基于自然纹理的二维多元数据可视化方法技术

基于自然纹理的二维多元数据可视化方法，包括如下步骤：步骤1：数据处理阶段，为可视化映射做准备工作。转换数据的类型和格式，使其符合可视化映射模块的输入；预处理纹理样图，完成一些无需每次可视化映射重新计算的操;步骤2：可视化映射阶段，将二维多元数据的三个属性分别映射到纹理的大小，方向和颜色；步骤3：可视化感知阶段，绘制可视化图像展示给用户，接受用户的反馈并相应改变可视化显示结果。

【技术实现步骤摘要】
基于自然纹理的二维多元数据可视化方法
本专利技术涉及一种数据可视化方法。
技术介绍
信息可视化技术通过图形的方式呈现抽象的数据，从而帮助人们快速有效地理解和分析数据。本专利技术可视化的二维多元数据是分布于二维空间的多元数据(MultivariateData)，即每个多元数据基于x,y轴坐标进行定位，并且每个多元数据包含多个数据属性项。二维多元数据是较为常见的一种数据类型，如天气数据，海洋气候数据，油田分析数据等，这类数据跟我们的生产和生活密切相关，对二维多元数据可视化的研究具有重要的意义。二维多元数据的可视化技术很多，包含基于图形符号、颜色和纹理等不同可视化元素的可视化技术。图形符号的颜色，大小，形状和拓扑结构可以展示多元数据的属性。使用按照二维位置排列的图形符号可以表示二维分布的多元数据。然而，图形符号有很大的局限性，因为它可以有效可视化的数据的个数很有限。颜色是可视化技术最为常用的可视化元素，使用颜色的变化表示数据的变化最为直观，但是颜色的视觉感知维度有限且互相干扰，不适合单独表示多元数据。自然纹理无处不在，且纹理的观察通常只涉及低级视觉系统，因此人们可以快速准确地根据纹理包含的视觉信息来区分纹理。自然纹理的视觉感知维度非常高，包括色调、亮度、缩放性、规律性、周期性、方向性、同质性、透明性、模糊性和抽象程度等不同的视觉维度，所以纹理本身的多个视觉维度可以自然地对应多元数据的多个数据属性从而用于多元数据可视化。另一方面，快速纹理合成技术的发展，为纹理在可视化中的应用提供了技术基础。纹理合成的技术很多，其中基于样图的纹理合成根据小块样本纹理生成视觉上类似的大块纹理，可以比较方便的生成各种自然纹理。目前基于样图的纹理合成技术不仅可以生成类似的纹理，还可以在合成时控制纹理的视觉特征，如纹元的大小、方向等。这为可视化中数据属性变化到纹理视觉特征变化的映射提供了可能。此外，基于GPU加速的快速纹理合成技术可用于实现可视化中用户交互的操作，通过快速合成对应不同数据分辨率的纹理使得用户可以动态观察不同层次的数据，从而更好地掌握数据变化的规律。
技术实现思路
为了克服现有文理合成技术的上述不足，本专利技术要提供一种新的二维多元数据可视化方法，使用视觉友好的自然纹理展示二维多元数据，纹理的方向、颜色和大小分别编码数据的三个属性，通过可控纹理合成技术生成二维多元数据的可视化结果；本专利技术进一步基于GPU加速纹理合成从而提供用户动态交互缩放操作，使得用户可以从整体到细节多个层次交互观察数据。基于自然纹理的二维多元数据可视化方法，包括如下步骤：步骤1：数据处理阶段，为可视化映射做准备工作。转换数据的类型和格式，使其符合可视化映射模块的输入；预处理纹理样图，完成一些无需每次可视化映射重新计算的操作。1.1预处理可视化数据。包含数据的去噪、数据、格式转换等；不同数据处理的方式不同，目标都是使其符合可视化映射输入格式。可视化输入格式使用一个结构体定义。该结构体中除了有存储数据值的变量，还有表示数据覆盖的二维空间的大小，由变量W和H表示，即数据的分辨率为W×H。为了实现可视化交互，数据的结构体中还需要定义4个变量表示当前显示的数据范围。