1. 科学数据1.1. 多维度1.1.1. Multi-Dimensional包括时变数据1.1.2. 用于表达物理空间中独立变量的维数以及是否包含时间维度*侧重于表达空间和时间概念1.2. 多变量1.2.1. Multi-Variate1.2.2. 用于表达变量和属性的数目表示数据所包含信息和属性的*多寡1.3. 若数据集是时变数据则时间也是一个维度称为四维三维空间一维时间三变量数据集1.4. 多模态1.4.1. Multi-Modal1.4.2. 强调获取数据的方法不同以及各自对应的数据的组织结构和尺度的不同1.4.3. 若源数据通过卫星探测、地面站点观测、数值模拟等多种方式获得则称为多模态数据1.5. 多趟1.5.1. Multi-Run1.6. 多模型1.6.1. Multi-Model1.7. 表示数据所含信息但和多变量属于不同的概念1.7.1. 单变量多值数据*在不同的计算参数或不同的计算模型下获得的多个仿真结果每一个采样点含有属于同一数据属性的多个值其重点在于描述“值”的个数而不是数据属性和变量的个数1.8. 大规模、时变、多变量数据的可视化与特征追踪是一种能够辅助科学家进行数据分析和探索的重要手段1.9. 高维、时变、分布式与特征检测2. 大规模空间标量场数据的实时可视化2.1. 加速方法2.1.1. 硬件加速2.1.1.1. 使用图形硬件的加速功能、分布式多CPU/GPU架构的并行计算2.1.2. 信号处理2.1.2.1. 涉及绘制算法优化、多分辨率显示与数据压缩2.1.3. 特征表达2.1.3.1. 包括保特征压缩、图示与聚类等2.2. 大规模标量场数据的单机绘制方法2.2.1. 硬件加速2.2.1.1. 指基于图形硬件的快速绘制算法2.2.1.2. 空区间跳跃2.2.1.2.1. Empty Space Skipping2.2.1.2.2. 是标量场数据可视化的常用加速技术即可以直接跳过对绘制结果没有贡献的数据块降低光线遍历的计算量2.2.1.2.3. 不仅是指原始数据全为0的块也指在当前传输函数下不透明度全为0的数据块2.2.2. 数据压缩含多分辨率显示2.2.2.1. 是解决大规模空间数据处理的主要思路2.2.2.2. 数据压缩可以追求高精度但*不要求实时2.2.2.3. 数据解压则要求能够实时*实现大规模标量场数据的实时可视化2.2.2.4. 体数据的多分辨率绘制方法将体数据投影到小波基函数张成的空间即计算小波系数​求得任意分辨率下的绘制结果2.2.3. 外存计算2.2.3.1. 数据的统计信息最初用来表示数据中的不确定性近年来被用来表示大规模数据的紧凑代理即每个数据块都使用其统计分布进行表示2.2.3.2. 与数据压缩相比基于统计分布的数据表示更易于数据的分析、查询和可视化也可以应用于原位可视化的数据缩减2.2.3.3. 细节层次技术*是适用于不规则体数据可视化的外存计算的方法2.3. 大规模空间标量场数据的并行绘制2.3.1. 大规模空间数据的并行绘制研究可以分为CPU与GPU集群并行计算两个阶段2.3.2. 早期的并行绘制利用多个CPU进行绘制2.3.3. 利用GPU构建分布式的计算与可视化平台是显卡工业发展的必然2.3.3.1. 利用GPU集群以及改良的I/O设备进行并行处理实现了TB级时变数据的实时510帧绘制2.3.4. 多核/众核架构是当前高性能计算的发展趋势其并行性更强但内存并没有按比例增长使得算法需要更高的可扩展性2.3.5. VTK-m*是针对多核/众核处理器架构的科学可视化算法的工具集2.3.6. OSPRay2.3.6.1. 是一个基于CPU光线跟踪的开源科学可视化框架2.3.6.2. 能够充分利用SIMD和高性能计算中的众核资源集成在已有的科学可视化框架,实现大规模标量场数据的高效可视化2.3.6.2.1. ParaView2.3.7. 虚拟化和容器化是软件架构中的经典概念2.3.7.1. Docker提供了创建、执行和管理与类似虚拟机的轻量级软件容器的能力每个容器都包含一个小型的精简版操作系统以及独立运行应用程序所需的所有依赖项2.4. 时变空间标量场数据加速绘制方法2.4.1. 时空连贯性是加速时变空间标量场数据可视化的基本思路2.4.2. T-BON树*为每个时间步上的标量场共享同一个八叉树结构树的节点包含每个时间步上对应空间体素的最大值和最小值叶节点保存原始数据块在硬盘中的索引2.4.3. 时变空间标量场具有连贯性强、规模大、多变量等特点为直接体绘制的加速提供了不同的契机如保特征的数据压缩、流水线绘制等2.4.4. 数据压缩一般分为分块、变换、量化和编码4个阶段不同的数据划分方式将对应不同的压缩过程2.4.4.1. 