特征识别与跟踪-中国图象图形学报.docVIP

中图法分类号: TP301.6 文献标识码:A 文章编号:1006-8961(2014) - 论文引用格式： 基于非对称高斯函数的时变体数据 特征跟踪及可视化 白志慧1，周志光2 ，杨瑞飞1，陶煜波1，林海1 1.浙江大学CADCG国家重点实验室,杭州,310058； 2.浙江财经大学信息学院,杭州,310018 摘 要 ：目的 在传统的基于时序曲线的时变体数据特征的识别与跟踪过程中，不仅需要用户具备丰富的先验知识来确定感兴趣特征的时序曲线形状，而且时序曲线段的匹配和抽取过程亦复杂，难以交互，这一定程度上降低了时变体数据可视化及分析效率。本文提出了一种新的基于高斯时序曲线的时变体数据可视化及分析方法。方法 首先，对时序曲线进行低通滤波，准确地查找极小值点，对时序曲线进行分段；进而，引入非对称高斯函数对时序曲线段进行拟合获得高斯时序曲线；为了进一步方便用户识别感兴趣特征，观察特征在时间域上的演变过程，提供一种便捷的交互技术，由用户单击任一时间步绘制结果图像中感兴趣的特征信息，分析视线方向上的特征可见性，以确定感兴趣特征及其对应的高斯曲线，进而由参数匹配获得所有时间步中感兴趣特征信息。结果 为了验证本文算法的高效性与可行性，对时序仿真的飓风数据进行特征跟踪与交互式可视化，可以看出，本文算法不仅可以准确跟踪飓风中心特征，而且特征分析与可视化效率亦大大提升。结论 相比于传统的时变体数据可视化方法，本文算法不需要用户先验知识的前提下，利用非对称高斯模拟时序曲线变化，进而由高斯参数匹配代替复杂的时序曲线匹配过程，有效地提升了时变体数据可视化及分析效率。 关键词 ： 时变体数据; 时序曲线; 特征跟踪; 非对称高斯函数 Time-varying volume visualization and feature tracking based on asymmetric gaussian function Bai Zhihui1,Zhou Zhiguang2,Yang Ruifei1,Tao Yubo 1,Lin Hai1 1. State Key Laboratory of CAD CG, Zhejiang University, Hangzhou, 310058； 2. School of Information, Zhejiang University of Finance and Economics, Hangzhou, 310018 Abstract ： Objective With the traditional feature detection and tracking methods based on the temporal curve analysis, it is still a time-consuming and laborious task to match and extract the target curve from the large amount of dataset, since the prior knowledge is required to determine the shape of temporal curve of the region of interest. In this paper, we introduce a novel asymmetric Gaussian function based method to conduct feature detection and tracking in real time for time-varying volume visual analysis. Method A low-pass filter is firstly employed to smooth the original temporal curve, which helps accurately achieve the minimum data points. The original temporal curve can be further subdivided into several segments according to the minimum points. Then, we take advantage of asymmetric Gaussian functions to fit the segments and achieve new Gaussian temporal curve, which can be further expressed based on several simple Gaussian parameter