论文部分内容阅读
时变体数据可视化是科学可视化方向的一个重要分支,它能够将时变体数据中隐含的动态信息,以图像方式直观地展示给用户。时变体数据可视化在计算流体力学、原子模拟、燃烧模拟、气象模拟、生物分子模拟与宇宙学模拟等大规模科学计算领域有重要的应用。
特征追踪与特征演化可视化是当前时变体数据可视化的重要研究内容。特征追踪过程负责将不同时间步数据帧中的特征集合按照时间顺序进行特征匹配,得到特征在相邻时间步数据帧中的对应演化关系。特征演化可视化负责将特征追踪得到的特征演化结果通过直观有效的可视化手段展示给用户。然而,目前的特征追踪方法需要通过反复试错的方法获取较好的特征定义之后进行特征追踪,从而导致特征追踪结果的有效性密切依赖于特征定义的准确性,并且需要进行大量重复且耗时的计算,制约了时变体数据可视化效率的提升。另一方面,随着计算机计算能力的提升,时变体数据的规模日渐庞大,特征追踪之后得到成百上千的特征集合,这种情况导致当前很多特征演化可视化方法会出现可扩展性问题。针对上述问题,本文从特征追踪与特征演化可视化两个角度对时变体数据可视化开展研究。
具体来说,本文提出了基于非对称高斯函数的时变体数据特征追踪方法,其基本思想是将特征与其非对称高斯函数拟合曲线的参数组一一对应。该方法将整个时间范围内的每个体素值的变化看作一条时序曲线,按照时序曲线的形状识别特征,并存储这些曲线的非对称高斯函数参数组。为了确定用户感兴趣的特征,避免通过反复试错的方式获取特征定义,该方法由用户选择直接体绘制结果图像中感兴趣的特征上的某个像素,分析视线方向上的特征可见性,以确定体数据中该特征的信息及其对应的高斯曲线的参数组。通过交互的方式获取特征定义之后,在时间域上进行参数匹配,获得所有时间步数据帧中的该特征演化信息。相比于传统的时变体数据可视化方法,本方法极大程度降低了对用户具有先验知识的要求,无需用户知道感兴趣特征的准确定义,并且参数组匹配的方式使用户能够在较短的时间内高效地完成特征追踪,有效地提升了时变体数据可视化及分析效本文提出了拓扑感知的时变体数据视点路径设计方法,生成时变体数据中特征时序演化的展示动画。该方法首先捕获时变体数据中的特征演化信息,其次将可视信息与拓扑信息相结合用来评估时变体数据中每个数据帧的所有视点采样点的质量。为了减少视觉抖动现象,该方法提出时序视点一致性的概念,将时变体数据按照时序顺序分割成若干时间序列。每个时间序列内的所有数据帧共用同一个代表视点。每一对相邻时间序列的代表视点用平滑视点连接起来,生成最终的视点路径。该视点路径设计方法生成的动画将展示重点放在特征演化的拓扑改变上,同时兼顾可视信息,可以有效展示特征演化的过程。
本文提出了特征演化流图用以展示时变体数据中的特征时序演化。该方法首先计算演化值,实现对相邻时间步数据帧中的特征改变的连续量化。其次,引入层次化河流隐喻的概念,并将特征追踪过程获取的追踪结果进行层次化分解。然后,将层次化的追踪结果按照关键演化事件发生的次序转换为字符流串。最终,将层次化特征演化、特征演化值、层次化的特征演化对应的字符流串以及特征属性四者综合起来生成特征演化流图,从而将四维时空中的特征演化直观地展示在二维图片中。此外,用户可以在特征演化流图中以字符串匹配的方式对时变体数据中的演化模式进行高效查询。最后,提出一个专为时变体数据设计的可视分析工具——演化探索器,该工具采用特征演化流图作为核心组成成分,为用户在对时变体数据中特征时序演化的探索中提供诸多直观交互。特征演化流图将复杂的四维特征演化以抽象流图的方式直观地展示出来,很大程度上简化了用户的探索与分析过程,具有较强的实用性。