一类方法是将数据按照时间维度进行划分先对单帧数据进行压缩再考虑时间相关性2.4.4.2. 流水线绘制一般应用于并行环境2.4.5. 从时变标量场抽取的时变特征既可以通过融合多个时间步的可视化结果展示也可以通过动画播放或并排放置多个时间步绘制结果以观察时变特征的差异和演化规律3. 时变异构空间数据场的特征追踪与可视化3.1. 时变空间标量场数据可视化既需要高性能、自适应的显示手段突出用户感兴趣的特征又需要能够融合不同的绘制方法从多个角度辅助用户进行分析3.2. 应当将数据、特征、感知与交互作为核心要素3.3. 时变异构空间数据场可视化的两大挑战是数据的不规则与多变量3.3.1. 不规则表明了科学数据的复杂形态3.3.2. 多变量则是物理空间的本质特征3.4. 特征提取3.4.1. 特征提取操作可在每个时间步单独提取3.4.2. 按照时间变化规律则可以分为常规Regular​、周期Periodic和随机Random三种模式3.4.3. 常规模式指特征在三维空间中稳定地移动或形变其变化趋势既不是剧烈的变化也不遵循周期性的路径3.4.4. 周期模式指特征周期性地出现和消失或沿着周期性路径进行移动3.4.5. 随机模式指特征的变化规律较为随机常见于湍流模拟3.4.6. 空间重叠*的基本假设是在相邻时间步上相关联的特征在空间上有较大的重合可以采用八叉树对特征匹配过程进行加速3.4.7. 另一大类方法是将时变空间标量场数据看作一个四维数据统一提取时变特征3.5. 异构数据的特征融合3.5.1. 异构数据的特征融合涉及多维度的融合与多模态的融合两个方面3.5.2. 多模态融合的挑战在于数据的融合方式难以定义空间分布也可能差异很大3.6. 特征追踪3.6.1. 早期的特征跟踪方法 采用计算机视觉、图像处理、计算几何等方法直接保留和追踪流场特征3.6.2. 特征的演化可以通过离散事件进行描述包括产生、消亡、延续、分裂和合并事件3.6.3. 特征的演化可以表示为有向无环图该特征演化图可以通过信息可视化的方法抽象地展示特征演化的概览4. 空间向量场数据可视化4.1. 向量场数据在科学计算和工程应用中占有非常重要的地位4.1.1. 飞机设计4.1.2. 气象预报4.1.3. 桥梁设计4.1.4. 海洋大气建模4.1.5. 计算流体动力学模拟4.1.6. 电磁场分析4.2. 向量场可视化的主要目标4.2.1. 展示场的导向趋势信息4.2.2. 表达场中的模式4.2.3. 识别关键特征区域4.3. 二维或三维流场Flow Field记录了水流、空气等流动过程中的方向信息是应用最广泛、研究最深入的向量场4.4. 流场可视化4.4.1. Flow Visualization4.4.2. 是向量场可视化中最重要的组成部分4.4.3. 流场可视化将物理过程产生的或与之相关的现象通过可视化以人眼能感知的图像形式显示可使这个过程的洞察清晰许多4.4.4. 核心目标是*设计感知有效的流表示方式描绘其流动信息4.4.5. 重要问题4.4.5.1. 效率计算速度和存储成本4.4.5.2. 数据尺寸和复杂需求4.4.5.3. 随时间变化的非定常流、复杂网格以及多种变量如速度、温度、压力、密度和黏度的可视化4.4.5.4. 流场特征提取和跟踪4.5. 大多数的流体无论是气体还是液体也无论是稳定流流场不随时间变化还是非稳定流流场随时间变化即时变流场​都是透明介质它们的运动无法用人眼直接观测4.6. 二维向量场可视化方法4.6.1. 图标法4.6.1.1. Glyph4.6.1.2. 线条Hedge Hogs​、箭头和方向标志符4.6.1.3. 传统的箭头式图标在向量场可视化中广为人知4.6.1.4. 线条式图标使用亮度变化的有向线段表示向量其长度表示向量大小4.6.1.5. 在二维向量场中箭头可以较好地反映采样点处向量的方向和大小信息4.6.1.6. 在三维空间中箭头的长度与向量的大小成正比而方向则指向向量的方向通过透视变换可在一定程度上反映出深度信息4.6.1.7. 视觉混乱的问题可以借由高亮用户指定特定的指向范围的方法解决或者选择性地放置箭头的种子点也可以使用光照和阴影提供空间信息4.6.1.8. 典型的可编码数据包括速度、加速度、曲率、局部旋度、切变速率和收敛度等4.6.1.9. 图标也可以用来展现向量场的不确定性信息4.6.1.10. 图标法简单易实现但对于采样比较密集的数据场将所有的向量逐点映射为图标常会导致所生成的图像杂乱无章显示太少又不能准确地把握向量场的变化情况4.6.1.11. 图标表示无法揭示数据的内在连续性4.6.1.12. 流场中的一些特征像涡流等结构也很难用图标清晰地表达4.6.2. 