这4个变量组成显示数据的起始坐标(s_x,s_y)、x轴方向的显示范围o_x和y轴方向的显示范围o_y。初始时，s_x＝0，s_y＝0，o_x＝W，o_y＝H。1.2预处理纹理样图。1.2.1生成样图E的高斯图像栈，E0,E1,...,EL。当样图大小为m×m，L＝log2m。1.2.2使用全局邻域匹配处理高斯图像栈每层的图像，为图像内的每个像素找到最相似的k(k通常取值为2或3)个像素，得到一系列扩展一致性搜索(k-coherencesearch)的候选集1.2.3收集高斯图像栈每层的图像中像素u的n×n邻域(n通常取值为5或7)，得到每层的邻域集合主成分分析样图每层的邻域并对其进行降维，得到d维的邻域(d通常取值为4到8)和投影矩阵Pd。步骤2：可视化映射阶段，将二维多元数据的三个属性分别映射到纹理的大小，方向和颜色。2.1将二维多元数据D和纹理样图E及样图的预处理结果高斯图像栈E0,E1,...,EL、候选集d维的邻域和投影矩阵Pd载入显存。2.2在显存中初始化坐标图S0，初始值为(0,0)，S0＝(0,0)T。2.3循环迭代，从粗糙层0层到精细层L层。对于当前迭代层l层：2.3.1使用数据的两个属性D1和D2生成雅可比矩阵场。当前l层将合成坐标图表示为Sl。在Sl中的每个点被对应到在显示范围内的一个数据。Sl与数据显示范围的分辨率不一定相同，对于Sl中的点p使用双线性插值取得对应数据的属性值D1(p)和D2(p)。然后如公式(1)所示，基于D1(p)和D2(p)分别生成缩放矩阵(公式(1)中的左矩阵)和旋转矩阵(公式(1)中的右矩阵)，最后将它们相乘得到雅克比矩阵J(p)。公式(1)中的z决定纹元大小变化范围，a决定纹元方向的变化范围。這两个参数在可视化映射前设定。在0到1范围内变化的数据D1(p)控制纹元从原始纹元的z(小于1的正数)倍变化到原始纹元的1倍。在0到1范围内变化的数据D2(p)控制纹元方向从0度变化到a度。本专利技术z默认取0.3，也可以做适当调整，适当调整是在保证最小纹元至少包含4×4个像素的前提下，尽可能的使z接近0。本专利技术中a取值90度。2.3.2上采样上一层坐标图Sl-1得到当前层较精细的坐标图Sl。当前层的四个子像素继承于在前一层中的一个父像素。四个子像素存储的坐标等于父像素存储的坐标加上位置相关的偏移量与雅克比矩阵的乘积。具体如公式(2)所示：当前层p位置的子像素继承前一层p/2位置的父像素，表示向下取整的操作，如当前层(0,0)，(0,1)，(1,0)，(1,1)位置的四个子像素都继承前一层(0,0)位置的父像素。子像素的偏移量由hl和Δ组成。hl＝2L-l其中L＝log2m,m为样图的大小。Δ＝pmod2，mod表示取模。不同子像素加上的偏移量不同。为了使用数据控制纹理的大小和方向，偏移量在使用前要乘上雅可比矩阵。J(p)表示p点对应的雅可比矩阵。2.3.3采用扩展一致性搜索的邻域匹配修正坐标图Sl。对于Sl点的p先收集其直接邻域，与候选集一起确定邻域匹配的范围Ul(p)，具体如公式(3)(4)所示：Ul(p)＝{ul(p,Δ,i)|||Δ||＜2,i＝1...k}(3)对于坐标图中要修正的点p，只考虑预测集Ul(p)中的点。预测集Ul(p)的选取，如公式(3)所示，先要取得p点的直接邻域(3×3邻域)中的点，Sl[p+Δ]。然后根据直接邻域中的点获取对应的候选点，在获取候选点前坐标要近邻取整，因为在本专利技术中纹理合成中合成坐标为连续的值。近邻取整的偏差由后面两项补上。J(p)hlΔ是补偿近邻的偏移。接着收集p的n×n邻域并进行雅可比矩阵扭曲和PCA降维，得到d维的邻域具体如公式(5)(6)所示：...

