基于特征提取的并行流线生成算法研究.pdf

基于特征提取的并行流线生成算法研究

摘要

流场可视化是科学计算可视化的重要领域之一，其中流线可视化因其直观性而被

广泛地使用。但是，流线可视化容易造成流线过密等视觉杂乱的效果，并且随着数据

总量和数据精度的提高，流线的生成过程也变得相当耗时，严重影响了可视化的效率。

针对当前的流线可视化方法存在的问题，本文研究了基于特征提取的并行流线可视化

方法。

首先，提出了一种自适应积分步长的流线生成方法，其中包括信息熵计算、定位

种子点、积分方法、重建矢量场等过程。在生成流线前，求取整个流场的完全信息熵，

根据不同区域信息熵的大小，设置种子点和积分步长，利用欧拉方法和四阶龙格库塔

方法相结合的方式生成流线，生成流线后重建中间矢量场并计算条件熵，根据条件熵

是否收敛判断是否继续生成流线，该方法可减少流线可视化结果中的杂乱现象，同时

可以避免生成不必要的流线。

其次，提出了一种基于种子点和数据块相结合的并行化方法。为了解决流线计算

效率低的问题，本文采用了并行计算技术以此来提高流线计算的效率。生成流线时，

根据种子点的数量对种子点集进行划分，该方法将数量相近的任务分给各个节点以保

证各节点任务均等。在计算信息熵、重建中间矢量场和计算条件熵过程中，对整个流

场按数据块进行划分，从而避免单个节点负载过大的情况。

最后，进行了实验对比分析和验证。对基于特征提取的并行流线生成算法与传统

算法的可视化结果和算法的效率进行对比分析。实验结果表明通过完全信息熵指导种

子点的布置可以减少可视化结果的杂乱现象，同时自适应流线生成和算法的并行可显

著的减少流场可视化的时间，提高可视化效率。

关键词：流场可视化；流线；特征提取；并行计算

基于特征提取的并行流线生成算法研究

Abstract

Flowfieldvisualizationisoneoftheimportantfieldsofscientificcomputing

visualization,andstreamlinevisualizationiswidelyusedbecauseofitsintuitiveness.

However,thevisualizationofstreamlinesiseasytocausevisualcluttereffectssuchastoo

densestreamlines;andwiththeincreaseofthetotalamountofdataanddataaccuracy,the

generationprocessofstreamlinesbecomesquitetime-consuming,whichseriouslyaffectsthe

efficiencyofvisualization.Aimingattheproblemsexistinginthecurrentstreamline

visualizationmethod,thispaperstudiesaparallelstreamlinevisualizationmethodbasedon

featureextraction.

First,astreamlinegenerationmethodwithadaptiveintegrationstepsizeisproposed,

whichincludesinformationentropycalculation,seedpointlocation,integrationmethod,

vectorfieldreconstructionandotherprocesses.Beforegeneratingstreamline