《测绘学 》
构建与学术的桥梁 拉近与权威的距离
《测绘学 》抖音自开通以来，聚焦于测绘地理信息学术前沿进展，受到了广大专家学者的大力支持，播放量数万，粉丝1.7万。
复制链接，关注我们哦！
【测绘学 的个人主页】长按复制此条消息，长按复制打开抖音查看TA的更多作品##7NsBSynuc88##[抖音口令]
【引文格式】尚戴雨, 丁雨淋, 朱庆, 等. 顾及地理矢量场空间变化特征的多分辨率纹理可视化方法. 测绘学 ，2020，49(5)：656-666. DOI:
10.11947/j.AGCS.2020.20190160
顾及地理矢量场空间变化特征的多分辨率纹理可视化方法
尚戴雨1, 丁雨淋1
1. 西南交通大学地球科学与环境工程学院, 四川 成都 611756;2. 金华凯宝土地房地产评估测绘规划有限公司, 浙江 金华 321000
收稿日期：2019-07-26；修回日期：2019-12-26
基金项目：国家自然科学基金(41871291)
关键词：地理空间矢量场 多分辨率 空间变化特征 信息熵 纹理可视化
A multi-resolution texture-based visualization method for geographic vector fields by means of spatial variation features
SHANG Daiyu1,DING Yulin1, ZHU Qing1, WU Linbao21.Faculty of Geosciences and Environmental Engineering, Southwest Jiaotong University, Chengdu 611756, China;
2.Jinhua Kai Bao Land Real Estate Appraisal and Mapping Planning Co. Ltd., Jinhua 321000, China
Foundation support: The National Natural Science Foundation of China (No. 41871291)
First author: SHANG Daiyu (1996—), female, postgraduate, majors in VGE.E-mail:plain_observer@outlook.com.
Corresponding author: DING Yulin, E-mail: rainforests@126.com.
Abstract: How to visualize massive, high-dimensional, dynamic and multi-scale geospatial vector fields online under the network environment, has been the key issue for data integration and comprehensive analysis of massive and intensive vector fields. Geographic vector fields contain various irregular and multi-scale variation features and structures with prominent spatio-temporal heterogeneity. Due to global uniform sampling density, there are typical problems of occlusion and low feature discrimination in traditional texture-based vector field visualization. To overcome these shortcomings, this paper proposes a multi-resolution texture-based visualization method for geographic vector fields by means of spatial variation features. The proposed method uses composite information entropy as the description of spatial variation features, so as to drive the generation of feature-constrained multi-resolution noise, construction and enhancement of multi-resolution texture of vector fields in image space, which can effectively overcome the technical bottleneck of the traditional texture visualization method. Experimental results of the wind flow dataset prove the reliability and effectiveness of the method.
