基于信息熵的流场定向线积分卷积算法

doi:10.11772/j.issn.1001-9081.2022030391

《计算机应用》唯一官方网站 ›› 2023, Vol. 43 ›› Issue (4): 1233-1239.DOI: 10.11772/j.issn.1001-9081.2022030391

所属专题：多媒体计算与计算机仿真

• 多媒体计算与计算机仿真 • 上一篇下一篇

基于信息熵的流场定向线积分卷积算法

李梦依, 方霞, 郑红波, 秦绪佳()

浙江工业大学计算机科学与技术学院，杭州 310023

收稿日期:2022-03-30 修回日期:2022-10-09 接受日期:2022-10-20 发布日期:2023-01-11 出版日期:2023-04-10
通讯作者: 秦绪佳
作者简介:李梦依（1998—），女，湖南湘潭人，硕士研究生，主要研究方向：计算机图形学；
方霞（1996—），女，湖南岳阳人，硕士研究生，主要研究方向：计算机图形学；
郑红波（1977—），女，湖南永州人，副教授，博士，主要研究方向：图像处理、地理信息系统；
基金资助:
国家自然科学基金资助项目(61672462);浙江省自然科学基金资助项目(LY20F020025)

Oriented line integral convolution algorithm for flow field based on information entropy

Mengyi LI, Xia FANG, Hongbo ZHENG, Xujia QIN()

College of Computer Science and Technology，Zhejiang University of Technology，Hangzhou Zhejiang 310023，China

Received:2022-03-30 Revised:2022-10-09 Accepted:2022-10-20 Online:2023-01-11 Published:2023-04-10
Contact: Xujia QIN
About author:LI Mengyi， born in 1998， M. S. candidate. Her research interests include computer graphics.
FANG Xia， born in 1996， M. S. candidate. Her research interests include computer graphics.
ZHENG Hongbo， born in 1977， Ph. D.， associate professor. Her research interests include image processing， geographical information system.
Supported by:
National Natural Science Foundation of China(61672462);Natural Science Foundation of Zhejiang Province(LY20F020025)

摘要/Abstract

摘要：

流场可视化是对流场数据进行直观分析的一种新的可视化技术，而定向线积分卷积（OLIC）算法作为一种经典的纹理可视化方法，使用该算法能明显地观察出流场方向流动的演化。为了优化可视化效果，提出了一种基于信息熵的OLIC算法。首先，基于流场矢量数据生成基于信息熵的稀疏噪声；然后，采用斜坡卷积核函数对输入纹理进行卷积计算；最后，通过计算输出纹理图像中每一个像素点的灰度值，得到最终的OLIC纹理图像。所提算法可以根据熵值在临界点区域和非临界点区域自适应地生成流线。其中临界点区域含有流场的重要信息，选择密集绘制；而在非临界点区域则选择稀疏绘制。通过在不同区域绘制不同密度的流线，所提算法节省了计算成本；与普通OLIC算法相比，所提算法的绘制速度至少提升了18.6%；在可视化效果方面，所提算法优于普通的全局绘制，使用所提算法能更仔细地观察特征区域。

关键词: 流场可视化, 定向线积分卷积, 信息熵, 临界点, 稀疏噪声

Abstract:

Flow field visualization is a new visualization technology for intuitive analysis of flow field data. And Oriented Line Integral Convolution （OLIC） algorithm， as a classic texture visualization method， can be used to clearly observe the evolution of flow in the direction of flow field. To optimize the visualization effect， an OLIC algorithm based on information entropy was proposed. Firstly， sparse noise based on information entropy was generated on the basis of the flow field vector data. Then， the slope convolution kernel function was used to convolute the input texture. Finally， the final texture image of OLIC was obtained by calculating the gray value of each pixel in the output texture image. In the proposed algorithm， streamlines were able to be generated in the critical point region and non-critical point region according to the entropy value adaptively. As the critical point region contained important information of the flow field， the dense drawing was selected， while in the non-critical point region sparse drawling was selected. By drawing streamlines with different densities in different regions， the algorithm can save computational cost， and the drawing speed of the proposed algorithm is increased by 18.6% at least compared with that of the ordinary OLIC algorithm. In terms of visualization effect， the proposed algorithm is superior to the ordinary global drawing， and can be used to observe feature regions more carefully.

