网络环境下的大规模纹理数据压缩传输技术研究

纹理技术是计算机图形学中最重要的技术之一，它可以有效模拟和增强景物表面的细节特征并大大减少场景的几何数据量。高质量的大规模场景绘制往往需要数量巨大的纹理数据，如何通过有限的纹理内存实时绘制这些纹理数据、如何经由带宽有限的网络快速传输纹理数据是面向网络的大规模场景实时绘制必须解决的关键问题。针对有限的纹理内存，本项目提出基于内容重用的纹理压缩算法来更好的压缩纹理的视觉相似区域；针对有限的网络带宽，本项目提出基于学习的多分辨率压缩算法实现面向网络渐进传输的压缩算法。为了进一步提高解压速度，本项目在客户端实现上述两个压缩算法的基于GPU的复合解压算法。通过这两个压缩算法的有效结合，本项目可以实现网络环境下大规模纹理数据在客户端的实时高质量绘制。基于上述研究成果，我们将搭建网络环境下的大规模纹理数据压缩传输原型系统。

高质量的大规模场景绘制往往需要数量巨大的纹理数据，如何通过有限的纹理内存实时绘制这些纹理数据、如何经由带宽有限的网络快速传输纹理数据是面向网络的大规模场景实时绘制必须解决的关键问题。本项目研究面向网络应用的大规模场景纹理数据的压缩、高效传输与实时绘制，主要取得了以下三方面的研究成果：（1）针对有限的纹理内存，采用基于内容重用的纹理压缩算法来更好的压缩纹理的视觉相似区域，对于基于样本的纹理压缩技术进行加速和优化，使之可以用于大规模三维场景绘制，如遥感图片的绘制。创新地提出视觉特征描述子来计算纹理相似性，同时基于GPU并行计算加速相似纹理块的查找，从而大大加速大规模场景多纹理的压缩速度，且保证压缩质量，使得项目成果可以用于实际网络环境下的大规模三维场景的绘制。（2）为了进一步提高纹理的压缩质量，本项目在在压缩时考虑由于人眼主观感知引起的图像重要度的影响，在保持压缩率的同时提高压缩质量，使得解压图像的压缩误差根据人眼对于图像不同区域的注意程度进行调整，即重要度高的区域压缩误差保持较小，而重要度小的区域压缩误差可以适当放大。本项目创新地采用最新的visual saliency计算模型计算得到符合人眼视觉感知的图像重要度映射图。基于此重要度图自适应地调整两个纹理块的相似距离阈值，从而对图像不同区域进行自适应的压缩，取得更高的压缩质量。（3）为了利用网络云计算进行快速的纹理压缩和传输，本项目提出了云计算环境下的纹理图像序列无损压缩。本项目提出了减少数据的局部复杂性的数据块重排方案来解决纹理图像序列无损编码效率偏低的问题，从而提高压缩率。为了进一步加快编码速度，提出了一种在云计算平台上基于Map/Reduce 计算模型的分布式编码方案，该方案能够在保持相对高压缩比的前提下可以灵活的设置参与计算的Map进程数目，并且能够降低编码的处理时间。