高维数据可视化方法、装置及系统制造方法及图纸

本发明专利技术提出了一种高维数据可视化方法、装置及系统，该方法包括：在高维图像中选取M个目标点，计算目标点的N个特征的特征值形成第一特征值向量；利用特征选择算法在N个特征中选择G个特征以区分所述目标点与非目标点，并计算目标点的G个特征值组成第二特征值向量；针对选择出的G个特征计算高维图像中至少非目标点的第二特征值向量；计算至少每一非目标点的第二特征值向量与所有目标点的第二特征值向量之间的相似度，根据相似度进行图像分割并获取概率分布图；在概率分布图中，根据预设分配规则为每一数据点分配不同的透明度及颜色，将目标区域突出显示出来。本发明专利技术通过图像处理技术来突出显示目标区域，提高系统对高维数据处理的速率。

【技术实现步骤摘要】
高维数据可视化方法、装置及系统
本专利技术涉及图像处理
，特别涉及一种高维数据可视化方法、装置及系统。
技术介绍
三维体绘制是高维数据的常用可视化方法。假设有一三维立体玻璃方块，通过改变玻璃方块中的每一点的颜色和透明度，用户将从玻璃方块中看到不同的景象。三维体绘制就是将高维数据投射到显示媒介的技术。在传统的三维体绘制的过程中，传递函数将数据特征值与光学特征值联系到一起，对最终的数据可视化效果起了非常大的作用。为了在体绘制中突出显示特定目标，用户通常需要设计一个复杂的传递函数，并且根据是实时的可视化效果，不断地调整传递函数。这给用户带了很大的不便。很多时候，目标和周围物体非常相似，这时候就需要增加数据特征值的维度，增加传递函数的维度，继而及大地增加传递函数的设计难度。除此之外，用户通常利用鼠标和键盘来与可视化系统进行交互和对高维数据进行处理，其中一个很大的限制就是很难用鼠标和键盘做高维度操作；另外一个限制在于用户必须学习如何使用鼠标或者键盘与可视化系统进行交互。最后用户通常使用普通的显示器来作为最终的可视化媒介，显示器是二位平面，用它来显示三维数据会造成一个维度的缺失。
技术实现思路
有鉴于此，本专利技术实施例的目的在于提供一种高维数据可视化方法、装置及系统，以解决现有技术的不足。根据本专利技术的一个实施方式，提供一种高维数据可视化方法，该高维数据可视化方法包括：在高维图像中选取M个目标点，计算所述目标点的N个特征的特征值形成第一特征值向量，其中，M大于或等于1，N大于或等于1；利用特征选择算法在所述N个特征中选择G个特征以区分所述目标点与非目标点，并计算所述目标点的G个特征值组成第二特征值向量，其中，G大于或等于1；针对选择出的G个特征计算所述高维图像中至少非目标点的第二特征值向量；计算至少每一非目标点的第二特征值向量与所有目标点的第二特征值向量之间的相似度，根据所述相似度进行图像分割并获取概率分布图；在所述概率分布图中，根据预设分配规则为每一数据点分配不同的透明度及颜色，将目标区域突出显示出来。在上述的高维数据可视化方法中，所述“在高维图像中选取M个目标点”包括：接收用户的语音或姿态数据并识别该数据所表示的操作；响应所述用户的语音或姿态操作在所述高维图像中选取多个目标点。在上述的高维数据可视化方法中，所述特征选择算法为基于L1范数的支持向量机算法。在上述的高维数据可视化方法中，所述相似度为特征量之间的欧氏距离。在上述的高维数据可视化方法中，所述图像分割算法为基于核密度估计的图像分割算法。在上述的高维数据可视化方法中，所述预设分配规则包括：在图像分割所产生的概率分布图中，根据每一数据点所对应的概率值的由大到小依次为每一数据点分配由小到大的透明度。在上述的高维数据可视化方法中，通过虚拟现实头盔将所述目标区域突出显示出来。本专利技术的另一实施方式提供一种高维数据可视化装置，该高维数据可视化装置包括：第一特征向量模块，用于在高维图像中选取M个目标点，计算所述目标点的N个特征的特征值形成第一特征值向量，其中，M大于或等于1，N大于或等于1；第二特征向量模块，用于利用特征选择算法在所述N个特征中选择G个特征以区分所述目标点与非目标点，并计算所述目标点的G个特征值组成第二特征值向量，其中，G大于或等于1；计算模块，计算针对选择出的G个特征计算所述高维图像中至少非目标点的第二特征值向量；图像分割模块，用于计算至少每一非目标点的第二特征值向量与所有目标点的第二特征值向量之间的相似度，根据所述相似度进行图像分割并获取概率分布图；分配模块，用于在所述概率分布图中，根据预设分配规则为每一数据点分配不同的透明度及颜色，将目标区域突出显示出来。本专利技术还提供一种高维数据可视化系统，该系统包括：可视化媒介，用于显示高维图像；体感器，用于接收用户的语音或姿态数据并识别该数据所表示的操作，响应所述用户的语音或姿态操作在所述高维图像中选取多个目标点；计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，在所述处理器执行所述计算机程序时，实施上述的高维数据可视化方法。本专利技术的又一实施方式提供一种计算机可读存储介质，其存储上述的高维数据可视化系统中所使用的所述计算机程序。本专利技术高维数据可视化方法、装置及系统通过图像处理技术实现高维数据的可视化，将目标区域突出显示出来，降低了系统处理的复杂度，提高了系统对高维数据处理的速率。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本专利技术第一实施例提出的一种高维数据可视化方法的流程示意图。图2为本专利技术实施例提出的一种体感器追踪人体关节的示意图。图3为本专利技术实施例提出的一种特征值选择对比示意图。图4为本专利技术实施例提出的一种可视化效果示意图。图5为本专利技术第二实施例提出的一种高维数据可视化方法的流程示意图。图6为本专利技术实施例提出的一种高维数据可视化装置的结构示意图。图7为本专利技术实施例提出的一种高维数据可视化系统的结构示意图。主要元件符号说明：10-高维数据可视化装置；110-第一特征向量模块；120-第二特征向量模块；130-计算模块；140-图像分割模块；150-分配模块；20-高维数据可视化系统；210-可视化媒介；220-体感器；230-计算机设备。具体实施方式在下文中，将更全面地描述本公开的各种实施例。本公开可具有各种实施例，并且可在其中做出调整和改变。然而，应理解：不存在将本公开的各种实施例限于在此公开的特定实施例的意图，而是应将本公开理解为涵盖落入本公开的各种实施例的精神和范围内的所有调整、等同物和/或可选方案。在下文中，可在本公开的各种实施例中使用的术语“包括”或“可包括”指示所公开的功能、操作或元件的存在，并且不限制一个或更多个功能、操作或元件的增加。此外，如在本公开的各种实施例中所使用，术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。在本公开的各种实施例中，表述“或”或“A或/和B中的至少一个”包括同时列出的文字的任何组合或所有组合。例如，表述“A或B”或“A或/和B中的至少一个”可包括A、可包括B或可包括A和B二者。在本公开的各种实施例中使用的表述(诸如“第一”、“第二”等)可修饰在各种实施例中的各种组成元件，不过可不限制相应组成元件。例如，以上表述并不限制所述元件的顺序和/或重要性。以上表述仅用于将一个元件与其它元件区别开的目的。例如，第一用户装置和第二用户装置指示不同用户装置，尽管二者都是用户装置。例如，在不脱离本公开的各种实施例的范围的情况下，第一元件可被称为第二元件，同样地，第二元件也可被称为第一元件。应注意到：如果描述将一个组成元件“连接”到另一组成元件，则可将第一组成元件直接连接到第二组成元件，并且可在第一组成元件和第二组成元件之间“连接”本文档来自技高网...