Key words: flow field visualization, Oriented Line Integral Convolution (OLIC), information entropy, critical point, sparse noise

中图分类号:

TP391.4

李梦依, 方霞, 郑红波, 秦绪佳. 基于信息熵的流场定向线积分卷积算法[J]. 计算机应用, 2023, 43(4): 1233-1239.

Mengyi LI, Xia FANG, Hongbo ZHENG, Xujia QIN. Oriented line integral convolution algorithm for flow field based on information entropy[J]. Journal of Computer Applications, 2023, 43(4): 1233-1239.

图/表 11

图 1 OLIC算法原理

Fig. 1 Principle of OLIC algorithm

图 2 稀疏噪声生成过程

Fig. 2 Process of generating sparse noise

图 3 噪声群

Fig. 3 Noise groups

图 4 不同网格范围的OLIC结果

Fig. 4 OLIC results in different grid range

图 5 不同网格范围的稀疏噪声

Fig. 5 Sparse noise in different grid ranges

图 6 不同稀疏噪声生成的图像

Fig. 6 Images generated by different sparse noise

图 7 WRF模式下的数据可视化效果

Fig. 7 Data visualization effect under WRF mode

图 8 本文方法与文献［16］方法的可视化对比

Fig. 8 Visual comparison of the proposed method and method in literature［16］

图 9 大规模矢量场生成的图像

Fig. 9 Images generated by large-scale vector fields

表 1 两种算法在不同输入分辨率下的绘制时间对比 (s)

Tab. 1 Drawing time comparison of two algorithms under different input resolutions

算法	网格	绘制时间
算法	网格	$1 001 × 1 001$	$2 001 × 1 801$	$3 001 × 1 801$
OLIC算法^［6］	$20 × 20$	49	178	266
本文算法	［1，50］	25	63	91
	［1，70］	13	32	52
	［1，80］	10	25	40

表 1 两种算法在不同输入分辨率下的绘制时间对比 (s)

Tab. 1 Drawing time comparison of two algorithms under different input resolutions

算法	网格	绘制时间
算法	网格	$1 001 × 1 001$	$2 001 × 1 801$	$3 001 × 1 801$
OLIC算法^［6］	$20 × 20$	49	178	266
本文算法	［1，50］	25	63	91
	［1，70］	13	32	52
	［1，80］	10	25	40

表 2 两种算法在风场和海浪矢量场的绘制时间对比 (s)

Tab. 2 Drawing time comparison of two algorithms in wind and wave vector fields

算法	网格	绘制时间
算法	网格	$293 × 313$ （风场）	$1 441 × 721$ （海浪矢量场）
OLIC算法^［6］	$20 × 20$	4.3	50
本文算法	［20，30］	3.5	38
	［20，40］	2.9	31
	［20，50］	2.6	20

表 2 两种算法在风场和海浪矢量场的绘制时间对比 (s)

Tab. 2 Drawing time comparison of two algorithms in wind and wave vector fields

算法	网格	绘制时间
算法	网格	$293 × 313$ （风场）	$1 441 × 721$ （海浪矢量场）
OLIC算法^［6］	$20 × 20$	4.3	50
本文算法	［20，30］	3.5	38
	［20，40］	2.9	31
	［20，50］	2.6	20

