大规模遥感图片纹理压缩与空间数据集成

摘要

在虚拟现实领域，对各种不同真实空间数据的处理是一个重要的研究方向，而纹理的处理和压缩是空间数据处理中的一个重要部分。纹理的数据量往往是真实空间数据中最大的一部分，如果可以实现较好的压缩处理，不但可以大幅减少空间数据的整体数据量，而且可以减轻对空间数据场景进行绘制的绘制引擎的负担。基于样本的纹理压缩技术针对图片中出现的重复模式和结构，提出了一种提取这些重复模式和结构的搜索方法，并且将提取的重复模式打包成一个样本图，使用一个变换图将这些样本映射到要还原的图片中，从而达到压缩图片的目的。
　　 本文在基于样本的纹理压缩算法的基础上面，提出了一个可以显著加速该算法的加速框架。该框架使用KD-Tree作为加速搜索的数据结构，并且提出了一个新的和KLT搜索结果较为匹配的特征描述子。经加速框架改进后，纹理压缩速度有显著提高。
　　 在该加速算法的基础上，本文提出了一个对大规模数量的图片进行处理的算法改进，在此之上实现了压缩和绘制系统，该系统使用基于样本的纹理压缩的改进算法。其中提出了公用样本库的概念，可将多张图片的共同特征提取出来，以获得更高的压缩率。经该框架改进，基于样本的纹理压缩算法可以处理较大规模数量的图片，并且提取他们共同的特征进行压缩，从而进一步提升了图片集合的整体压缩率。绘制系统可以利用GPU解压大规模纹理进行实时绘制。
　　 本文还提出了一套大规模空间数据的资源集成管线。该资源集成管线基于课题组自主开发的Visionix虚拟现实平台，可将各类空间数据，包括遥感图片和建筑模型，根据空间信息集成为一个统一的大场景。

目录

文摘

英文文摘

图目录

表目录

第1章 绪论

1.1 课题背景综述

1.2 本文的工作与组织结构

1.2.1 本文工作

1.2.2 本文组织结构

1.3 本章小结

第2章 基于样本的纹理压缩技术基础

2.1 纹理压缩概念

2.1.1 图片压缩

2.1.2 纹理压缩

2.1.3 基于样本的纹理压缩技术

2.2 基于样本的纹理压缩基本算法理论与框架

2.2.1 样本图和变换图

2.2.2 算法目标和步骤

2.3 样本匹配与搜索

2.4 建立还原需要的数据结构

2.4.1 建立样本图分片

2.4.2 建立变换图

2.4.3 打包样本图

2.5 实验数据与结果

2.6 本章小结

第3章 针对基于样本的纹理压缩的加速算法

3.1 样本搜索的加速框架

3.2 特征描述子分析

3.2.1 特征简介

3.2.2 特征描述子

3.2.3 特征描述子相关工作

3.3 Gray Split Rotate描述子

3.3.1 描述子的选择

3.3.2 Gray Split Rotate描述子的实现方法

3.3.3 数据评估

3.3.4 需要改进的地方

3.4 使用KD-Tree的加速搜索

3.4.1 最近邻居搜索的概念

3.4.2 KD-Tree的概念

3.4.3 采用KD-Tree的最近邻居搜索

3.5 实验结果

3.6 本章小结

第4章 基于样本的大规模遥感纹理压缩与绘制系统

4.1 大规模遥感图片的压缩需求

4.2 图片数据处理框架

4.3 公用样本库

4.3.1 带公用样本库图片压缩算法

4.3.2 公用样本库的构建

4.4 压缩图片数据的实时绘制

4.4.1 压缩图片数据实时绘制系统框架

4.4.2 压缩图片数据实时解压绘制算法

4.5 实验结果

4.6 本章小结

第5章 大规模空间数据集成系统

5.1 大规模空间数据集成系统简介

5.2 Visionix场景图逻辑结构

5.3 地表数据合成系统

5.3.1 地表数据的表现形式

5.3.2 合成步骤

5.3.3 解决接缝明显的技术

5.3.4 实际的合成结果

5.4 建筑数据合成系统

5.4.1 自动生成建筑模型数据的合成

5.4.2 手工生成建筑模型的合成

5.5 本章小结

第6章 总结与展望

6.1 本文工作总结

6.2 下一步工作与未来展望

参考文献

致谢