面向可視化的體數(shù)據(jù)壓縮技術研究.pdf

1、體可視化技術是可視化研究中的關鍵技術之一，在計算流體力學、地球、空間、醫(yī)療科學等各個領域中得到了廣泛應用，體數(shù)據(jù)是由一些體素（Voxel）組成的集合，由于是高維數(shù)據(jù)，往往具有很大的數(shù)據(jù)量，特別是近年來隨著數(shù)據(jù)獲取設備性能的提高和科學模擬精度的增加，體數(shù)據(jù)的數(shù)據(jù)量急劇增長，達到了幾十GB甚至TB級別。如此巨大的數(shù)據(jù)量對計算性能、存儲空間和網(wǎng)絡傳輸速度等都提出了很大的挑戰(zhàn)，如當前的顯存空間難以一次性讀入整個體數(shù)據(jù)進行繪制，因而體數(shù)據(jù)的壓縮技

2、術研究是當前可視化領域的一個重要研究問題。
　　近幾年來，關于稀疏編碼模型在特征提取、模式識別、數(shù)據(jù)壓縮方面的研究已越來越受重視，其編碼方式不依賴于輸入數(shù)據(jù)的性質，僅僅依靠輸入數(shù)據(jù)的統(tǒng)計特性，因而是一種自適應的特征統(tǒng)計方法，應用前景十分寬廣，具有較大的實用價值。
　　本論文主要圍繞稀疏編碼理論及機器學習在體數(shù)據(jù)壓縮方面的技術研究展開，具體的研究工作如下：
　　1、總結和分析了傳統(tǒng)體數(shù)據(jù)壓縮技術，主要有數(shù)據(jù)分塊、聚類、數(shù)

3、據(jù)降維、特征提取和投影，對每個過程中用到的技術和方法進行了詳細地介紹，并分析了各自的壓縮效果及特點。
　　2、簡要介紹了稀疏分解理論及算法模型，并結合稀疏編碼的收斂性，對體數(shù)據(jù)的稀疏編碼模型進行數(shù)學描述，對稀疏編碼過程中用到的技術和方法進行了詳細地介紹。針對原有的稀疏分解算法進行了改進，提出了利用匹配原子間的相關性來實現(xiàn)快速分解的算法。另外，本文通過使用K-SVD算法來更新數(shù)據(jù)字典，進一步優(yōu)化算法，之后重點介紹了構建過完備數(shù)據(jù)字典