大规模体数据基于GPU(graphics processing unit，图形处理单元)的直接体绘制，会受到显存容量以及主存到显存带宽的限制，导致体数据在内存与显存之间频繁交互，成为绘制速度提高的瓶颈。压缩体绘制技术将体数据的压缩和绘制相结合，可以有效地解决此问题。本文重点研究适于在GPU中实时解压绘制的大规模体数据压缩体绘制算法以及压缩体绘制的加速技术。主要工作和成果如下：为了解决GPU的显存容量和大规模体数据数据容量之间日益加剧的矛盾，提出一种大规模体数据压缩体绘制策略。该策略对体数据经三维小波变换后得到的各子带进行统计分析并分类，再将分类后的数据利用分类矢量量化算法进行编码压缩。采用基于GPU的光线投射算法进行绘制，在绘制时，只解压变换当前绘制所需要的极少数数据，节省了显存空间。相比单纯采用矢量量化算法，该策略可以获得更好的图像重构质量。但由于需要对解码后的数据进行小波反变换，消耗了一定的GPU计算资源，影响了绘制速度，故需要运用其它的加速策略对绘制进行加速。综合考虑压缩绘制策略中影响绘制速度的因素，提出两种适用于压缩体绘制的LOD模型：物体空间的LOD和图像空间的LOD。物体空间的LOD将体数据经小波变换后的低频子带作为原始数据的低层次表示，在解压绘制过程中，可以只进行矢量量化解码不需要进行小波反变换，便于提高绘制速度；图像空间的LOD采用成倍减少图像空间的光线条数来获得低分辨率图像，并利用最近邻插值算法将图像实时放大。最后通过对视角变换和绘制帧率的检测进行LOD管理。编码实现并在多种实验平台上测试了压缩绘制和加速策略，结果表明：当压缩后的体数据略小于显存容量时，可以实现大规模体数据的实时交互绘制，并获得了较好的图像质量。将压缩绘制策略应用到一个可扩展性强的地震数据处理系统中，实验结果表明该方法能够实现多个体数据预载入和加速多个体数据在多个窗口中的绘制。