【技术保护点】
基于自然纹理的二维多元数据可视化方法，包括如下步骤：?步骤1：数据处理阶段，为可视化映射做准备工作。转换数据的类型和格式，使其符合可视化映射模块的输入；预处理纹理样图，完成一些无需每次可视化映射重新计算的操;?1.1预处理可视化数据。包含数据的去噪、数据、格式转换等；不同数据处理的方式不同，目标都是使其符合可视化映射输入格式；?可视化输入格式使用一个结构体定义。该结构体中除了有存储数据值的变量，还有表示数据覆盖的二维空间的大小，由变量W和H表示，即数据的分辨率为W×H；为了实现可视化交互，数据的结构体中还需要定义4个变量表示当前显示的数据范围；这4个变量组成显示数据的起始坐标(s_x,s_y)、x轴方向的显示范围o_x和y轴方向的显示范围o_y；初始时，s_x=0，s_y=0，o_x=W，o_y=H；?1.2预处理纹理样图；?1.2.1生成样图E的高斯图像栈，E0,E1,...,EL，当样图大小为m×m，L=log2m；?1.2.2使用全局邻域匹配处理高斯图像栈每层的图像，为图像内的每个像素找到最相似的k（k通常取值为2或3）个像素，得到一系列扩展一致性搜索（k?coherence?search）的候选集1.2.3收集高斯图像栈每层的图像中像素u的n×n邻域（n通常取值为5或7），得到每层的邻域集合主成分分析样图每层的邻域并对其进行降维，得到d维的邻域（d通常取值为4到8）和投影矩阵Pd；?步骤2：可视化映射阶段，将二维多元数据的三个属性分别映射到纹理的大小，方向和颜色；?2.1将二维多元数据D和纹理样图E及样图的预处理结果高斯图像栈E0,E1,...,EL、候选集d维的邻域和投影矩阵Pd载入显存；?2.2在显存中初始化坐标图S0，初始值为(0,0)，S0=(0,0)T；?2.3循环迭代，从粗糙层0层到精细层L层；对于当前迭代层l层：?2.3.1使用数据的两个属性D1和D2生成雅可比矩阵场；当前l层将合成坐标图表示为Sl；在Sl中的每个点被对应到在显示范围内的一个数据；Sl与数据显示范围的分辨率不一定相同，对于Sl中的点p使用双线性插值取得对应数据的属性值D1(p)和D2(p)；然后如公式（1）所?示，基于D1(p)和D2(p)分别生成缩放矩阵（公式（1）中的左矩阵）和旋转矩阵（公式（1）中的右矩阵），最后将它们相乘得到雅克比矩阵J(p)；?公式(1)中的z决定纹元大小变化范围，a决定纹元方向的变化范围；這两个参数在可视化映射前设定；在0到1范围内变化的数据D1(p)控制纹元从原始纹元的z（小于1的正数）倍变化到原始纹元的1倍；在0到1范围内变化的数据D2(p)控制纹元方向从0度变化到a度；z默认取0.3，也可以做适当调整，适当调整是在保证最小纹元至少包含4×4个像素的前提下，尽可能的使z接近0，a取值90度；?2.3.2上采样上一层坐标图Sl?1得到当前层较精细的坐标图Sl；当前层的四个子像素继承于在前一层中的一个父像素；四个子像素存储的坐标等于父像素存储的坐标加上位置相关的偏移量与雅克比矩阵的乘积；具体如公式（2）所示：?当前层p位置的子像素继承前一层p/2位置的父像素，表示向下取整的操作，如当前层(0,0)，(0,1)，(1,0)，(1,1)位置的四个子像素都继承前一层(0,0)位置的父像素；子像素的偏移量由hl和Δ组成；hl=2L?1其中L=log2m,m为样图的大小；Δ=pmod2，mod表示取模；不同子像素加上的偏移量不同；为了使用数据控制纹理的大小和方向，偏移量在使用前要乘上雅可比矩阵；J(p)表示p点对应的雅可比矩阵；?2.3.3采用扩展一致性搜索的邻域匹配修正坐标图Sl；对于Sl点的p先收集其直接邻域，与候选集一起确定邻域匹配的范围Ul(p)，具体如公式（3）（4）所示：?Ul(p)={ul(p,Δ,i)|||Δ||1是为缩小；?o_x“=t×o_x???（12）?o_x“=t×o_x???（13）?在鼠标向上滚动时t默认取0.8，在鼠标向上滚动时t默认取1.2；?3.2.2使用拥有新的显示范围的数据，重新执行第二步的2.2至2.5步骤和第三步的3.1步骤；?3.3接受用户鼠标平移的操作控制可视化图像的平移。鼠标移到可视化窗口上，按住左键后左右移动，控制可视化结果的左右移动；?3.3.1先根据鼠标平移操作改变数据的显示范围；根据公式（14）（15）计算新的起始坐标(s_x“,s_y“)，其中x_r为鼠标沿x轴方向移动的距离，y_r为鼠标沿y轴方向移动距离；根据新的起始坐标可以确定平移后数据新的显示范围；?3.3....

