基于流线的流场可视化绘制方法综述

流场可视化是科学计算可视化中一个重要的分支,主要对计算流体动力学的模拟计算结果进行可视化,给研究人员提供视觉上直观可见的图形图像,方便研究人员进行分析.流场可视化的已知技术包括基于几何的方法(如流线和粒子追踪法)以及基于纹理的方法(如LIC、噪声点、IBFV等).流线可视化是流场可视化的一个重要且常用的几何可视化手段.在流线可视化的研究中,流线的放置是整个流线可视化的重点,流线的数目和位置影响了整个可视化效果.当流线放置过多时,会造成视觉的杂乱;而流线放置过少会使流场信息表达不完整,无法传递完整的信息给领域专家.为了实现对科学数据的精确显示,流线可视化产生了两个重要的研究方向:种子点的放置和流线的约减.文中介绍了种子点放置方法和流线的约减方法的相关研究,总结了在2D和3D流场上出现的一些问题和采取的解决方案,并针对日益增长的科学数据,提出流线可视化下一步需要解决的问题.     

彩色多普勒图像心脏流场流线可视化方法

为了解决心脏流体运动状态的可视化描述问题,根据心脏流场超声图像的特点,提出一种基于彩色多普勒图像信息的心脏流体运动平面流线可视化描述方法.该方法采用点源和点汇表示二维观测区域的三维流动,通过拓展流函数计算原理实现多普勒流函数值的计算;以点源和点汇作为平面流线的起点和终点,根据同一流线上多普勒流函数值相等的原理绘制平面流线;选取平面流线中的封闭曲线获得心脏流场内涡流流线图.实验结果表明,文中方法能够对彩色多普勒图像中的流体运动状态进行有效的可视化描述,并能有效地描述心脏流体的涡流运动状态,为心脏流体运动状态的有效可视化观察和精确量化评价提供了一种新方法.     

基于多视图聚类算法的三维流场关键点附近的流线筛选EI北大核心CSCD

在关键点周围进行流线可视化时,流场特征复杂多样以及流线之间可能存在共点或对称性等情况,可能导致常规的基于几何或相似性的筛选方法失效.为此,提出了基于数据驱动思想的关键点周围的流线筛选方法MvCcp,它是基于多视图聚类算法的流线筛选方法,通过对流场进行不同粒度的体素化,生成流线的位置视图和基于距离场直方图的特征视图数据,并通过多视图聚类算法进行流线筛选.针对HalfCylinder等6个典型的关键点周围的三维流场,与其他3种典型的流线筛选方法进行了定性可视化比较,并基于MSE,PSNR,SSIM,AAD等定量指标进行对比实验表明,MvCcp在所有实验中具有更出色和更稳定的表现.     

基于信息熵种子点选取的流线可视化

有效的种子点选取方法是影响流线分布洞悉流场特性的关键。在保持流场变化规律与重要特征准确描述前提下,为了解决由过多流线所导致的遮挡与杂乱问题,提出了基于贪婪策略和蒙特卡洛的两种种子点选取方法。基于贪婪策略的种子点选取方法通过流场信息熵的计算,对流场中的关键特征具有高度敏感性。基于蒙特卡洛种子点选取方法根据均匀随机分布函数生成输入,基于信息熵计算输入点影响半径确定流线分布。通过多个数据集对两种选取方法实验,结果表明基于贪婪策略选取方法可高效捕获流场的关键特征,基于蒙特卡洛方法选取流线更加均匀,保持了流场全局变化规律,两种方法的结合得到更优化的流场可视化效果。     

基于高精度流线生成的交互流场可视化

高效准确的流线绘制一直是流场可视化的重要研究内容,流线可以对流场的重要特征进行有效的稀疏表示,但流线需要长期的粒子追踪过程及大量的积分计算,在面向大规模流场可视化时时间效率较低,需要高性能计算设备进行辅助计算.本文通过设计一种基于深度学习的高精度流线生成算法,将初始的低精度流线快速映射为稠密的高精度流线,可以在较短的时间内快速生成可靠的流线可视化结果,并在此基础上设计了交互式实时流场可视化系统,涵盖了流场的特征检测,属性关联分析,信息论分析等,帮助用户快速了解流场数据,找到自己感兴趣的区域进行后续进一步深度分析,避免了获取过多冗余数据,同时优化了分析工作的效率,满足用户对于流场结构,特征属性等多维度进行关联分析的需求.     

基于矢量完全信息熵的流线并行分布方法

[目的]流线可视化效果依赖于流线分布方法,其对矢量场数据的理解有着重要作用.现有的流线分布方法只考虑了矢量场的方向分量,忽略了另一重要的矢量长度信息.此外,为了提高计算效率,本文提出了一种基于矢量完全信息熵的并行流线分布方法.[方法]该方法考虑了矢量方向和长度分量,分块并行计算熵场并以此指导流线的放置.在放置过程中,采...     

