海量地形场景绘制是高效表现空间信息的基础,是地理信息系统、虚拟战场环境等大多数虚拟现实系统必不可缺的重要部分。各种传感器获取的高分辨率数据为地形绘制提供更逼真效果的同时,数据量也随之不断增大。海量地形场景绘制实时性的重要保证在于对数据的高效管理、高效检索和高效传输。为了满足这些要求,本文研究了海量地形场景数据组织与传输中影响性能的几个关键技术:场景数据组织模型的设计、海量数据的检索、海量数据基于P2P技术的分布式存储管理、地形数据的压缩与传输技术。本文的主要工作和贡献如下:(1)面向虚拟战场环境海量场景数据组织管理的需求,提出一种基于上下文的场景数据组织本体模型。该本体模型通过对概念的抽象,实现各个应用子系统之间的数据统一表示、共享和重用;通过上下文限定有效缩减待检索的数据集;对需要绘制的数据进行聚集,提高绘制系统的性能;通过设计概念添加层次判定算法,支持概念的添加和本体模型扩展。虚拟场景绘制初步实验结果表明,该模型能够满足虚拟战场环境的描述统一性、可扩展性、海量数据高效检索等需求,而且能够支持应用处理的优化策略。(2)针对分层分块的海量全球地形数据特点,提出了两级编码的中点索引编码机制以及视点扩散的数据检索算法。中点索引编码机制使用每个地形块的中点坐标,建立了针对初级面片和层次细节数据的两级编码,能够很好地表现数据块的空间位置和与相邻数据的拓扑关系,满足唯一性要求,查询方便。视点扩散的数据检索算法利用视点与块中点的距离进行绘制块的选择,只维护内存中当前视点区域附近少部分地形数据的索引,查询时不需要遍历整个层次细节模型,可实现快速检索。地形数据的绘制实验结果说明,本文方法与传统自顶向下遍历金字塔查找可绘制块方法相比,绘制帧速有明显提高。(3)为支持海量地形场景数据的分布式存储,提出一种采用混合结构P2P网络的海量地形场景数据分布式存储方法。混合结构P2P网络由结构化基础节点和非结构化应用节点两部分组成,基础节点具有较高性能,能够保证海量数据的P2P分布式稳固存储。应用节点根据性能划分为胖节点和瘦节点,能够支持各种绘制终端类型,使副本分布更加合理。在混合结构P2P网络中设计了选择性沿路放置的副本放置算法和基于竞争学习的副本删除策略。该方法在保证海量数据的P2P分布式稳固存储基础上,支持兼顾Qo S能力和与基础节点距离的副本管理。测试实验结果表明,本文方法与传统的采用非结构P2P网络方法相比具有更好的分布存储性能。(4)为了减少数据在网络上传输对用户应用实时性的影响,提出了一种基于视觉优化的纹理数据压缩(HVS-Optimized Texture Compression,VOTC)算法和一种基于边制导预测编码(Edge-Directed Prediction Coding,EDPC)的高程数据压缩算法。结合人类视觉特性对纹理压缩算法进行视觉优化,能够保证重构图像在相同压缩率下引起的视觉误差较小;边制导的预测编码方法,能提高预测精度,并避免解压地形高程数据的边界误差所产生的裂缝。两种压缩方法都能够利用GPU进行并行处理。支持压缩数据的随机访问,从而提高了解压处理速度,降低了解压所需的存储开销。同时,两种压缩方法都对渐进传输提供了支持,使得用户应用的等待时间尽量减少。实验验证了所提出压缩算法的有效性。