Key words: geospatial vector fields multi-resolution spatial variation features information entropy texture-based visualization
地理空间矢量场数据的可视化，是解释与描述分析地理要素动态演变过程与内在规律的重要手段，广泛应用于环境污染评估、大气海洋建模、地球物理模拟等专业领域[1-3]。随着地球系统模式及密集型大规模计算系统的快速发展，地球生态系统模拟、精确气候分析等科学计算，积累了日益丰富的大规模密集矢量场大数据。作为洋流、大气、电磁场等复杂地理过程的真实表征，矢量场数据中蕴含着大量与地理过程演变规律密切相关的典型、多尺度、复杂空间特征结构，例如涡流、激波、湍流线等[4]。面向专业及大众日益增长的多样化应用需求，如何在 络环境下，实现对大规模密集矢量场数据的在线高效可视化分析，已成为大规模密集地理矢量场数据集成与综合应用的关键[5-10]。
目前，国内外出现了大量矢量场特征可视化方法，通过对大规模密集矢量场数据中典型、核心、高价值的特征结构进行科学展示，降低矢量场中大部分冗余、低价值信息对可视化映射数据量、计算量的影响，以应对 络端矢量场数据在线实时可视分析处理需求。这类方法主要包括直接显示法、几何图元法、纹理可视化方法等。直接显示法和几何图元法，均属于离散表达法，过于密集时容易混叠杂乱，过于稀疏时则容易丢失大量关键特征，只适用于局部可视化[11]。纹理可视化方法，通过生成矢量场的纹理图像，可详细描述与可视表达矢量场数据的全局方向变化信息及细节特征[7]。其中，基于线积分卷积(line integral convolution, LIC)[12]的矢量场纹理可视化方法，通过积分流线的纹理卷积，连续表达矢量场全局方向特性，已成为当前最主流的矢量场纹理可视化方法之一。
针对LIC的性能改进问题，近年来出现了大量改进或扩展的线积分卷积纹理可视方法研究[11, 13-19]。然而，改进的线积分卷积算法在扩展到 络环境下大规模密集矢量场可视化应用时，仍面临以下难题：①特征计算需要遍历每个 格点，性能问题突出，时效性仍难以满足大规模矢量场的实时可视化与在线交互分析应用需求[11]；②纹理表示法属于稠密表示法，视线方向上的流场纹理遮挡问题突出[5-6, 20]，难以支持关键信息的有效表达；③矢量场中的结构特征、多尺度及空间异质性特点突出，然而现有纹理可视化方法的特征提取分析操作难以精确界定特征区域，多采用全局统一的格 密度进行结构特征描述构建单一分辨率的数据纹理，过低的格 密度导致矢量场中变化程度高的细节特征出现紊乱模糊的情况，过高的格 密度则导致变化程度低的特征表达密集冗余，难以提取场内关键特征。
1 顾及矢量场空间变化特征的纹理可视化方法
图 1 顾及矢量场空间变化特征的纹理可视化方法原理 Fig. 1 Method schematic of texture-based visualization considering spatial variation features of vector fields
图选项
1.1 矢量场空间变化特征的信息熵描述模型
信息熵是基于一定的统计概率模型，用于描述一个随机过程中离散随机事件平均信息量的概念[19]。一个系统稳定性越高，其信息熵就越低；反之，一个系统混乱度越高，其信息熵就越高。因此，信息熵可看作系统无序性的量度，反映了系统的变化程度。
以矢量方向分布模拟随机事件概率函数的信息熵评估是一种有效的矢量场信息度量方法[7, 9, 21-22]。该方法包括以下3步：
(1) 确定信息熵评估条件：取采样点P0的N×N邻域Φ作为P0处信息量评估的局部；将矢量方向的分布范围A分为n1个子区间αi(i=1, 2, …,n1)作为概率统计区间，对于二维矢量场数据即将0°~360°分为n1个等弧度的子扇区，对于三维矢量场数据则将单位球面分割为n1个等面积的子面片。
(2) 建立统计概率模型：计算Φ范围内矢量方向在各子区间αi内的分布概率，即
(1)
(3) 计算方向信息熵：以矢量方向分布概率的统计量作为采样点P0的方向信息评估指标，其定义为
(2)
式中，αi(i=1, 2, …,n1)为矢量方向分布范围的子区间；n1为子区间的划分数量；p(αi)为子区间αi内矢量方向的分布概率；C(αi)为子区间αi内矢量的数量；Hvector(P0)为采样点P0的方向信息熵。数据点P0附近的矢量场方向分布越杂乱，包含的方向变化信息就越多，方向信息熵越高。
[定义1] 地理矢量场复合信息熵：取采样点P0的N×N邻域Φ，计算Φ范围内矢量定量属性信息熵Hi(P0)(i=vector/scalar)，将各类信息熵的合成值作为空间变化特征的量化值。由于各类的熵值范围不一致，因此将各类信息熵先进行归一化处理，再加权合成；为便于考察变化程度的差异性，对复合信息熵进行归一化处理。其计算公式可表达为
(3)
