可视化方法与技术

可视化方法与技术计算机系统在各领域中的广泛应用导致海量数据的产生，数据处理能力的滞后迫切需要研究和开发新的信息处理技术和方法。基于此，海量、异构、时变、多维数据的可视化表示和分析在各领域中日益受到重视并得到越来越广泛的应用。一、可视化概述测量的自动化、网络传输过程的数字化和大量的计算机仿真产生了海量数据，超出了人类分析处理的能力。可视化提供了解决这种问题的一种新工具。一般意义下的可视化定义为：可视化是一种使复杂信息能够容易和快速被人理解的手段，是一种聚焦在信息重要特征的信息压缩语言，是可以放大人类感知的图形化表示方法。可视化就是把数据、信息和知识转化为可视的表示形式并获得对数据更深层次认识的过程。可视化作为一种可以放大人类感知的数据、信息、知识的表示方法，日益受到重视并得到越来越广泛的应用。可视化可以应用到简单问题，也可以应用到复杂系统状态表示，从可视化的表示中人们可以发现新的线索、新的关联、新的结构、新的知识，促进人机系统的结合，促进科学决策。可视化充分利用计算机图形学、图像处理、用户界面、人机交互等技术，形象、直观地显示科学计算的中间结果和最终结果并进行交互处理。可视化技术以人们惯于接受的表格、图形、图像等方法并辅以信息处理技术将客观事物及其内在的联系进行表现，可视化结果便于人们记忆和理解。可视化为人类与计算机这两个信息处理系统之间提供了一个接口。可视化对于信息的处理和表达方式有其它方式无法取代的优势，其特点可总结为可视性、交互性和多维性。二、可视化技术目前，可视化技术包括数据可视化、科学计算可视化、信息可视化和知识可视化等，这些概念及应用存在着区别、交叉和联系。（一）数据可视化数据可视化技术指的是运用计算机图形学和图像处理技术，将数据转换为图形或图像在屏幕上显示出来，并进行交互处理的理论、方法和技术。数据可视化的重点是将多维数据在二维或三维空间内显示，这对初步的数据分类理解是有意义的。针对于此，产生了许多数据可视化的技术，大体分为散点矩阵法、投影矩阵法、平行坐标法、面向象素的可视化技术、层次技术、动态技术、图标表示技术、直方图法及一些几何学技术等等。此外还采用主成分分析、因子分析、投影寻踪、主曲线、主曲面、多维标度图和自组织映射等方法将多维变量表示为二维变量，依据此算法对数据进行简单分类，并了解各个特征属性之间的关系。（二）科学计算可视化科学计算可视化，指的是利用计算机图形学和图像处理技术，将工程测量数据、科学计算过程中产生的数据及计算结果转换为图形图像在屏幕上显示出来，并进行交互处理的理论、方法和技术。科学计算数据可以划分为结构化数据，非结构化数据和混合型数据，科学计算数据还可以分为标量、矢量和张量数据。科学计算可视化技术主要有两个难点：一是分类，研究如何判断出可视化对象的类别；二是绘制，研究如何将可视化对像真实、高效地显示在屏幕上，使得用户可交互式查看。科学计算数据的三维重建方法有大致可分为面绘制和体绘制两类。面绘制方法首先在三维空间数据场中构造出中间几何图元如平面、曲面等，然后再由计算机图形学技术实现绘制显示。其基本思想是提取感兴趣物体的表面信息，再用绘制算法根据光照、明暗模型进行阴影和渲染后得到最后的显示图像；体绘制是一种直接由三维数据场产生屏幕上二维图像的技术。体绘制技术研究的是如何表示、维护和绘制体数据集，从而提供洞察数据内部结构和理解物质复杂特性的机制。体绘制技术最大优点是可以探索物体的内部结构，可以描述非定形的物体如肌肉等，而面绘制在这些方面比较弱。（三）信息可视化信息可视化就是利用计算机支撑的、交互的、对抽象数据的可视表示，来增强人们对这些抽象信息的认知。信息可视化是将非空间数据的信息对象的特征值抽取、转换、映射、高度抽象与整合，用图形、图像、动画等方式表示信息对象内容特征和语义的过程。信息对象包括文本、图像、视频和语音等类型，它们的可视化是分别采用不同模型方法来实现的。信息可视化研究人、计算机表示的信息以及它们相互影响的技术。而人机交互是研究人、计算机以及它们相互影响的技术。信息可视化可以看作是从数据信息到可视化形式再到人的感知系统的可调节的映射。信息可视化可分为一维数据、二维数据、三维数据、多维数据、时态数据、层次数据和网络数据的可视化7类。（四）知识可视化知识可视化是在科学计算可视化、数据可视化、信息可视化基础上发展起来的新兴研究领域，应用视觉表征手段，促进群体知识的传播和创新。知识可视化研究的是视觉表征在提高两个或两个以上人之间的知识传播和创新中的作用。这样一来，知识可视化指的是所有可以用来建构和传达复杂知识的图解手段。除了传达事实信息之外，知识可视化的目标是传输见解、经验、态度、价值观、期望，观点、意见和预测等，并以这种方式帮助他人正确地重构、记忆和应用这些知识。知识可视化与信息可视化有着本质差别，信息可视化的目标在于从大量的抽象数据中发现一些新的见解，或者简单地使存储的数据更容易被访问；而知识可视化则是通过提供更丰富的表达他们所知道内容的方式，以提高人们之间的知识传播和创新。