基于信息熵的流線質(zhì)量評(píng)估和布局.pdf

1、近年來(lái)，隨著計(jì)算機(jī)技術(shù)的迅速發(fā)展，可視化技術(shù)得到迅猛發(fā)展的同時(shí)，其應(yīng)用領(lǐng)域也更加廣泛?；诹骶€的矢量場(chǎng)可視化是科學(xué)可視化的重要分支，航空航天、高速列車氣動(dòng)分析、醫(yī)學(xué)等領(lǐng)域均有重要作用?；诹骶€的矢量場(chǎng)可視化研究中最重要的一個(gè)方向就是種子點(diǎn)布置問(wèn)題。經(jīng)過(guò)多年的研究，各種各樣的種子點(diǎn)布置算法出現(xiàn)百家爭(zhēng)鳴的局面，但目前這些種子點(diǎn)布局算法由于性能問(wèn)題或3D問(wèn)題的遮擋等問(wèn)題很難應(yīng)用到工程中，且流線質(zhì)量評(píng)估的方法寥寥無(wú)幾，沒(méi)有一種通用方法能夠有效評(píng)

2、估流線對(duì)流場(chǎng)的反映程度。因此提出一種更優(yōu)的布局算法和流線質(zhì)量評(píng)估算法在可視化領(lǐng)域有很重要的背景。
　　本文提出了一種基于信息熵的矢量場(chǎng)種子點(diǎn)評(píng)估和布局算法。首先，基于信息熵流線布局算法能有效捕捉矢量場(chǎng)中的主要特征，并利用模板將這些特征加強(qiáng)顯示。然后，流線擴(kuò)散算法能夠基于生成的流線恢復(fù)出中間矢量場(chǎng)，通過(guò)恢復(fù)的矢量場(chǎng)和輸入矢量場(chǎng)的條件熵值量化評(píng)估現(xiàn)有流線對(duì)矢量場(chǎng)的信息反映程度。當(dāng)流場(chǎng)中流線對(duì)流場(chǎng)信息反映不足，則進(jìn)行重要性采樣布點(diǎn)。重要

3、性采樣布點(diǎn)能夠在流場(chǎng)中最需要新的種子點(diǎn)的區(qū)域進(jìn)行布點(diǎn)，生成新的流線。每次重要性采樣布點(diǎn)后需重新評(píng)估當(dāng)前流線質(zhì)量，反復(fù)迭代直到條件熵收斂。
　　使用該方法，我們對(duì)Isabel颶風(fēng)數(shù)據(jù)、Rayleigh-Bénard對(duì)流現(xiàn)象和圓臺(tái)繞流數(shù)據(jù)集進(jìn)行了分析，得到了相對(duì)應(yīng)的流線圖。這些流線圖能夠覆蓋整個(gè)流場(chǎng)且能很好的反映流場(chǎng)特征;能夠?qū)τ脩舾鼮殛P(guān)注的特征區(qū)域加強(qiáng)顯示，而用戶關(guān)注度較小區(qū)域放置的流線數(shù)目也較少，但不會(huì)妨礙用戶對(duì)流場(chǎng)結(jié)構(gòu)的理解。實(shí)