参考文献 22

1	朱宏玮，姜国华，王宝智. 矢量场可视化线积分卷积方法研究与系统设计［J］. 计算机应用与软件， 2010， 27（4）： 203-206， 229. 10.3969/j.issn.1000-386X.2010.04.066
	ZHU H W， JIANG G H， WANG B Z. Research and system design of line integral convolution method for vector field visualization［J］. Computer Applications and Software， 2010， 27（4）：203-206， 229. 10.3969/j.issn.1000-386X.2010.04.066
2	SANE S， BUJACK R， GARTH C， et al. A survey of seed placement and streamline selection techniques［J］. Computer Graphics Forum， 2020， 39（3）：785-809. 10.1111/cgf.14036
3	CABRAL B， LEEDOM L C. Imaging vector fields using line integral convolution［C］// Proceedings of the 20th Annual Conference on Computer Graphics and Interactive Techniques. New York： ACM， 1993： 263-270. 10.1145/166117.166151
4	DETLEV S， HANS-CHRISTIAN H. Fast and resolution independent line integral convolution［C］// Proceedings of the 22nd Annual Conference on Computer Graphics and Interactive Techniques. New York： ACM， 1995： 249-256. 10.1145/218380.218448
5	INTERRANTE V， GROSCH C. Strategies for effectively visualizing 3D flow with volume LIC［C］// Proceedings of the 1997 IEEE Conference on Visualization. Piscataway： IEEE， 1997： 421-424. 10.1109/38.689664
6	SUNDQUIST A. Dynamic line integral convolution for visualizing streamline evolution［J］. IEEE Transactions on Visualization and Computer Graphics， 2003， 9（3）： 273-282. 10.1109/tvcg.2003.1207436
7	WEGENKITTL R， GROLLER E， PURGATHOFER W. Animating flow fields： rendering of oriented line integral convolution［C］// Proceedings of the 1997 Conference on Computer Animation. Piscataway： IEEE， 1997： 15-21. 10.1109/38.626972
8	王海洋，王松，吴亚东，等. 基于稀疏噪声的Volume LIC GPU加速绘制技术［J］. 西南科技大学学报， 2016， 31（2）： 72-80. 10.3969/j.issn.1671-8755.2016.02.014
	WANG H Y， WANG S， WU Y D， et al. Sparse noise based Volume LIC rendering method accelerated by GPU［J］. Journal of Southwest University of Science and Technology， 2016， 31（2）：72-80. 10.3969/j.issn.1671-8755.2016.02.014
9	李春鑫，彭认灿，高占胜，等. 一种改进的三维流场数据可视化方法［J］. 武汉大学学报（信息科学版）， 2017， 42（6）： 744-748.
	LI C X， PENG R C， GAO Z S， et al. An improved legible method for visualizing 3D flow field［J］. Geomatics and Information Science of Wuhan University， 2017， 42（6）：744-748.
10	J J van WIJK. Image based flow visualization［C］// Proceedings of the 29th Annual Conference on Computer Graphics and Interactive Techniques. New York： ACM， 2002：745-754. 10.1145/566570.566646
11	J J van WIJK. Image based flow visualization for curved surface［C］// Proceedings of the 2003 IEEE Conference on Visualization. Piscataway： IEEE， 2003：123-130.
12	李谦，蔡勋，王怀晖. 基于改进IBFV的矢量场剖面纹理可视化［J］. 系统仿真学报， 2012， 24（9）：1984-1987.
	LI Q， CAI X， WANG H H. Improved IBFV-based visualization of vector field section［J］. Journal of System Simulation， 2012， 24（9）：1984-1987.
13	詹芳芳，胡伟，袁国栋. 二维LIC矢量场可视化算法的研究及改进［J］. 计算机科学， 2013， 40（9）： 257-261. 10.3969/j.issn.1002-137X.2013.09.057
	ZHAN F F， HU W， YUAN G D. Improvement of 2D LIC algorithm for vector field section［J］. Computer Science， 2013， 40（9）：257-261. 10.3969/j.issn.1002-137X.2013.09.057
14	TANG B， SHI H X. Intelligent vector field visualization based on line integral convolution［J］. Cognitive Systems Research， 2018， 52：828-842. 10.1016/j.cogsys.2018.09.005
15	LEE J Y， PARK J. Deep regression network-assisted efficient streamline generation method［J］. IEEE Access， 2021， 9： 111704-111717. 10.1109/access.2021.3100127
16	LIU Z D， LIU H X， SU T Y， et al. Dynamic visual simulation of marine vector field based on LIC - a case study of surface wave field in typhoon condition［J］. Journal of Oceanology and Limnology， 2019， 37（6）：2025-2036. 10.1007/s00343-019-8263-1
17	马颖异，李洪平，郭艺峰. 基于视觉感知的二维线积分卷积矢量场可视化算法［J］. 计算机科学， 2019， 46（6A）： 242-245.
	MA Y Y， LI H P， GUO Y F. Visualization of wind vectors using line integral convolution with visual perception［J］. Computer Science， 2019， 46（6A）：242-245.
18	SHANNON C E. A mathematical theory of communication［J］. Bell System Technical Journal， 1948， 27（3）： 379-423. 10.1002/j.1538-7305.1948.tb01338.x
19	XU L J， LEE T Y， SHEN H W. An information-theoretic framework for flow visualization［J］. IEEE Transactions on Visualization and Computer Graphics， 2010， 16（6）：1216-1224. 10.1109/tvcg.2010.131
20	樊宇，吕晓琪，张继凯，等. 基于几何着色器的流场动态可视化研究与实现［J］. 计算机工程与应用， 2019， 55（9）： 157-161. 10.3778/j.issn.1002-8331.1801-0298
	FAN Y， LYU X Q， ZHANG J K， et al. Research and realization of flow field dynamic visualization based on geometric shader［J］. Computer Engineering and Applications， 2019， 55（9）：157-161. 10.3778/j.issn.1002-8331.1801-0298
21	黄冬梅，杜艳玲，张律文. 基于信息熵种子点选取的流线可视化［J］. 计算机工程与科学， 2018， 40（3）： 411-417. 10.3969/j.issn.1007-130X.2018.03.005
	HUANG D M， DU Y L， ZHANG L W. Two information entropy-based seeding methods for 3D flow visualization［J］. Computer Engineering and Science， 2018， 40（3）：411-417. 10.3969/j.issn.1007-130X.2018.03.005
22	唐烨，解利军，桂立业，等. 基于聚类的流面自动布局及生成算法［J］. 计算机工程与应用， 2018， 54（12）： 264-270.
	TANG Y， XIE L J， GUI L Y， et al. Automatic stream surface seeding and constructing algorithm based on clustering［J］. Computer Engineering and Applications， 2018， 54（12）：264-270.