基于三维点云模型的特征线提取算法

针对以往算法存在无法区分尖锐和非尖锐特征点、提取的特征点与视角有关、特征点未连线等问题, 提出一种基于高斯映射和曲率值分析的三维点云模型尖锐特征线提取算法。该算法先进行点云数据点的离散高斯映射, 并将映射点集聚类; 然后使用自适应迭代过程得到两个或多个面的相交线上曲率值和法向量发生突变的尖锐特征点, 这些点与视角无关; 最后, 用改进的特征折线生长算法, 将特征点连接, 得到光顺特征线。实验证明, 该算法具有良好的自适应性、抗噪性和准确性, 是一种有效的三维模型特征线提取算法。     

表意性方法在三维流线可视化中的应用综述

流线可视化是流场可视化的重要方法,其能直观地表达流场的结构和流动趋势。但在三维流场使用流线可视化时,不恰当地绘制方法、选择方法、呈现方式会导致可视化结果表达能力差,用户很难从中高效获取流动信息。重点对解决该类问题的表意性可视化方法进行了调研,为了全面反映表意性方法在三维流线可视化中的研究进展,对近十几年国内外具有代表性的论文进行了系统地阐述。首先介绍了表意性可视化方法的相关概念,然后将视觉感知增强类、可见性管理类和焦点+上下文等表意性方法在三维流线可视化中的应用进行分类阐述,并讨论了各种方法的优缺点。最后总结分析了表意性方法在三维流线可视化中面临的问题和挑战,并对未来的研究方向进行了展望。     

基于信息熵的流线质量评估和布局算法

基于流线的矢量场可视化是科学可视化的重要分支,在许多领域都有重要应用。但是现有的可视化方法很难有效评估流线对矢量场信息的反映程度。为了解决这一问题,提出了一种基于信息熵的矢量场种子点评估和布局算法。首先,基于信息熵进行初始布点捕捉矢量场中的主要特征,并利用模板将这些特征加强显示。然后,基于生成的流线恢复中间矢量场,通过恢复的矢量场和输入矢量场的条件熵值量化评估现有流线对矢量场的信息反映程度。根据条件熵和重要性添加新种子点。重新评估流线质量,反复迭代直到条件熵收敛。实验表明,该方法可以用较少的流线反映出矢量场中较多的信息。     

基于光照模型的流线绘制算法

本文将光照模型运用在线单元上 ,考虑环境光、漫反射光、镜面反射光等对流线的作用 ,并加上透明效果 ,从而增强用户对流场空间信息的洞察力。     

一种面向流分类的特征选择算法

流分类技术在网络安全监控,QoS,入侵检测等方面起着重要的作用。流分类器处理的数据含有大量的相关与冗余特征,这不仅增加了分类器的计算复杂性,同时也影响了分类器的分类效果。针对高维特征空间,特征选择一方面可以提高分类精度与效率,另一方面可以找出富含信息的特征子集。该文提出一种wrapper型特征选择算法VFSA-C4.5来构建轻量级的流分类器。该算法采用快速模拟退火VFSA搜索策略对特征子集空间进行随机搜索,然后以提供的数据在C4.5上的分类正确率作为特征子集的评价标准,来获取最优特征子集。在流数据集上进行的大量实验结果表明,基于VFSA-C4.5的流分类器在不影响分类性能的情况下能够提高分类速度。     

基于耦合度的高斯均值场归一化结构选择算法

高斯Markov随机场是具有Markov性质、符合多元高斯分布的概率模型. 高斯均值场是高斯Markov随机场模型上一种基本的变分推理方法,该方法通过引入基于变量簇分解的自由分布进行变分转换,计算出目标函数的下界. 自由分布结构选择是变分推理的重要步骤,也是折中变分精度与计算复杂性的关键. 提出了一个新的结构选择标准,并设计了一个结构选择算法. 首先,在高斯Markov随机场上定义了耦合度和类耦合度概念来度量变量簇间的依赖关系,证明了高斯均值场的耦合度-精度定理,并进一步给出了类耦合度结构选择指标;然后,结合类耦合度指标和变量簇归一化技术,设计了一个高斯均值场结构选择算法;通过对比实验验证了算法的有效性.     

