流场可视化方法能够将抽象的数据转化为直观的图像形式,是科学计算可视化的一个重要分支。其中线性积分卷积可视化算法作为一个经典的基于纹理可视化方法,能够全局地展示流场的分布,并不会丢失重要的流场信息,具有广泛的研究和应用价值。针对原始线性积分卷积耗时问题,充分利用流场本身的特征分布,提出一个流线增强型线性积分卷积算法。该算法首先定位特征点位置,并生成渐变特征点区域。主要改进线性积分卷积方法中局域流线生成部分,依据渐变特征点区域结合不同的积分方法。认为在特征点区域内部流线变化剧烈,需要更精细的流线生成方法。即在特征点区域内部使用较精细的四阶龙格库塔方法,在区域外部使用恒定的二阶欧拉方法。并在特征点区域内,根据当前积分点的位置实时更新积分步长,距离特征点越近积分步长越短,从特征点到区域边缘积分步长线性增加。为了减小耗时,将生成流线分放到GPU的片元处理器中。最后,使用图像增强算法进一步增加可视化结果的清晰度,由于该部分算法同样在GPU中执行,故对整体算法的计算性能影响不大。为了进一步说明改进算法的适应范围,将算法应用到河流流场数据中。并为了展示河流周边地形环境,搭建了河流流场可视化系统,方便交互式展示流场可视化结果。系统主要实现了使用凹凸纹理动态模拟出河流流动效果,并使用线性积分卷积算法静态展示河流表面的流场分布,增加地形漫游等功能,方便观测河流周边环境。