本文对高性能集群计算机系统和PC机群两种体系结构上的并行体绘制算法和基于图像的并行绘制技术进行了研究和探讨。首先对三维数据场并行绘制的研究现状进行了综述。介绍了体绘制和基于图像绘制技术的含义、特点和主要算法，阐述了并行体绘制算法的分类、研究的主要问题及国内外的研究现状。 文中的第二章，针对近年来流行的集群式超级计算机提出了一种并行体绘制算法。考虑到集群式系统中节点间通信代价高的特点，为了减少通信开销，采用基于物体空间的静态任务分配策略，为每个节点分配连续分布的体数据子集。为实现静态任务分配的负载平衡，针对ray-casting和shear-warp两种绘制算法，在深入分析了算法流程之后，总结出影响任务分配的基本单位——任务元的计算时间的相关参数，并推导出预测任务元计算时间的函数关系式。通过这一关系式，可以准确预测出体数据中各任务元的计算时间，为实现负载平衡提供了保证。 第三章提出了一种面向多请求的并行体绘制策略，算法的目标不仅要降低请求的响应延迟，而且要减少多个请求总的处理时间。与传统的串行处理多个绘制请求不同，该算法从两个并行层次处理多请求：请求间的并行计算和单个请求的并行绘制。文中把节点分成若干个计算簇，每个计算簇包含多个节点，共同处理一个绘制请求。由于节点数目一定，总绘制时间和请求的响应延迟不能同时降低，故提出了一种收益模型，根据用户设定的权重来计算出最佳的节点资源分配方案。 第四章对PC机群的并行体绘制问题展开了研究。较之集群式系统，PC机群中节点间的通信代价更高，因此，为了减少通信开销，文中仍采用静态的任务分配策略。与集群式超级计算机不同，PC机群具有异构性，各节点性能差异大，所以除了预测任务元计算时间外，还要预测各节点的计算性能。算法通过动态测试节点的计算能力，为其分配适量的任务，最终实现负载平衡。构建在互联网上的PC机群，各节点可能分布在不同的地点，相互之间的带宽也各不相同。不同的图像合成策略，通信代价也不同。图像合成过程可以用二叉树表示，文中提出了基于贪心思想和先淘汰再贪心的两种策略来构造图像合成树，优化图像合成过程，减小通信消耗。 第五章针对基于图像的绘制在单机上难以实现高分辨率实时绘制的问题，把并行技术引入到基于图像的绘制中，提出了一种基于狭缝图像的并行绘制技术。算法把二维图像窗口分割为若干个条形区域，根据各节点的计算能力，自适应地改变任务分配方案，实现负载平衡。在基于图像的并行绘制中，图像传输的开销占很大比重。为了降低通信代价，提出了一种基于RLE(run-lengthencoded)压缩算法的传输策略。借助于三维场景漫游时相邻帧之间的相关性，计算新生成各帧与前一帧的差值，用RLE算法进行压缩。这样，由于只需传输压缩后的差值，传输数据量大幅度减少，从而实现三维场景的实时绘制。 最后，对上述工作进行了总结，并提出了进一步研究的方向。