One-Sided Smoothness-Increasing Accuracy-Conserving Filtering for Enhanced Streamline Integration through Discontinuous Fields

The discontinuous Galerkin (DG) method continues to maintain heightened levels of interest within the simulation community because of the discretization flexibility it provides. One of the fundamental properties of the DG methodology and arguably its most powerful property is the ability to combine high-order discretizations on an inter-element level while allowing discontinuities between elements. This flexibility, however, generates a plethora of difficulties when one attempts to use DG fields for feature extraction and visualization, as most post-processing schemes are not designed for handling explicitly discontinuous fields. This work introduces a new method of applying smoothness-increasing, accuracy-conserving filtering on discontinuous Galerkin vector fields for the purpose of enhancing streamline integration. The filtering discussed in this paper enhances the smoothness of the field and eliminates the discontinuity between elements, thus resulting in more accurate streamlines. Furthermore, as a means of minimizing the computational cost of the method, the filtering is done in a one-dimensional manner along the streamline.     

纹理流线:一种有效的二维向量场可视化方法

向量场可视化是可视化研究的一个焦点.流线能够很好地表现向量场的局部信息,并被用于二维向量场的全局显示.从信号分析的角度讨论了基于流线的全局向量场可视化方法的频域特点,指出其结果图像视觉效果的优缺点.在此基础上提出和分析了一种新的方法:纹理流线方法.新方法的频域意义更为明确,计算简单且开销小.     

3维碎片拼合的算法研究

为实现艺术珍品保护或古器物修复中3维碎片的比对和拼接,提出了一种空间任意形状的3维碎片拼合算法。该算法首先对由实物测量数据建立的三角网格模型进行预处理,即去除模型中所存在的一些缺陷,以提取模型边界轮廓曲线;然后对碎片的边界轮廓离散点进行五次B样条插值,同时计算轮廓曲线上各个点的曲率、挠率和法矢,并据此分析3维碎片轮廓曲线的几何特性;接着根据轮廓曲线上各个点的总曲率来检测轮廓的特征点,并对轮廓进行分段;最后根据曲率、挠率的变化对不同轮廓上的特征段进行相似性度量,并运用法矢对相似性程度较高的轮廓段进行可匹配性验证,同时计算出可匹配轮廓段的坐标转换关系,以实现碎片的拼合。实例表明,该算法是高效、稳定的。     

一种基于信息度量的流特征遴选算法

提出一种基于信息度量的流特征选择算法。该算法可分为粗粒度选择和细粒度选择2个选择步骤。粗粒度的选择通过计算特征集合中各个特征与不同业务类别的互信息,选择在流分类中最具代表性的特征。对于选取的这些特征进行细粒度的选择处理,通过计算已选特征集合中特征之间的一致性,排除多余的特征。实验结果表明,该算法遴选出的特征在用于数据流分类时,准确率和召回率都较同类算法高,且时间复杂度较低。     

基于多域的计算几何流分类改进算法

为使包分类具有快速点定位和良好的可扩展性,结合cross-producting表与线性查找提出一种新的基于计算几何的流分类算法。该算法通过控制规则的数目调整存储使用情况,使数据包中越来越多的规则被一维数据结构搜索到,进一步降低算法中cross-producting表需要的存储量。实验结果表明,该算法不仅改进了cross-producting的存储性能,而且能提高时间性能。     

A Survey of Seed Placement and Streamline Selection Techniques

Streamlines are an extensively utilized flow visualization technique for understanding, verifying, and exploring computational fluid dynamics simulations. One of the major challenges associated with the technique is selecting which streamlines to display. Using a large number of streamlines results in dense, cluttered visualizations, often containing redundant information and occluding important regions, whereas using a small number of streamlines could result in missing key features of the flow. Many solutions to select a representative set of streamlines have been proposed by researchers over the past two decades. In this state-of-the-art report, we analyze and classify seed placement and streamline selection (SPSS) techniques used by the scientific flow visualization community. At a high-level, we classify techniques into automatic and manual techniques, and further divide automatic techniques into three strategies: density-based, feature-based, and similarity-based. Our analysis evaluates the identified strategy groups with respect to focus on regions of interest, minimization of redundancy, and overall computational performance. Finally, we consider the application contexts and tasks for which SPSS techniques are currently applied and have potential applications in the future.     

大规模流场矢量线可视化的数据预取方法

针对矢量线可视化中的数据输入/输出瓶颈,提出一种大规模流场矢量线可视化的数据预取方法.首先将规模流场数据划分为若干数据块;在预处理阶段统计数据块间以及数据块各边界间的粒子流向,并构造数据块间粒子流向概率图和数据块边界间粒子流向概率图.在进行矢量线计算时,利用粒子流向概率图预测粒子流向预取数据块.实验结果表明,相比已有的数据预取方法,该方法进行数据预取的命中率和数据满足率提高10%~25%,可以有效地提高大规模流场矢量线可视化的效率.