一种基于gpu加速的海中场景建模与实时交互绘制方法
【专利摘要】本发明公开了一种基于GPU加速的海中场景建模与实时交互绘制方法。其步骤为：(1)对海中场景声纳数据进行预处理：水体地层分离、目标检测、去噪增强；(2)利用GPU加速实现了可交互的基于光线投射方法的海中场景三维体数据可视化建模；(3)基于GPU加速实现了海中目标声纳数据表面提取和实时绘制。本发明解决了以往可视化算法不适用海中场景声纳数据快速建模和交互可视化分析的问题。减少了主观因素影响，使得数据的初始可视化结果更加准确。本发明使用曲面细分方法对marchingcube算法的目标表面提取结果进行优化处理，得到平滑的渲染结果。最终，实现了海中场景建模与实时交互绘制。
【专利说明】—种基于GPU加速的海中场景建模与实时交互绘制方法
【技术领域】
[0001]本发明涉及三维数据场可视化与三维几何表面获取与绘制领域，尤其涉及一种基于GPU加速的海中场景建模与实时交互绘制方法。
【背景技术】
[0002]海中声纳数据可视化技术主要是利用海中声纳数据作为信息源，采用一定的数据处理和三维建模方法，建立水下声纳数据的三维可视化及交互分析系统。当今海洋资源的开发与利用是新世纪经济增长的热点，对海洋的探测手段也在不断丰富。近些年来，对于海面场景的建模与绘制工作取得了不少进展，在场景的真实感模拟上也取得了相当大的成功，相对应的流体模拟方法，也已经取得了广泛的应用。然而与之相对的是:海中(海表面之下)场景的绘制与建模工作进展偏少，其原因之一是由于计算量的庞大，原因之二是因为声纳数据来源的不精确性。本技术针对海中场景声纳数据进行了预处理与优化，减少了数据中的噪声并提高的数据的精确性，采用了形态学上的图像分割技术来对海底的水体和土地部分进行分别处理以提高识别精度。使用了 GPU加速技术使得绘制与目标特征交互分析达到了实时。
[0003]下面先介绍已有的三维数据场绘制方法:
[0004]I)光线投射(RayCasting)算法
[0005]RayCasting算法是以图象空间未最终渲染结果的载体，从载体空间的每一个像素出发，逆视点方向发射射线穿越三维数据长。沿射线进行等距采样，并根据数据场中的数据，求出该采样点的光学性质。将每条射线上的所有采样点的光学性质依据光学模型进行叠加，计算得到出发点的像素颜色空间属性，从而得到可视载体的纹理分布。该算法需要遍历三维数据场，视点改变时采样点需重新计算，导致了庞大的计算量。
[0006]2)抛雪球法
[0007]这种算法与的RayCasting算法所不同的是，它遍历三维数据长的每一个体素进行计算。它利用一个函数来代表每一个体素投射到可视空间的影响强度，我们一般称之为Footprint。计算每一个体素投射的影响范围，从而计算出对图像的总体贡献,叠加以生成最后的图像。这种算法就好像每个体素像屏幕上扔雪球，打击在屏幕上残留一定的痕迹，因而得名。这样的计算方法，虽然让我们仅仅考虑与显示有关的体素，从而大大减少了数据量，但视点的变换导致所有叠加重新计算，依然无法实时显示。
[0008]常用的算法还有很多:错切变换法、三维纹理映射法等。但传统的光线投射(RayCasting)算法有三大缺点:一是传递函数(transfer function)需要靠人工干预来进行调节，想要得到一个比较好的结果，往往需要花费较长的时间；二是传统的RayCasting算法往往是在CPU端实现的，可交互性比较差；三是传统的的算法对整个体数据使用一个tranfer function,而对于像声纳这类需要分类处理的数据则无法处理。
[0009]同样,传统的Marching Cube方法也不适用于声纳数据,传统的marching cube方法在提取表面时阈值比较单一，而对于类似声纳这类数据，往往目标取值处于一个范围内，传统的方法无法处理；另外如果需要获得一个比较平滑的结果，传统的方法往往需要将增加立方体的分辨率，而这将大大增加处理的数据量。
[0010]除此之外，声纳三维数据场由于受到环境的影响较大。受混响、散焦、噪声等因素影响，一般数据场的直接可视化无法得到足够准确的可视化图像。总结来看声纳数据主要包括以下特征:
[0011]1.数据场中的边缘轮廓十分模糊，且呈现出较为严重的缺失或变形情况；
[0012]2.受到声波信号波长较长、频率较低的影响，结果缺少高频细节信息，导致很多的边缘识别算法无法实现；
[0013]3.声纳信号噪声分布较广，虽然表现形式单一，主要是高频脉冲信号，但由于波动幅度相对较大，对结果图像的影响依然很大。
[0014]4.声纳数据场中的目标信号对声波的反应强度相对单一，因此灰度级相对较少。但噪声数据由于产生原因多样，所以在多灰度级中都有出现。
[0015]5.声纳信号在水体与地层当中的传播有所不同，会产生不同的信号属性，
[0016]综上所述，声纳三维数据场的可视化难以使用现有方法进行绘制与重建。