【技术保护点】
1.一种高维数据可视化方法，其特征在于，包括：在高维图像中选取M个目标点，计算所述目标点的N个特征的特征值形成第一特征值向量，其中，M大于或等于1，N大于或等于1；利用特征选择算法在所述N个特征中选择G个特征以区分所述目标点与非目标点，并计算所述目标点的G个特征值组成第二特征值向量，其中，G大于或等于1；针对选择出的G个特征计算所述高维图像中至少非目标点的第二特征值向量；计算至少每一非目标点的第二特征值向量与所有目标点的第二特征值向量之间的相似度，根据所述相似度进行图像分割并获取概率分布图；在所述概率分布图中，根据预设分配规则为每一数据点分配不同的透明度及颜色，将目标区域突出显示出来。

【技术特征摘要】
1.一种高维数据可视化方法，其特征在于，包括：在高维图像中选取M个目标点，计算所述目标点的N个特征的特征值形成第一特征值向量，其中，M大于或等于1，N大于或等于1；利用特征选择算法在所述N个特征中选择G个特征以区分所述目标点与非目标点，并计算所述目标点的G个特征值组成第二特征值向量，其中，G大于或等于1；针对选择出的G个特征计算所述高维图像中至少非目标点的第二特征值向量；计算至少每一非目标点的第二特征值向量与所有目标点的第二特征值向量之间的相似度，根据所述相似度进行图像分割并获取概率分布图；在所述概率分布图中，根据预设分配规则为每一数据点分配不同的透明度及颜色，将目标区域突出显示出来。2.如权利要求1所述的高维数据可视化方法，其特征在于，所述“在高维图像的目标区域中选取多个目标点”包括：接收用户的语音或姿态数据并识别该数据所表示的操作；响应所述用户的语音或姿态操作在所述高维图像中选取多个目标点。3.如权利要求1所述的高维数据可视化方法，其特征在于，所述特征选择算法为基于L1范数的支持向量机算法。4.如权利要求1所述的高维数据可视化方法，其特征在于，所述相似度为特征量之间的欧氏距离。5.如权利要求1所述的高维数据可视化方法，其特征在于，所述图像分割算法为基于核密度估计的图像分割算法。6.如权利要求1所述的高维数据可视化方法，其特征在于，所述预设分配规则包括：在图像分割所产生的概率分布图中，根据每一数据点所对应的概率值的由大到小依次为每一数据...

【专利技术属性】
技术研发人员：余夏夏，常城，高毅，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东,44