大数据的来临增强了可视化的重要性。可视化分析挖掘人类对于信息的认知能力与优势，将人、机有机融合，借助人机交互高效洞悉大数据背后的信息与规律，是大数据分析的重要方法。针对大数据数据量大、维度高、多来源、多形态等特点论述了大规模数据、流数据、非结构和异构数据的可视化方法。首先讨论了大规模数据的可视化技术：1）采用分而治之的原则将大问题分解成较小的任务并采用并行处理的方式解决以提高处理的速度；2）通过聚合、采样、多分辨表示的方法进行数据约简；3）针对高维数据选择若干个视图，在多个角度下生成不同的可视化结果。然后针对监控型、叠加型两类流数据探讨了流数据的可视化过程。最后阐述了非结构化数据以及异构性数据的可视化技术。总之，可视化能够克服计算机自动化分析方法的劣势与不足，整合计算机的分析能力和人们对信息的感知能力，有效地洞悉大数据背后的信息与智慧，但其理论研究成果也非常有限，同时面临着数据规模大、动态变化、维度高、多源异构等方面的挑战，这些也逐渐成为今后的大数据可视化研究的热点与方向。

任何视频摄像设备均具有一定的时间分辨率限制,时间分辨率不足会造成视频中存在运动模糊和运动混叠现象。针对这一问题常用的解决方法是空间去模糊和时间插值,然而这些方法无法从根本上解决问题。提出一种基于最大后验概率(MAP)的单视频时间超分辨率重建方法,该方法通过重建约束来确定条件概率模型,然后利用视频自身具有的时间自相似先验信息得到先验信息模型,最后求得基于最大后验概率的估计值,即通过对单个低时间分辨率视频重建来得到高时间分辨率视频,从而有效解决由于相机曝光时间过长所造成的“运动模糊”和相机帧率不足引起的“运动混叠”现象。通过理论分析与实验,证明了所提方法的有效性。

摘要：超分辨率技术是使用低分辨率图像序列来重建高分辨率图像的技术。在压缩视频的超分辨率重建中，量化约束集(QCS)作为编码模型的先验信息被广泛采用。根据窄量化约束集(NQCS)理论，利用量化误差的统计特性，提出了一种改进量化约束集(AQCS)。根据DCT变换后块边界特性，提出了平滑约束集。实验结果表明，提出的基于改进量化约束集的压缩视频超分辨率重建算法较传统的量化约束集，在峰值信噪比(PSNR)和主观图像质量上有不同程度的提高。