三、可视化的应用可视化的应用范围十分广泛，几乎可以应用于自然科学、工程技术、金融、农业和商业等各种领域，其中医学、气象预报、油气勘探、地质学和地理学等是可视化的典型应用。可视化的重要性在于，通过提供对数据和知识的可视化建立用户与数据系统交互的良好沟通渠道，可以利用人类的专业知识和模式识别能力评估和提高挖掘出的结果模式的有效性，提供对挖掘结果的可视化显示，使用户对结果模式能够有深刻直观的理解。（一）数据挖掘可视化数据挖掘比较公认的描述性定义是由U．M．Fayyad等给出的，即数据挖掘是从数据集中识别出有效的、新颖的、潜在有用的以及最终可理解的模式的非平凡过程。数据挖掘可视化的目的是使用户能够交互地浏览数据以及挖掘过程等。当要识别的不规则事物是一系列图形而不是数字表格时，人的识别的速度是最快的。数据挖掘可视化分为3类。一是源数据可视化，源数据可视化是用于表现源数据的分布情况和特性表现。二是数据挖掘过程可视化，可以使用户更形象的了解挖掘的流程。三是数据挖掘结果可视化。结果可视化是将挖掘出来的知识和结果用可视化的形式表现出来，比如柱状图等，有助于更形象的理解结果的含义。结果可视化应用比较多，毕竟大多数研究成果最后的用户他们最关心的还是结果，所以结果可视化是一个很重要的部分。可视化技术与数据挖掘技术的结合形成的可视数据挖掘经历了若干阶段。一是初级图表可视化阶段，在此阶段只是利用图表、曲线（直方图、饼图等）显示数据的统计信息（总和、均值等）；二是信息查询可视化阶段，此阶段主要利用可视化的人机界面，用图形、图像显示查询结果，对复杂的查询起到直观的表达，便于用户理解；三是可视数据挖掘阶段，此阶段可以用图形方式表示数据之间的内在联系及发展规律，并引导整个数据挖掘过程的进行。（二）复杂网络可视化人们通过对Web网络、社会关系网络、生物网络等的研究,发现，复杂网络的结构非常复杂,如果仅用数据表格或文字的形式来表示网络，理解起来非常困难,导致网络所包含的信息无从体现。将复杂网络方便、直观地表示出来的最好方法是将其进行可视化。复杂网络可视化研究涉及复杂系统、图论、统计学、数据挖掘、信息可视化以及人机交互等多个领域。其中受关注程度最多的一个问题是可视化算法,包括布点算法和可视化压缩算法。它的典型应用包括可视化信息检索、可视化通信网络拓扑、可视化基因网络或蛋白质网络和可视化交通网等。（三）物流可视化现代物流业是运用现代信息技术对其生产、经营和承运的物资的流通过程中所产生的文本、图像数据、声音、语音、视频等所有数字化信息进行采集、分类、传递、汇总、识别、跟踪、查询等一系列处理活动，在符合管理要求的基础上，实现对物资流动过程的控制，从而降低成本、提高效益的管理活动。物流可视化是可视化技术在物流领域的综合应用，它包含了物流信息的采集、传输、分类、汇总、图形化显示等一系列过程，以及完成这些过程所需的软硬件。实现物流可视化的目的就是为了帮助人们更好地理解物流信息的本质和更方便地操纵信息。（四）农业可视化利用数据可视化实现植物在三维空间中的生长发育过程。利用三维建模与数据可视化技术，提供对新农村规划设计与新农村规划管理项目审批的直观、可行的可视化辅助手段，为有关领导做出最终决策提供帮助。（五）音乐可视化音乐可视化是对音乐表达的一种非主观的解释和判断,是为理解、分析、比较音乐的表现力和内部结构提供的一种呈现技术。音乐可视化在对音乐的特征如波形、频率、音调、音高、节奏、速度、音色等进行提取之后映射到相应的可视化效果这种可视化效果具体形式多样,可以是烟雾、水波、火焰等的变化特别是基于计算机图形图像变换处理而产生的、复杂的、全新的视觉效果,如虚拟角色小动物或人的动作变化及其虚拟场景的变幻、音乐的音符、音高、节拍等的具体形象化视觉效果等,更动人心弦。四、存在的问题和发展方向存在的问题包括：第一是如何提高可视化显示空间和时间分辨率，以满足虚拟与物理现实可视化表示的需求；第二是可视化和其它技术的集成，可视化需要与网络、语音、人工视觉、计算和数据存储结合起来；第三是找到有效的方法可视化高维数值的信息，或者非数值的信息，一个好的可视化展示会使所有信息清晰、分辨性强，同时利于寻找可视化后的规律和联系；第四是人机可视化交互，发现有效的可视化表示方式并用于直接操作用户和可视化系统进行交互，以及用于多个用户间的合作交互；第五是定义有效的抽象，以便用户和可视化系统的交互操作，注意有效的抽象应兼顾可视化表示和易于使用；第六，已有的可视化算法和工具大多用于显示存在的静态结构,但静态结构无法确切描述现实中持续演变的真实情况，怎样实现动态演变过程的可视化也是一个非常值得关注的领域。动态可视化技术这一难题如果得到解决，对于展现演化过程将具有重要意义，也能够帮助人们更有效地进行时变情况的特征分析和知识挖掘。除了上面提到的可视化存在的问题和发展方向外，特别值得注意的研究方向是：海量、异构、时变、多维数据的可视化表示；基于多元图表示原理的信息（数据）可视化方法；基于形式概念分析理论的知识可视化方法；可视化模式识别；整体可视与局部详细可视相结合的新方法研究等。