体数据的可视化为物理、大气、药学等许多研究领域的学者提供了许多便利,使他们可以方便快捷的分析研究中模拟或扫描得到的数据。如何快速、实时的对三维体数据进行绘制一直是科学可视化中的一个重要研究方向,研究者们对此提出了诸如空体素跳过等许多针对性的技术。随着电子芯片计算能力的提高和并行计算的发展,计算机能达到的算力稳步提升,因此可以生成的科学数据的规模和精度亦随之提升。数据规模的提升给三维体数据绘制问题带来了新的挑战,过去基于算法层面的各种快速绘制技术的提速效果逐步受到了计算机数据传输能力的限制。即随着数据规模的提升,制约体数据绘制性能的主要因素由算法复杂度改变为了计算机的I/O性能瓶颈。与先前基于算法层面的加速技术不同,本文的目的是通过设计一套降采样技术来降低体数据绘制过程中的I/O时间损耗,并且尽可能地保持体数据的主要结构和数据特性,从而在保持一定精度的前提下提升体数据绘制的速度从而提高用户使用体数据可视化的工作效率。为了达成以上目标,本文首先深入分析了三维体数据模型和绘制的特征,发现通过保留梯度信息和传输函数,就可以尽可能地使降采样的数据与原始数据相似。基于分析结果,本文首先设计了一个各向异性的三维高斯算子,并且基于该算子推导出了相应的降采样方程,并通过傅里叶变换进行了计算上的优化。在此基础上,本文基于对传输函数的分析,设计了一个基于体数据结构聚类的传输函数自适应技术。这一技术的基础是在原始数据和降采样数据中找到可以相对应的结构信息,在对应的结构内做传输函数的匹配,从而减少了传输函数匹配过程中不同的结构对彼此的影响。为了比较降采样体数据的质量,本文基于图像上的峰值信噪比度量（PSNR）和结构相似性度量（SSIM）提出了两种体数据质量比较的方案。最后,本文进行了一系列的实验:首先通过对比实验验证了提出的三维算子和传输函数匹配技术的有效性;随后在收集的数据集上验证了相对于基础的降采样技术,提出的降采样技术可以保存较完整的数据质量并在渲染时达到较高的提速水平;第三,本文验证了相对于基于算法层面的加速技术,降采样技术可以不限特性的对渲染过程进行加速,且数据规模越大加速越明显;最后,通过一个用户实例验证了所提出的算法可以减少用户完成同样体数据探索任务所需的时间,并达到接近使用原始体数据进行探索的准确率,从而提高用户使用体数据可视化的效率。