[0017]由于此类声纳数据的特点，传统的三维数据可视化算法的直接应用得到效果受到严重影响。并且，传统的去噪算法(如中值滤波、双边滤波、直方图均衡化等)都不适用于声纳数据。而基于小波的处理方法、基于模糊理论的处理算法、神经网络算法等也难以应付过大的数据量。
[0018]基于以上的原因，以往的方法难以获得完善的实时声纳数据可视化。
[0019]
【发明内容】
[0020]本发明的目的是克服现有技术的不足，提供一种基于GPU加速的海中场景建模与实时交互绘制方法。
[0021]基于GPU加速的海中场景建模与实时交互绘制方法包括如下步骤:
[0022]I)海中场景声纳数据针对声纳数据特点采用形态学方法和滤波对原始数据进行预处理，分为基于二值化的水体地层分离、基于梯度的目标检测和基于梯度统计与滤波的去噪增强；
[0023]2)利用GPU加速光线跟踪算法，基于数据的统计数据生成传递函数，并加入实时交互功能，实现可交互的海中场景三维体数据可视化建模；
[0024]3)使用基于范围检测的marchingCube方法和GPU加速方法,实现海中目标声纳数据表面提取和实时绘制。
[0025]步骤I)所述的水体地层分离为:
[0026]2.1)通过LOG变换改善数据范围，拓宽有效声纳数据范围；
[0027]2.2)采用高斯滤波快速去噪减弱水体中噪音的影响，并保留了水体地层分界线的原有性质；
[0028]2.3)通过灰度域上的形态学操作中的开运算去除目标与噪声物体，仅保留水体与地层数据；
[0029]2.4)基于水体与地层对声纳信号反应的不同，采用自动化阈值分割水体地层，阈值计算公式为:
【权利要求】
1.一种基于GPU加速的海中场景建模与实时交互绘制方法，其特征在于包括如下步骤: 1)海中场景声纳数据针对声纳数据特点采用形态学方法和滤波对原始数据进行预处理，分为基于二值化的水体地层分离、基于梯度的目标检测和基于梯度统计与滤波的去噪增强； 2)利用GPU加速光线跟踪算法，基于数据的统计数据生成传递函数，并加入实时交互功能，实现可交互的海中场景三维体数据可视化建模； 3)使用基于范围检测的marchingCube方法和GPU加速方法,实现海中目标声纳数据表面提取和实时绘制。
2.根据权利要求1所述的一种基于GPU加速的海中场景建模与实时交互绘制方法，其特征在于步骤I)所述的水体地层分离为: 2.1)通过LOG变换改善数据范围，拓宽有效声纳数据范围； 2.2)采用高斯滤波快速去噪减弱水体中噪音的影响，并保留了水体地层分界线的原有性质； 2.3)通过灰度域上的形态学操作中的开运算去除目标与噪声物体，仅保留水体与地层数据； 2.4)基于水体与地层对声纳信号反应的不同，采用自动化阈值分割水体地层，阈值计算公式为:
3.根据权利要求1所述的一种基于GPU加速的海中场景建模与实时交互绘制方法，其特征在于步骤I)所述的目标检测和去噪增强为:.3.1)计算三维数据场的梯度数据场； .3.2)统计梯度直方图数据场，发现数据场具有双峰特性或多峰特性； .3.3)基于梯度直方图进行门限分割出强度最大的波峰，即得到目标物体； .3.4)对其他波峰数据进行高斯滤波模糊处理，即得到去噪效果。
4.根据权利要求1或3所述的一种基于GPU加速的海中场景建模与实时交互绘制方法，其特征在于所述的步骤2)为:使用GPU优化以下步骤: . 4.1)基于梯度数据场和去噪后的声纳数据场计算加权求和得到新数据场
Ctrans=volumedata+gradientdata 其中c—代表源数据场，Cgradimtdata代表梯度数据场，α与β为加权系数，Ctans代表合成结果； .4.2)基于新数据场的梯度域统计计算得到可交互更改的传递函数； .4.3)以视点为起点，向RayCasting载体立方体表面投射射线，进行等距采样并进行颜色叠加混合；
C0 = α scs+(l-a s)cd 其中a s代表体素透明度，由传递函数提供。Cs为体素强度，Cd代表已叠加强度值，C。代表新得到的强度值，直到采样强度值的不透明度超过1，或采样深度超过数据场停止计算。
5.根据权利要求1所述的一种基于GPU加速的海中场景建模与实时交互绘制方法,其特征在于步骤3)所述的基于范围检测的marchingCube方法和GPU加速方法为: .5.1)将立方体的八个点进行编码将立方体所有的模式进行编码索引，进而将所有的模式放在模式纹理texture_Pattern中进行GPU端的处理与查询； . 5.2)利用GPU的并行处理能力以及立方体之间相互独立的特性，对数据场的所有立方体进行分类，分类检索公式为:
【文档编号】G06T5/00GK103714574SQ201310703038
【公开日】2014年4月9日 申请日期:2013年12月19日 优先权日:2013年12月19日
【发明者】王章野, 王丰金, 廖惟博 申请人:浙江大学