采用多分辨率體繪制是解決海量數據體繪制的一種有效方法，但是基于信息熵的多分辨率體繪制在解決信噪比低、細微結構復雜的物探領域內體數據時存在較大的缺陷。而數據的張量近似是通過高階奇異值分解提取數據的特征基，并通過特征基的線性組合來近似包含細微結構的低信噪比體數據。因此可以在保證數據壓縮率的情況下，保留數據的細微構造信息。本文針對基于張量近似的多分辨率體繪制中秩的選取問題開展研究，低秩實現了高的數據壓縮，但峰值信噪比低；高秩實現了較好的繪制效果，但數據壓縮率低。本文提出了一種張量近似中最佳秩的選取算法。其基本思想是在高秩分解的基礎上，通過二分搜索選取滿足誤差門限的最佳秩。并且，數據分塊處理，不同分塊采用不同秩，實現了在滿足數據壓縮率的情況下，保證有較好的繪制效果。通過仿真結果表明，相比于統一秩的高秩分解而言，提升了數據壓縮率，而整體繪制效果基本與高秩分解相當；相比于統一秩的中低秩分解而言，在增加少量的壓縮率的情況下，提升了繪制效果。

　　當前，基于GPU加速的直接體繪制技術已經成為交互處理體數據的標準方法。相比于傳統表面繪制，體繪制技術可以反映物體的內部結構。因此能夠被廣泛應用于許多領域中，例如：醫學領域、流體物理領域、氣象領域、地質勘探領域等等。

　　盡管近幾年圖形硬件設備發展迅速，但是GPU存儲空間的限制，依然是制約體繪制技術發展的主要瓶頸［1］。在這種情況下，產生了多分辨率體繪制技術。多分辨率體繪制技術是通過將數據體劃分為不同的分塊，每一個分塊賦予不同的分辨率來實現壓縮數據量和減少繪制點數。每個分塊的分辨率又被稱為分塊的LOD （level of detail， 細節水平）。因此，多分辨率技術的關鍵即為如何確定每一個分塊的細節水平。

　　近年來常用的多分辨率的數據組織形式有兩種：基于統一劃分的形式和基于層次劃分的形式。