几何法4.6.2.1. 几何法指采用不同类型的几何元素例如线Curve​、面Surface和体Volume模拟向量场的特征4.6.2.2. 流线描述向量场空间中任意一点处向量场的切线方向4.6.2.2.1. 流线是假想的曲线是不存在的4.6.2.3. 迹线4.6.2.3.1. 迹线的形状与流线类似但概念截然不同4.6.2.3.2. 迹线适用于不稳定向量场用于描述向量场中一个粒子在某个时间段的流动轨迹4.6.2.3.3. 迹线是实际存在的曲线4.6.2.3.4. 生成迹线时同样首先要在向量场空间中撒入种子然后从种子发射粒子粒子仅在向量场的作用下运动追踪其运动轨迹即获得一条迹线4.6.2.3.5. 线性插值是当前近似时间步之间的向量场的常用方法但插值误差使得生成的迹线不可信4.6.2.4. 脉线4.6.2.4.1. 与迹线类似脉线也适用于不稳定向量场4.6.2.4.2. 用于描述一个粒子集合从一个起始点不同时间发射在之后的某一时刻获取该集合中粒子的位置并连接形成的轨迹4.6.2.4.3. 脉线的形成过程可以看作在一个向量场的特定位置处持续释放不计质量的有色染料染料在向量场的作用下运动而形成的几何曲线4.6.2.4.4. 时线4.6.2.4.4.1. Timeline4.6.2.4.4.2. 脉线的一个扩展形式4.6.2.4.4.3. 指一个粒子集合从一条起始轨迹或一个起始区域上的不同位置发射并以类似于脉线的方式获取其运动轨迹的方法4.6.2.4.4.4. 时线的方法所产生的轨迹是脉线的一个集合能够反映一个局部区域内的向量场的特征4.6.2.5. 基于曲面的可视化4.6.2.5.1. 基于曲面的几何法增加了种子点空间的维度比基于曲线的方法提供了更好的用户体验和感知并能显著降低视觉混淆更为真实地揭示向量场的结构4.6.2.5.2. 一类方法面向稳定向量场包括流面Stream Surface​、流球Stream Ball和流形箭头Stream-Arrow​4.6.2.5.2.1. 元球Metaball4.6.2.5.2.2. 通过减小流球间距以及控制流球使其融合使之呈现流线的连续特征4.6.2.5.2.3. 可采用流球的半径、颜色等属性编码展现向量场的局部特征4.6.2.5.3. 另一类方法面向不稳定/时变向量场例如脉面Streak Surface等4.6.2.5.4. 脉面的可视化以脉线为基础适用于不稳定时变向量场4.6.2.5.5. 基于曲线或者曲面的可视化方法通常难以展示三维向量场完整的整体性特征如流的聚合和分散、漩涡、剪切和断裂等拓扑信息4.6.2.6. 基于体的可视化4.6.2.6.1. 主要思路是将追踪粒子撒入流场捕获粒子的运动轨迹形成三维空间内的一个流体继而将该流体通过特定算法转化为一个四面体的集合并利用体绘制技术进行可视化4.6.3. 纹理法4.6.3.1. 点噪声4.6.3.1.1. Spot Noise4.6.3.1.2. 以单点通常表示为除一有限区域外处处为0的函数作为生成纹理的基本单元将随机位置均匀分布​、随机强度的点混合形成噪声纹理并沿向量方向对噪声纹理进行滤波纹理图像中条纹的方向反映了向量场的方向4.6.3.1.3. 加强的点噪声方法Enhanced Spot Noise4.6.3.1.4. 并行点噪声方法Parallel Spot Noise4.6.3.1.5. 面向时变向量场的点噪声方法Unsteady Spot Noise4.6.3.2. 线积分卷积4.6.3.2.1. Line Integral Convolution,LIC4.6.3.2.2. 以随机生成的白噪声作为输入纹理根据向量场数据对噪声纹理进行低通滤波这样生成的纹理既保持了原有的模式又能体现出向量场的方向4.6.3.2.3. 基于纹理的向量场可视化中非常重要的方法4.6.3.2.4. 成像质量较高纹理细节清晰能够精确地刻画向量场的特征特别是鞍点、螺旋点和交点等拓扑特征以及具有高曲率的局部区域4.6.3.3. 纹理平流4.6.3.3.1. Texture Advection4.6.3.3.2. 是时变流场可视化的标准方法之一4.6.4. 拓扑法4.6.4.1. 主要基于临界点理论任意向量场的拓扑结构由临界点和链接临界点的曲线或曲面组成4.6.4.2. 临界点是指向量场中各个分量均为零的点4.6.4.3. 临界点位置的计算与分类4.6.4.3.1. 临界点可以分为5类鞍点Saddle​、螺旋点Spiral​、交点Node​、聚点Focus和中心点Center同心圆临界点​4.6.4.4. 向量场区域边界的计算4.6.4.4.1. 链接临界点的积分曲线或曲面