国产自产21区,亚洲97,免费毛片网,国产啪视频,青青青国产在线观看,国产毛片一区二区三区精品

基于目標cf的矢量量化壓縮體繪制方法
【專利摘要】本發明提供一種基于目標CF的矢量量化壓縮體繪制方法，包括：根據預先定義的可信度計算準則，對輸入矢量的每一個點計算可信度，并統計對應各CF區間的比重；CF值高對應的優先級也高，CF值低對應的優先級也低；查看第一優先級的比重，若該優先級的比重低于第一閾值，繼續，否則給該矢量最高優先級的CF值，結束；當第一優先級的比重過低，比較第二優先級的比重，若該比重低于第二閾值，繼續，否則給該矢量第二優先級的CF值，結束；當第二優先級的比重仍不滿足要求，則計算第三優先級，若比重低于第三閾值，那么賦給第四優先級的CF值，否則賦給第三優先級的CF值，利用得到的CF值，去影響失真測度計算，碼書分裂偏向可信度高的區域。
【專利說明】基于目標CF的矢量量化壓縮體繪制方法

【技術領域】
[0001]本發明屬于體繪制領域，具體涉及一種CF矢量量化壓縮體繪制。

【背景技術】
[0002]體繪制是一種直接由三維數據場產生二維圖像的技術。由于該技術可以高效的呈現出數據的整體信息和內部細節，在眾多領域得到廣泛的應用。隨著圖形硬件的發展，基于GPU加速的體繪制方法成為目前體繪制領域的主流方法。壓縮體繪制(compressed volumerendering,CVR)同時涉及體壓縮和體繪制兩種技術,是在二者緊密結合之下產生出的一種新的體繪制方法。壓縮體繪制主要解決海量數據體繪制時面臨主存和顯存容量限制的問題。現有壓縮體繪制方法大都采用一種均勻壓縮或基于數值分布的非均勻的方式，但是在處理海量地震數據時，上述方式無法平衡失真度與壓縮比之間的矛盾，要求高壓縮比就導致高失真，重要信息損失嚴重。
[0003]施耐德等第一次使用GPU實現了分層矢量量化壓縮體渲染。矢量量化第一次被引入體繪制，分層矢量量化(hierarchical vector quantizat1n HVQ)是一種改進的VQ策略。該方法通過引入對原始數據的多分辨率的協方差分析，來獲得一種能有效處理多為數據的VQ方法。趙利平等針對地震數據領域具有的情境，引入了分類的思想對提出分層分類矢量量化壓縮體繪制方法。將矢量量化壓縮引入地震數據處理領域，獲得較優秀的成果。
[0004]在實際地震數據應用中，存在另一種應用情景。在該應用場景下，目標不能通過一個區域來描述，需要給出更明確的描述方式。例如地震數據中的某些微構造，對于這種存在于數據體中的重要信息，其往往具有一定的特征，但是對這種特征的描述需要引入行業內的經驗判斷。由于引入了經驗判斷，這種描述就存在一定的不確定性，基于此本發明提出基于目標可信度的矢量量化壓縮體繪制方法。通過可信度的概念來對無法精確描述的目標進行建模。
[0005]矢量量化在壓縮性能上要優于標量量化，已被廣泛的應用在數據壓縮領域，特別是三維體數據壓縮方面。對于三維體數據，矢量量化中輸入矢量來自于對原始數據的分塊，對于三維體數據，劃分出來的小塊的數量通常非常巨大。應用傳統方法，由于巨大的輸入矢量集合，使得碼書的訓練生成，碼字的搜索匹配變得異常的困難，因此現有的對體數據進行矢量量化的方法都是在傳統方法基礎之上進行的改進。
[0006]LBG方法是最經典的矢量量化方法，該方法通過給定一個起始的碼書，然后通過不斷迭代的方式，直到滿足用戶設定的失真測度。流程圖如圖1所示。
[0007]傳統意義的LBG方法主要有以下幾個缺點:
[0008]在根據現有碼本對輸入矢量進行最佳劃分時，所需要的計算量太大，時間和空間復雜度都很高，導致方法的實用性過低。
[0009]該方法在每次改變形心后，進行最佳劃分時，矢量的變化不會很大，通常只會在小范圍內變化，導致最后的量化結果滿足局部最優。因而對初始碼本的選定較為依賴。
[0010]因為LBG方法對初始碼本的依賴較為嚴重，學者們研究提出了幾種初始碼本的選取方法:
[0011 ] 隨機選取法，該方法具有一定的隨機性，來構成初始碼書
[0012]^^^'^^…，^，此方式特點在于^間復雜度低^且沒有空胞腔問題。
[0013]分裂法，從初始只有一個碼字，是通過計算所有輸入矢量的形心來計算得至IJ。然后用一個適當的系數A，乘以碼字Vt"，形成第二個碼字Ctn。以為簡單的初始碼書，運用LBG方法設計碼書，然后根據乘以合適的系數B，來確定4個碼字
廣噸⑼，然后以這四個去構建碼書，依次繼續進行，直到碼書個數達到要求。