[1]	杨冬菊, 胡成富. 基于改进TextRank的科技文本关键词抽取方法[J]. 《计算机应用》唯一官方网站, 2024, 44(6): 1720-1726.
[2]	孟昱煜, 郭静. 信息熵改进主成分分析模型的链路预测算法[J]. 《计算机应用》唯一官方网站, 2022, 42(9): 2823-2829.
[3]	陈永波, 李巧勤, 刘勇国. 基于动态相关性的特征选择算法[J]. 《计算机应用》唯一官方网站, 2022, 42(1): 109-114.
[4]	王治和, 常筱卿, 杜辉. 基于万有引力的自适应近邻传播聚类算法[J]. 计算机应用, 2021, 41(5): 1337-1342.
[5]	袁园, 吴文, 万毅. 基于熵驱动域适应学习的单幅图像阴影检测方法[J]. 计算机应用, 2020, 40(7): 2131-2136.
[6]	陈程军, 毛莺池, 王绎超. 基于激活-熵的分层迭代剪枝策略的CNN模型压缩[J]. 计算机应用, 2020, 40(5): 1260-1265.
[7]	张伍, 陈红梅. 基于多核模糊粗糙集与蝗虫优化算法的高光谱波段选择[J]. 计算机应用, 2020, 40(5): 1425-1430.
[8]	童玉珍, 王应明. 基于后悔理论及EDAS法的概率语言多属性群决策方法[J]. 计算机应用, 2020, 40(11): 3152-3158.
[9]	张伍, 陈红梅. 基于核模糊粗糙集的高光谱波段选择算法[J]. 计算机应用, 2020, 40(1): 258-263.
[10]	丁莲静, 刘光帅, 李旭瑞, 陈晓文. 加权信息熵与增强局部二值模式结合的人脸识别[J]. 计算机应用, 2019, 39(8): 2210-2216.
[11]	毛莺池, 曹海, 平萍, 李晓芳. 基于最大联合条件互信息的特征选择[J]. 计算机应用, 2019, 39(3): 734-741.
[12]	汪逸飞, 罗永龙, 俞庆英, 刘晴晴, 陈文. 基于信息熵抑制的轨迹隐私保护方法[J]. 计算机应用, 2018, 38(11): 3252-3257.
[13]	丁飞飞, 杨文元. 信息熵约束下的视频目标分割[J]. 计算机应用, 2018, 38(10): 2782-2787.
[14]	纪连恩, 张笑林, 梁适宜, 王斌. 面向大规模地震体的多切片实时交互绘制优化[J]. 计算机应用, 2017, 37(9): 2621-2625.
[15]	吴铮, 于洪涛, 刘树新, 朱宇航. 基于信息熵的跨社交网络用户身份识别方法[J]. 计算机应用, 2017, 37(8): 2374-2380.

基于信息熵的流场定向线积分卷积算法

Oriented line integral convolution algorithm for flow field based on information entropy

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 22

相关文章 15

编辑推荐

Metrics