论文部分内容阅读
数字化虚拟人研究有着重要的科学意义和广泛的应用前景,对虚拟人的切片数据集进行三维重建是研究中的关键步骤。对三维重建而言,体绘制算法具有能够显示数据场的内部细节的独特优势,但计算量大,处理时间长。虚拟人数据集的规模很大,对其采用体绘制方法进行三维重建,在普通的个人计算机上往往难以实现。为此,本文研究了采用并行计算结构对虚拟人这一大规模数据集进行三维体绘制重建的问题。论文以虚拟中国人女性一号(Virtual Chinese Female No.1,VCH-F1)的切片数据为基础,在集群并行环境中基于MPI标准平台实现了一种光线投射体绘制的并行算法。文章详细描述了光线投射体绘制算法实现中的各个关键步骤。在处理三维空间的几何变换时,算法保持体数据空间不变,对视平面进行三维变换,减小了数据处理量,并采用了绕变换的空间直线轴的旋转方案使交互操作更加直观方便;采样点的插值应用了三线性插值算法;在物质分类方法中选择了较为简单、速度较快的阈值法;明暗计算中采用Phong光照模型以增强绘制效果的真实感;为减少光线投射的采样次数,算法还选用了从前向后的图像合成方法。对虚拟中国人女性一号的切片图像进行重建的结果表明算法具有较好的体绘制效果。在此基础上,论文探讨了体绘制算法并行化思想及其并行策略。并行算法采用了基于图像空间的划分策略,在每个子节点上都存有一份完整的体数据,各子进程间无需大容量体数据的交互,加快了整个绘制过程的速度。任务分配和负载平衡策略则由任务池方法实现,任务的划分粒度基于预实验确定。最后,本文对并行算法的性能进行了分析。对并行算法实验结果的详细分析表明,该算法具有较好的节点规模和任务规模的可扩展性。