【技术特征摘要】
1.基于自然纹理的二维多元数据可视化方法，包括如下步骤：步骤1：数据处理阶段，为可视化映射做准备工作；转换数据的类型和格式，使其符合可视化映射模块的输入；预处理纹理样图，完成一些无需每次可视化映射重新计算的操作；1.1预处理可视化数据；包含数据的去噪、数据、格式转换；不同数据处理的方式不同，目标都是使其符合可视化映射输入格式；可视化输入格式使用一个结构体定义；该结构体中除了有存储数据值的变量，还有表示数据覆盖的二维空间的大小，由变量W和H表示，即数据的分辨率为W×H；为了实现可视化交互，数据的结构体中还需要定义4个变量表示当前显示的数据范围；这4个变量组成显示数据的起始坐标(s_x,s_y)、x轴方向的显示范围o_x和y轴方向的显示范围o_y；初始时，s_x＝0，s_y＝0，o_x＝W，o_y＝H；1.2预处理纹理样图；1.2.1生成样图E的高斯图像栈，E0,E1,...,EL，当样图大小为m×m，L＝log2m；1.2.2使用全局邻域匹配处理高斯图像栈每层的图像，为图像内的每个像素找到最相似的k个像素，k取值为2或3，得到一系列扩展一致性搜索(k-coherencesearch)的候选集1.2.3收集高斯图像栈每层的图像中像素u的n×n邻域，n取值为5或7，得到每层的邻域集合主成分分析样图每层的邻域并对其进行降维，得到d维的邻域和投影矩阵Pd，d取值为4到8；步骤2：可视化映射阶段，将二维多元数据的三个属性分别映射到纹理的大小，方向和颜色；2.1将二维多元数据D和纹理样图E及样图的预处理结果高斯图像栈E0,E1,...,EL、候选集d维的邻域和投影矩阵Pd载入显存；2.2在显存中初始化坐标图S0，初始值为(0,0)，S0＝(0,0)T；2.3循环迭代，从粗糙层0层到精细层L层；对于当前迭代层l层：2.3.1使用数据的两个属性D1和D2生成雅可比矩阵场；当前l层将合成坐标图表示为Sl；在Sl中的每个点被对应到在显示范围内的一个数据；Sl与数据显示范围的分辨率不一定相同，对于Sl中的点p使用双线性插值取得对应数据的属性值D1(p)和D2(p)；然后如公式(1)所示，基于D1(p)和D2(p)分别生成缩放矩阵(公式(1)中的左矩阵)和旋转矩阵(公式(1)中的右矩阵)，最后将它们相乘得到雅克比矩阵J(p)；公式(1)中的z决定纹元大小变化范围，a决定纹元方向的变化范围；这两个参数在可视化映射前设定；在0到1范围内变化的数据D1(p)控制纹元从原始纹元的z倍变化到原始纹元的1倍；在0到1范围内变化的数据D2(p)控制纹元方向从0度变化到a度；z默认取0.3，也可以做适当调整，适当调整是在保证最小纹元至少包含4×4个像素的前提下，尽可能的使z接近0，a取值90度；2.3.2上采样上一层坐标图Sl-1得到当前层较精细的坐标图Sl；当前层的四个子像素继承于在前一层中的一个父像素；四个子像素存储的坐标等于父像素存储的坐标加上位置相关的偏移量与雅克比矩阵的乘积；具体如公式(2)所示：当前层p位置的子像素继承前一层p/2位置的父像素，表示向下取整的操作，如当前层(0,0)，(0,1)，(1,0)，(1,1)位置的四个子像素都继承前一层(0,0)位置的父像素；子像素的偏移量由hl和Δ组成；hl＝2L-1其中L＝log2m,m为样图的大小；Δ＝pmod2，mod表示取模；不同子像素加上的偏移量不同；为了使用数据控制纹理的大小和方向，偏移量在使用前要乘上雅可比矩阵；J(p)表示p点对应的雅可比矩阵；2.3.3采用扩展一致性搜索的邻域匹配修正坐标图Sl；对于Sl点的p先收集其直接邻域，与候选集一起确定邻域匹配的范围Ul(p)，具体如公式(3)(4)所示：Ul(p)＝{ul(p,Δ,i)|||Δ||＜2,i＝1...k...

【专利技术属性】
技术研发人员：汤颖，肖廷哲，范菁，张岩，汪斌，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：