基于GPU的二维矢量场可视化点噪声方法的研究与实现

摘要

现代计算机技术的迅猛发展极大地促进了科学计算可视化的发展,二维离散矢量场可视化是科学计算可视化的重要组成部分。目前,可视化的应用领域十分广泛,几乎涉及自然科学与工程技术的一切领域。
　　 海洋流场可视化对海洋科学的研究和发展具有重要作用,它将测量到的海洋矢量场数据转换为可以直接分析的图形、图像,同时可以实现交互式引导和控制,有利于对海洋整体信息进行研究。然而,随着科学技术的高速发展,采集到的海洋矢量场数据量往往十分巨大,这对可视化的计算能力提出了挑战,目前并行处理技术的发展为大规模海洋数据的实时可视化提供了新的途径。
　　 近年来,计算机图形处理器(GPU)得了极大的发展,其设置的硬件结构能够适应极高并行度与大量浮点吞吐的运算环境,随着GPU的可编程性不断增强,可编程浮点单元已经成为GPU内部的主要运算力量,并且调用越来越方便,编程门槛不断降低。GPU的应用能力已经远远超出了图形渲染任务,并开始涉足到图形学以外的通用计算领域。由于GPU强大的计算能力,运用GPU解决一些大规模的计算问题已经成为一个研究热点。
　　 点噪声方法是显示海洋环境的整体性和全局性特征的重要的研究方法,能够充分显示海洋流场的宏观特性,但是在目前的研究中普遍面临一个重大问题,即算法执行时间较长,可视化难以达到实时处理效果。本文提出一个基于GPU的二维离散矢量场可视化点噪声并行算法,在GPU中并行运用点噪声算法实现流场可视化,本文以基于集群的点噪声并行方法作为参照,对二者进行分析,充分体现了GPU并行计算在大规模海洋数据的实时可视化过程中的优越性。通过对中国东海海洋速度场数据进行可视化并行处理的研究与实现,分析其并行化性能和数据处理时间,实验结果表明,基于两种不同机制的点噪声并行算法在完全保持场的整体特征不变的情况下,GPU并行处理的效果更好,更能有效地提高数据处理的速度,达到了大规模数据实时可视化的目的,为处理大规模二维离散矢量场提供了一种新方法。