式中，Hi(P0)为在P0点处的信息熵；Hvector(P0)为方向信息熵，Hscalar(P0)为强度信息熵；min(Hi)和max(Hi)分别为信息熵Hi在全局矢量场范围内的最小值和最大值；H′i(P0)为信息熵Hi在P0点处的归一化值；H(P0)为P0点处的复合信息熵；a为熵合成系数，a∈[0, 1]，λ∈[0, 1]，可根据可视化任务所侧重的信息确定；min(H)和max(H)分别为复合信息熵H在全局矢量场范围内的最小值和最大值；H′(P0)为复合信息熵H(P0)在P0点处的归一化值。
图 2 复合信息熵计算流程 Fig. 2 Flowchart of computation for composite information entropy
图选项
[定义2] 强度信息熵：以矢量强度分布模拟随机事件概率函数得到的矢量场信息评估量，计算步骤如下。
(1) 确定信息熵评估条件：取采样点P0的N×N邻域Φ作为P0处信息量评估的局部，将矢量强度分布范围Β=mmin,mmax分为n2个子区间βi(i=1, 2, …,n2)作为概率统计区间。
(2) 建立统计概率模型：计算Φ范围内矢量强度在各个子区间βi内的分布概率，即
(4)
(3) 计算强度信息熵：以矢量强度分布概率的统计量作为采样点P0的强度信息评估指标，可定义为
(5)
式中，mmin和mmax分别为矢量场全局强度最小值和最大值，βi为矢量强度分布范围的子区间；n2为子区间的划分数量；C(βi)为子区间βi内矢量的数量；p(βi)为子区间βi内矢量强度的分布概率；Hscalar(P0)为采样点P0的强度信息熵。
1.2 矢量场的多分辨率纹理可视化
LIC算法利用矢量方向的相关性对噪声纹理进行滤波合成，以构建矢量场纹理[24]。其主要思想是以白噪声作为输入纹理，遍历矢量场中所有点，沿采样点矢量正向和逆向对称积分生成一定长度的积分流线，以选定的卷积核对流线上所有位置的输入纹理值做卷积运算，卷积结果值作为当前采样点的输出纹理值，如图 3所示。
图 3 LIC原理 Fig. 3 Process of LIC
图选项
图 4 以单频噪声与多频噪声输入得到的涡流场LIC纹理 Fig. 4 LIC images of circular vector fields with single-frequency noise and multi-frequency noise as input
图选项
1.2.1 信息熵约束的多频噪声构建
(6)
式中，G(x,y)为二维高斯分布函数，取高斯滤波器宽度ω为5或7；H′(P0)为滤波器中心P0处复合信息熵的归一化值；σ为高斯滤波器标准差，根据H′(P0)在熵值分级区间[h0,h1, …, hk, …]中对应的集合范围确定，熵值分级区间由纹理图像精细度分级要求确定。
图 5为一个高斯滤波计算样例，像素点P0高斯滤波器宽度内的白噪声如图 5(a)所示，取熵值分级区间{[0, 0.25), [0.25, 0.5), [0.5, 0.75), [0.75, 1]}，P0处复合信息熵的归一化值为0.35，代入式(6)可得标准差σ为1.0，高斯滤波核如图 5(b)所示，卷积可得P0处特征噪声输出值为230。
图 5 高斯滤波计算样例 Fig. 5 An example of Guassian filter
图选项
图 6为涡流场的特征噪声构建样例。其中，图像大小为256×256，设坐标原点位于图像中心，坐标范围为{(x,y)|x∈[-0.5, 0.5],y∈[-0.5, 0.5]}，x轴正方向水平向右，y轴正方向竖直向上，任意点的涡流矢量值为(-y,x)。首先构建白噪声如图 6(a)所示；然后计算涡流场的复合信息熵，取信息量评估局部的邻域大小N×N为23×23，方向范围子区间数n1为60，强度范围子区间数n2为10，熵合成系数a为0.5，以红蓝渐变色带映射熵值大小，熵值最大处为红色，熵值最小处为蓝色，如图 6(b)所示，涡流场中心复合信息熵最高，沿环形向外呈递减趋势；按照复合信息熵{[0, 0.25), [0.25, 0.5), [0.5, 0.75), [0.75, 1]}的分级区间划分特征区域，如图 6(c)所示；采用宽度ω为7、标准差σ分别为2.0、1.5、1.0、0.5的高斯滤波器对上述各级特征区域的白噪声点进行高斯滤波，得到特征噪声如图 6(d)所示。
图 6 特征噪声构建样例 Fig. 6 An example of generation for feature-based noise
图选项
图 7 多频噪声融合样例 Fig. 7 An example of generation for multi-frequency noise
图选项
1.2.2 多频噪声驱动的多分辨率纹理构建
(7)
式中，RLIC(P0)为当前像素点P0的输出纹理值，RLIC(P0)∈0, 255；2n+1为长度为l的流线上所包含的像素点个数，流线长度l通常取图像较长边的1/10或1/20；T(Pi)为流线上像素点Pi的输入纹理值，T(Pi)∈0, 255。通过斜坡卷积核的相位移动，可实现LIC纹理的动态渲染，像素点P0经t个单位时间后的输出纹理值为
(8)