【發明內容】

[0014]為解決現有技術存在的上述問題，本發明提出一種基于目標CF的矢量量化壓縮體繪制方法。
[0015]本發明具體的技術方案為:基于目標CF的矢量量化壓縮體繪制方法，CF計算的具體包括以下步驟:
[0016]S1:根據預先定義的可信度計算準則，對輸入矢量的每一個點計算其可信度，并統計對應各個CF區間的比重；
[0017]S2:CF的優先級主要根據專家對可信度準則的定義來給出，也即CF值高的其對應的優先級同樣高，CF值低的其對應的優先級也低；
[0018]S3:查看第一優先級的比重，如果該優先級的比重低于第一閾值，那么繼續，否則給該矢量最高優先級的CF值，結束；
[0019]S4:當第一優先級的比重過低時，比較第二優先級的比重，如果該比重低于第二閾值時，繼續，否則給該矢量第二優先級的CF值，結束；
[0020]S5:當第二優先級的比重依然不能滿足要求時，則計算第三優先級，如果比重低于第三閾值，那么賦給第四優先級的CF值，否則賦給第三優先級的CF值；
[0021]S6:利用計算出來的CF值，作為可信度的因子，乘以失真測度，得到可信度的值，進行碼書分裂時，選取可信度高的塊進行分裂；
[0022]進一步地，所述第一閾值為10% ；
[0023]進一步地，所述第二閾值為20% ;
[0024]更進一步地，所述第三閾值為30%。
[0025]所述碼書設計具體包括:
[0026]對于一個輸入的單一量化單元V1，該量化單元包含了所有的輸入矢量集合I，設Y1為該集合的形心，也就是對應的碼書，計算當前量化單元的失真測度A = Σλ%.，
[0027]其中，λ為計算出來的CF值，=為均方誤差歐式距離；




k i=i
[0028]計算得到失真測度后，接著構造一個雙向鏈表，將
[0029](Di Y飛=(/_e ^F1))插入到鏈表中，然后對鏈表中的元素從大到小進行排序，每一次對失真測度I最大的量化單元進行分裂，每次分裂的步驟如下:
[0030]S61.在鏈表中選擇包含最大失真測度Dj的組；
[0031]S62.計算自相關協方差矩陣

【權利要求】
1.基于目標CF的矢量量化壓縮體繪制方法,其特征在于,包括: 51:根據預先定義的可信度計算準則，對輸入矢量的每一個點計算其可信度，并統計對應各個CF區間的比重； 52:CF的優先級主要根據專家對可信度準則的定義來給出，也即CF值高的其對應的優先級同樣高，CF值低的其對應的優先級也低； S3:查看第一優先級的比重，如果該優先級的比重低于第一閾值，那么繼續，否則給該矢量最高優先級的CF值，結束； 54:當第一優先級的比重過低時，比較第二優先級的比重，如果該比重低于第二閾值時，繼續，否則給該矢量第二優先級的CF值，結束； 55:當第二優先級的比重依然不能滿足要求時，則計算第三優先級，如果比重低于第三閾值，那么賦給第四優先級的CF值，否則賦給第三優先級的CF值。 S6:利用計算出來的CF值，作為可信度的因子，乘以失真測度，得到可信度的值，進行碼書分裂時，選取可信度高的塊進行分裂。
2.根據權利要求1基于目標CF的矢量量化壓縮體繪制方法，其特征在于，CF通過如下形式給出:
其中，CF表示當數據值X在(an，bn]范圍內的時候，判定其為目標的可信程度λη。
3.根據權利要求1基于目標CF的矢量量化壓縮體繪制方法，其特征在于，所述第一閾值為10%。
4.根據權利要求1基于目標CF的矢量量化壓縮體繪制方法，其特征在于，所述第二閾值為20%。
5.根據權利要求1基于目標CF的矢量量化壓縮體繪制方法，其特征在于，所述第三閾值為30%。
6.根據權利要求1基于目標CF的矢量量化壓縮體繪制方法，其特征在于，步驟S6所述碼書的設計具體包括:對于一個輸入的單一量化單元V1，該量化單元包含了所有的輸入矢量集合1，設Y1為該集合的形心，所述形心即對應的碼書，計算當前量化單元的失真測度
.其中，λ為計算出來的CF值，
力均方誤差歐式距離； 計算得到失真測度后，接著構造一個雙向鏈表，將 (D1，3, ) = (/￡ 3 ^插入到鏈表中，然后對鏈表中的元素從大到小進行排序，每一次對失真測度h最大的量化單元進行分裂； 其中，$表示一個分組里面量化單元的編號。
7.根據權利要求6基于目標CF的矢量量化壓縮體繪制方法，其特征在于，所述分裂的具體步驟如下: S61:在鏈表中選擇包含最大失真測度Dj的組； S62:計算自相關協方差矩陣:
S63:計算M的最大特征向量和與其對應的最大特征值λ max ； S64:將該組分為 Ileft 和 3 ,兩個組，

S65:對于新分出來的組3〃,和，分別計算他們的形心Ylrft和YHght，以及各自新的失真測度Dleft和Dright ； S66:將得到的兩個組插入到鏈表中； S67:如果組數的數目等于2%也就是碼書的數目等于Ar自己給出的一個值，則停止，否則跳轉到步驟S61。
【文檔編號】G01V1/32GK104200510SQ201410416240
【公開日】2014年12月10日 申請日期:2014年8月22日 優先權日:2014年8月22日
【發明者】魯才, 唐志梁, 胡光岷 申請人:電子科技大學