论文部分内容阅读
在地震资料处理中，地学专家通过地震数据及其成像图对地底结构进行分析和研究从而获取油、气、矿藏的位置及储量等重要信息，而在以往，由于技术的限制，常对地震数据进行二维显示并在此基础上进行图像分析，显然这种以二维图像解释三维结构的方法存在一定的局限性，因此科研人员开始对地震数据的三维成像方法进行探索。截至目前，地震数据的三维可视化显示仍是地震资料解释中比较热门的研究方向。其目标就是对超大体量的地震数据在保证图像质量的前提下进行流畅的三维显示，有助于地学专家对地底结构的理解和解释。
在三维可视化算法中，直接体绘制算法仍是主流方法之一，在应用于大规模地震数据体时，最主要的问题在于地震数据体体量通常大于内存及显存的规模，使得一些常规直接体绘制算法无法直接使用。针对这一问题，本文进行了深入的学习和研究。
对于大规模数据而言，通常采用八叉树结构对数据重新构建索引，同时结合LOD技术使得当高分辨率数据无法一次性载入或载入过慢时，优先载入低分辨率数据，随后再逐步加细，实现对大规模数据体的三维显示。本文对该方法进行了学习和研究并尝试将其应用于大规模地震数据体，研究了采用八叉树重新对地震数据体构建索引的方法，但实验表明，人工确定的八叉树最小粒度尺寸难以对各种规模的地震数据体保持较高的查询效率，且这一方法中缺乏实时预加载策略，使得持续浏览过程中频繁出现卡顿现象。
针对上述问题，本文采用基于聚类的Hilbert-R树对Seg-Y格式地震数据重新建立索引，提高对目标数据块的索引效率，从而减少绘制耗时。同时提出了采用三次样条插值对连续浏览过程中的视点轨迹进行拟合，进而外推至对后续视点的预测，并通过视锥体剪裁方法获取视点下的数据块，将其提前载入内存，从而减少地质人员在连续浏览地震图像时的卡顿感。
为了验证本文提出方法的有效性进行了一系列对比实验，实验结果表明，基于聚类的Hilbert-R树的索引效率较传统Hilbert-R树，随着数据量的增大提高了8.93%~14.77%，较于八叉树提高了23.38~40.89%。同时对文本提出的三次样条插值算法与Lagrange算法和Hermite算法进行了对比实验，发现其对运动轨迹的模拟效果明显优于这两种算法，其预测准确率较之于Lagrange插值算法提高了10%~16%，较之于Hermite算法提高了10%~12%。最后对本系统渲染时帧率进行了统计，发现即便对于10GB体量的地震数据仍能保持24帧左右的帧速率，实现了对大规模地震数据进行快速显示的目标。
在三维可视化算法中，直接体绘制算法仍是主流方法之一，在应用于大规模地震数据体时，最主要的问题在于地震数据体体量通常大于内存及显存的规模，使得一些常规直接体绘制算法无法直接使用。针对这一问题，本文进行了深入的学习和研究。
对于大规模数据而言，通常采用八叉树结构对数据重新构建索引，同时结合LOD技术使得当高分辨率数据无法一次性载入或载入过慢时，优先载入低分辨率数据，随后再逐步加细，实现对大规模数据体的三维显示。本文对该方法进行了学习和研究并尝试将其应用于大规模地震数据体，研究了采用八叉树重新对地震数据体构建索引的方法，但实验表明，人工确定的八叉树最小粒度尺寸难以对各种规模的地震数据体保持较高的查询效率，且这一方法中缺乏实时预加载策略，使得持续浏览过程中频繁出现卡顿现象。
针对上述问题，本文采用基于聚类的Hilbert-R树对Seg-Y格式地震数据重新建立索引，提高对目标数据块的索引效率，从而减少绘制耗时。同时提出了采用三次样条插值对连续浏览过程中的视点轨迹进行拟合，进而外推至对后续视点的预测，并通过视锥体剪裁方法获取视点下的数据块，将其提前载入内存，从而减少地质人员在连续浏览地震图像时的卡顿感。
为了验证本文提出方法的有效性进行了一系列对比实验，实验结果表明，基于聚类的Hilbert-R树的索引效率较传统Hilbert-R树，随着数据量的增大提高了8.93%~14.77%，较于八叉树提高了23.38~40.89%。同时对文本提出的三次样条插值算法与Lagrange算法和Hermite算法进行了对比实验，发现其对运动轨迹的模拟效果明显优于这两种算法，其预测准确率较之于Lagrange插值算法提高了10%~16%，较之于Hermite算法提高了10%~12%。最后对本系统渲染时帧率进行了统计，发现即便对于10GB体量的地震数据仍能保持24帧左右的帧速率，实现了对大规模地震数据进行快速显示的目标。