图 8 一维滤波强化采样 Fig. 8 Sampling of one-dimensional enhanced filtering
图选项
Gabor滤波器的一般定义为
(9)
(10)
式中，信息熵归一化值H′(i)(P0)被映射为色相hue，用于表征矢量场变化程度，矢量场信息熵最大处为红色，信息熵最小处为蓝色；饱和度sat固定为常数1；亮度值light为0.5。基于HSL颜色映射的彩色纹理值表示为
(11)
式中，RHSL(P0)为属性映射的(hue, sat, light)值经颜色空间转换的RGB结果；RLIC(P0)为卷积纹理运算得到的灰度值；R(P0)为输出图像的RGBA值；c为线性合成系数，且c∈(0, 1)，彩色映射后往往会降低LIC纹理的对比度，取c为0.4可取得较好的纹理效果；R(P0)a为输出图像的透明度；d为透明系数，且d∈0, 1。
图 9为涡流场多分辨率纹理的构建样例。以图 7得到的多频噪声结果作为输入纹理，依次进行纹理卷积计算、对比度增强处理、线性彩色映射处理，得到涡流场的彩色多分辨率纹理。
图 9 多分辨率矢量场纹理构建样例 Fig. 9 An example of generation for multi-resolution vector field texture
图选项
2 试验与分析2.1 试验数据
2.2 试验结果分析
2.2.1 试验1：基于信息熵描述模型的风场特征区域界定模拟
试验1首先构建了全球风场的信息熵模型，根据复合信息熵分布进行特征区域界定模拟，并以此构建纹理计算输入的多频噪声。信息熵描述模型的参数设置见表 1。其中，取N为23、n1为60、n2为10作为合适的有效评估条件；为表现复合信息熵对方向信息熵与强度信息熵的综合考量，取熵合成系数为0.5；由于信息熵模型的表达中未涉及LIC纹理值，因此取线性合成系数为1.0；取透明系数0.5将信息熵模型在地图上叠加显示。
表 1 信息熵描述模型参数Tab. 1 Parameters of information entropy description model
|
试验参数 |
参数描述 |
试验取值 |
|
N×N |
采样点信息熵评估的邻域大小 |
23×23 |
|
n1 |
风场方向范围子区间的划分数目 |
60 |
|
n2 |
风场风速范围子区间的划分数目 |
10 |
|
a |
熵合成系数 |
0.5 |
|
c |
颜色线性合成系数 |
1.0 |
|
d |
透明系数 |
0.5 |
表选项
图 10 全球风场的信息熵描述模型 Fig. 10 Information entropy description model of global wind flow
图选项
试验以上述信息熵模型驱动特征区域的界定模拟，为实现特征区域的简单分级，采用对复合信息熵等份分级策略，取熵值分级区间为{[0, 0.25), [0.25, 0.5), [0.5, 0.75), [0.75, 1]}。风场空间变化特征区域的界定模拟结果如图 11所示。
图选项
图 12 可视化效果对比 Fig. 12 Comparison of visualization effects
图选项
图 13 可视化效果细节对比 Fig. 13 Contrast of visualization effects details
图选项
|
试验参数 |
参数描述 |
不同图像空间尺寸size(I)下的取值 |
||
|
256×256 |
512×512 |
1024×1024 |
||
|
l |
积分流线长度/像素 |
20 |
40 |
80 |
|
L |
Gabor滤波采样距离 |
1.0 |
||
|
λ |
Gabor滤波波长 |
20 |
||
|
c |
颜色线性合成系数 |
0.4 |
||
|
d |
透明系数 |
1.0 |
||
表选项
|
方法 |
256×256 |
512×512 |
1024×1024 |
||||
|
平均时间/s |
平均帧率/fps |
平均时间/s |
平均帧率/fps |
平均时间/s |
平均帧率/fps |
||
|
0.023 |
60 |
0.029 |
60 |
0.036 |
30 |
||
|
传统方法 |
GPU |
0.023 |
60 |
0.028 |
60 |
0.034 |
32 |
|
CPU |
1.376 |
— |
4.176 |
— |
16.557 |
— |
|
表选项
3 结论
重磅 | 北斗三号最后一颗全球组 卫星—— “收官之星” 发射成功
《测绘学 （英文版）》被国际著名开放获取期刊目录数据库“DOAJ”收录
重磅 | 测绘学 编委刘经南院士获湖北省科学技术突出贡献奖
Seabed 2030 Project : 2030年前绘制完整的世界海床地图
测绘图书 | 《新型地理计算模式及其在双评价中的应用》实现版权输出
资讯 | 武大遥感学院2020年优秀大学生线上夏令营活动通知
权威 | 专业 | 学术 | 前沿微信、抖音小视频投稿邮箱 | song_qi_fan@163.com
进群请备注：姓名+单位+稿件编号
声明：本站部分文章内容及图片转载于互联 、内容不代表本站观点，如有内容涉及侵权，请您立即联系本站处理，非常感谢！