综上所述,本文为时变体数据中的特征追踪与特征演化可视化探索新的研究方法和技术手段,提升时变体数据可视化及分析效率。实验结果验证了本文算法的有效性。
特征追踪与特征演化可视化是当前时变体数据可视化的重要研究内容。特征追踪过程负责将不同时间步数据帧中的特征集合按照时间顺序进行特征匹配,得到特征在相邻时间步数据帧中的对应演化关系。特征演化可视化负责将特征追踪得到的特征演化结果通过直观有效的可视化手段展示给用户。然而,目前的特征追踪方法需要通过反复试错的方法获取较好的特征定义之后进行特征追踪,从而导致特征追踪结果的有效性密切依赖于特征定义的准确性,并且需要进行大量重复且耗时的计算,制约了时变体数据可视化效率的提升。另一方面,随着计算机计算能力的提升,时变体数据的规模日渐庞大,特征追踪之后得到成百上千的特征集合,这种情况导致当前很多特征演化可视化方法会出现可扩展性问题。针对上述问题,本文从特征追踪与特征演化可视化两个角度对时变体数据可视化开展研究。
具体来说,本文提出了基于非对称高斯函数的时变体数据特征追踪方法,其基本思想是将特征与其非对称高斯函数拟合曲线的参数组一一对应。该方法将整个时间范围内的每个体素值的变化看作一条时序曲线,按照时序曲线的形状识别特征,并存储这些曲线的非对称高斯函数参数组。为了确定用户感兴趣的特征,避免通过反复试错的方式获取特征定义,该方法由用户选择直接体绘制结果图像中感兴趣的特征上的某个像素,分析视线方向上的特征可见性,以确定体数据中该特征的信息及其对应的高斯曲线的参数组。通过交互的方式获取特征定义之后,在时间域上进行参数匹配,获得所有时间步数据帧中的该特征演化信息。相比于传统的时变体数据可视化方法,本方法极大程度降低了对用户具有先验知识的要求,无需用户知道感兴趣特征的准确定义,并且参数组匹配的方式使用户能够在较短的时间内高效地完成特征追踪,有效地提升了时变体数据可视化及分析效本文提出了拓扑感知的时变体数据视点路径设计方法,生成时变体数据中特征时序演化的展示动画。该方法首先捕获时变体数据中的特征演化信息,其次将可视信息与拓扑信息相结合用来评估时变体数据中每个数据帧的所有视点采样点的质量。为了减少视觉抖动现象,该方法提出时序视点一致性的概念,将时变体数据按照时序顺序分割成若干时间序列。每个时间序列内的所有数据帧共用同一个代表视点。每一对相邻时间序列的代表视点用平滑视点连接起来,生成最终的视点路径。该视点路径设计方法生成的动画将展示重点放在特征演化的拓扑改变上,同时兼顾可视信息,可以有效展示特征演化的过程。
本文提出了特征演化流图用以展示时变体数据中的特征时序演化。该方法首先计算演化值,实现对相邻时间步数据帧中的特征改变的连续量化。其次,引入层次化河流隐喻的概念,并将特征追踪过程获取的追踪结果进行层次化分解。然后,将层次化的追踪结果按照关键演化事件发生的次序转换为字符流串。最终,将层次化特征演化、特征演化值、层次化的特征演化对应的字符流串以及特征属性四者综合起来生成特征演化流图,从而将四维时空中的特征演化直观地展示在二维图片中。此外,用户可以在特征演化流图中以字符串匹配的方式对时变体数据中的演化模式进行高效查询。最后,提出一个专为时变体数据设计的可视分析工具——演化探索器,该工具采用特征演化流图作为核心组成成分,为用户在对时变体数据中特征时序演化的探索中提供诸多直观交互。特征演化流图将复杂的四维特征演化以抽象流图的方式直观地展示出来,很大程度上简化了用户的探索与分析过程,具有较强的实用性。
综上所述,本文为时变体数据中的特征追踪与特征演化可视化探索新的研究方法和技术手段,提升时变体数据可视化及分析效率。实验结果验证了本文算法的有效性。