| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题的研究背景与意义 | 第9-10页 |
| ·研究现状及面临的主要问题 | 第10-13页 |
| ·体数据的分类问题 | 第10-11页 |
| ·大规模体数据的存储与传输问题 | 第11-12页 |
| ·大规模体数据的加速绘制问题 | 第12-13页 |
| ·主要研究工作和创新之处 | 第13-14页 |
| ·论文结构 | 第14-15页 |
| 第二章 相关研究基础 | 第15-41页 |
| ·体绘制流程及主要技术 | 第15-21页 |
| ·像序体绘制 | 第17页 |
| ·物序体绘制 | 第17-18页 |
| ·混合序体绘制 | 第18页 |
| ·频域体绘制 | 第18-19页 |
| ·小波域体绘制 | 第19-21页 |
| ·体绘制分类与传递函数 | 第21-25页 |
| ·图像中心的方法 | 第22-23页 |
| ·数据中心的方法 | 第23-25页 |
| ·模式分类方法 | 第25-27页 |
| ·支持向量机 | 第25-27页 |
| ·无监督聚类 | 第27页 |
| ·小波理论及三维数据的小波分解 | 第27-35页 |
| ·小波分析 | 第27-31页 |
| ·基于Lifting Scheme 的整数小波变换 | 第31-33页 |
| ·自适应小波 | 第33-34页 |
| ·三维数据的小波分解 | 第34-35页 |
| ·GPU 技术 | 第35-41页 |
| ·现代GPU 体系结构 | 第36-38页 |
| ·通用计算（GPGPU）模型 | 第38-41页 |
| 第三章 基于支持向量机与无监督聚类的体数据分类方法研究 | 第41-50页 |
| ·问题提出 | 第41-42页 |
| ·基于支持向量机与无监督聚类的体数据分类方法 | 第42-47页 |
| ·同质区域筛选 | 第43-44页 |
| ·无监督聚类 | 第44-45页 |
| ·用户交互选择 | 第45-46页 |
| ·支持向量机的训练过程 | 第46-47页 |
| ·支持向量机分类 | 第47页 |
| ·试验与结果讨论 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 基于小波的大规模体数据压缩算法研究 | 第50-66页 |
| ·问题提出 | 第50-52页 |
| ·结合小波与八叉树结构的大规模体数据层次压缩算法 | 第52-58页 |
| ·块重要图 | 第52-55页 |
| ·块分解的不完全八叉树 | 第55-57页 |
| ·块数据的量化与压缩 | 第57-58页 |
| ·试验与结果讨论 | 第58-65页 |
| ·压缩率对比分析 | 第58-62页 |
| ·采用自适应小波的性能分析 | 第62-64页 |
| ·数据块的随机访问性能分析 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第五章 基于GPU 加速的小波Splatting 算法研究 | 第66-80页 |
| ·小波Splatting 基本算法 | 第66-68页 |
| ·问题提出 | 第68-70页 |
| ·基于GPU 加速的小波Splatting 算法 | 第70-77页 |
| ·新算法流程 | 第70-72页 |
| ·小波脚印计算 | 第72-73页 |
| ·小波系数累加 | 第73-74页 |
| ·卷积的实现 | 第74-76页 |
| ·分量图像累加 | 第76-77页 |
| ·试验与结果讨论 | 第77-78页 |
| ·本章小结 | 第78-80页 |
| 第六章 面向网络传输的大规模数据体绘制系统框架 | 第80-86页 |
| ·面向网络传输的大规模数据体绘制系统的基本结构 | 第82-84页 |
| ·面向网络传输的大规模数据体绘制系统的流程 | 第84页 |
| ·面向网络传输的大规模数据体绘制系统的分析 | 第84-85页 |
| ·本章小结 | 第85-86页 |
| 第七章 结论与展望 | 第86-89页 |
| 参考文献 | 第89-101页 |
| 发表论文和科研情况说明 | 第101-102页 |
| 致谢 | 第102页 |
