它们是构成物体轮廓所必不可少的基础成分,压缩后的体数据必须尽量保留这些结构信息。近十几年,图像压缩方面研究较多且结果较好的方法是小波变换的方法。小波方法在处理点状奇异性的问题时,能达到较好的效果,但在处理超平面状奇异性(包括线状奇异性和面状奇异性)的问题时,就不再那么令人满意了。为了弥补小波方法在处理超平面状奇异性问题时的不足,斯坦福大学的Candes和Donoho在1998年提出了一种新的多分辨率分析工具——脊波,它能有效地处理超平面状奇异性的问题。脊波和压缩的结合是一个新兴的研究问题,最近几年在这方面已有初步的研究成果。但是这些研究,主要集中于二维图像。函数的脊波变换可以通过在该函数的Radon域上进行小波变换来实现,因此,脊波变换可以按先做Radon变换(投影),再做小波变换的顺序来实现。本文就是按照这个思路来实现脊波变换的,并将其应用到体数据(包括CT切片序列图像和心脏超声波序列图像)的压缩中。文中研究了两种压缩策略:策略一,先将体数据划分成切片组,针对每张切片做2D脊波变换,脊波变换由平行束投影(2D-Radon变换)加1D小波变换实现,再组织变换系数,然后做量化、熵编码等;策略二,直接对体数据做3D脊波变换,脊波变换由锥束投影(3D-Radon变换)加2D小波变换实现,再组织变换系数,然后做量化、熵编码等。在组织变换系数时,考虑到不同方向脊波变换系数间存在的相关性,使用了预测编码技术。体数据脊波变换系数编码的使用,既保留了体数据的结构信息,又能得到较高的数据压缩比。本文的体数据压缩算法具有渐进式编码和较强鲁棒性的特点。当数据传输时,由于受网络带宽的限制,无法在短时间内完成全部体数据的传输,渐进式编码的设计能让接收端用户由粗到细地获得体数据信息,从而减少用户了解体数据内容的等待时间;传输过程中的数据丢失是一个经常发生的问题,文中根据体素间的相关性,利用相邻投影方向的脊波变换系数来补偿丢失的变换系数,使得整个算法具有较强的鲁棒性。比较而言,策略一解码数据质量较好;策略二消除了策略一因划分切片致使切片间的相关性丢失的不足,使得压缩比有所提高。实验显示:将本文的方法同JPEG或者是基于小波变换的压缩方法相比,在解码数据质量大致相当的情况下,本文的方法将拥有更高的压缩比。(本文来源于《重庆大学》期刊2007-04-01）
体数据压缩论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
数据压缩是体数据可视化研究中的一个重要问题.随着体数据的维数、分辨率、变量个数不断增加,数据量呈指数增长,体数据的压缩研究显得更为重要.文中从有损压缩和无损压缩2个方面对已有的体数据压缩方法进行了总结,对无损压缩的各类方法的优缺点进行了比较,对有损压缩的一般流程和其中的重要步骤做了详细的介绍,同时着重介绍了时变体数据压缩方法.最后提出了该领域需进一步探索的方向.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
体数据压缩论文参考文献
[1].唐志梁.基于GPU的体数据压缩融合体绘制研究与应用[D].电子科技大学.2015
[2].吴向阳,周洋全,计忠平.体数据压缩技术综述[J].计算机辅助设计与图形学学报.2015
[3].刘智巍,吴向阳.基于稀疏编码的体数据压缩[J].计算机应用与软件.2014
[4].刘智巍.面向可视化的体数据压缩技术研究[D].杭州电子科技大学.2012
[5].肖德贵,李磊,张杨.一种大规模体数据压缩体绘制策略[J].湖南大学学报(自然科学版).2011
[6].张杨.基于GPU的大规模体数据压缩算法研究与实现[D].湖南大学.2011
[7].赵利平,肖德贵,李肯立,乐光学,彭成斌.一种高效体数据压缩算法及其在地震数据处理中的应用[J].计算机辅助设计与图形学学报.2009
[8].王蕊,李俊山,罗蓉,胡双演.基于扩展多尺度Wedgelet的叁维体数据压缩算法[J].计算机工程.2008
[9].曾理,李宗剑,翟玉兰,邹晓兵,卢艳平.基于脊波变换的体数据压缩编码方法[J].计算机工程与应用.2007
[10].李宗剑.体数据压缩的脊波算法研究[D].重庆大学.2007