大规模模型的实时及真实感绘制是图形学中非常重要的研究课题。随着图形学及其相关领域的发展，所处理的场景类型越来越复杂，场景模型的规模也越来越大。由于模型数据量庞大，对它们进行实时绘制是十分困难的。虽然图形生成已经得到了硬件很大的支持，如顶级的显卡硬件每秒钟可以绘制超过百万的三角形，但是直接绘制所有三角形(brute-force rendering)依然无法达到交互的绘制速度。因此，还需要研究各种加速方法来提高绘制的效率。可见性计算，即计算场景中相对于视点可见的部分，是绘制大规模模型过程中最有效的加速方法之一。模型进行可见性计算后，成象时只对可见的部分进行绘制，可节省大量的对于不可见部分的光栅化和光照等计算，很好地提高成象速度而不影响成象质量。　　 针对面片模型、点模型和体数据这三类主要的大规模复杂模型，本文探讨了其中可见性计算的优化处理，以降低场景绘制的复杂度，提高绘制和观察的效率。　　 本文的主要贡献和创新点在于如下工作：　　 本文提出一种可见面计算方法，能将基于图象空间或基于物体空间的可见面计算进行高效的结合，实现可见面的快速高精度的选取。该方法首先对场景中的面片进行基于法向的分类，并根据面片的空间位置，为每一类面片分别建立一种层次形式的索引结构进行管理。然后，在绘制过程中，基于象素驱动对可见面片进行由近至远的选取。由于索引结构对面片进行了有序的管理，这种选取计算很快并能将可见面都选取出来；而已绘制的可见面又能自动地成为遮挡者，以便隐含地剔除大量的不可见面。与目前国际上关于可见性的方法相比，该方法对可见性的计算具有很高的精度，速度很快。对于含有千万个面片的大规模模型，使用本文作者的可见性加速方法能够达到交互绘制的速度，并且能够保证绘制成象的质量没有任何下降。新方法还能方便地处理各种动态场景，且不必对算法作大的改动。　　 将点模型的树节点按照各自的误差大小进行顺序排列，就形成了顺序点模型树。这样，就能方便地利用GPU来高速绘制点模型。但这种方法缺乏对可见性的高效处理，不便于处理大型复杂的模型，因为这些模型中各个部分之间的遮挡关系复杂，使得每次成象所需的树节点的误差跨度大，导致了大量不可见的树节点也要绘制，降低了绘制速度。为此，本文提出一种结合可见性处理的顺序点模型树，即在根据误差大小顺序地排列树节点时，融入一些可见性信息。这样，绘制时不仅能保留顺序点模型树高效利用GPU的优点，还能避免处理大量的不可见但满足误差要求的树节点。相比于顺序点模型树，新方法的绘制速度更快，特别是在处理大规模复杂模型时的加速率更高。　　 线绘制为可视化提供了一种简洁快速的成象方法。但要对数据场中的内容有比较全面的认识，需要从多个角度连续地线绘制成象。为此，本文提出一种线绘制视频的可视化方法，基于体数据可见性的重要性度量，使得视频能从更有效的视点来观察体数据，并且每帧图象都能对数据场的内容有很高的反映强度；同时，视点连续高效地变化，也有利于用户形成关于数据场内容的完整印象。与先进的基于线绘制的交互可视化方法相比，新方法的成象速度和可视化反映强度更高，能以更少的可视化图象达到对数据场内容更全面的反映，很好地提高了可视化的效率。