科学计算可视化（Scientific Visualization，SciVis）是计算机图形学的一个重要研究方向，是图形科学的新领域。随着计算能力的不断增强，科学数据中使用的物理模型以及模拟空间的大小都在不断提高。本书尝试性地将机器学习理论应用于科学计算可视化中，大大提高了数据中特征识别的鲁棒性和准确率，同时结合流场数据可视化技术的具体实现，详细阐述这两个领域结合的理论和存在的关键问题。本书内容主要包括：科学计算可视化的内容、技术现状和挑战，机器学习基本理论，使用Boosting和CAVIAR两种方法进行科学计算可视化的理论和方法等。本书可作为高等学校计算机或非计算机专业研究生科学计算可视化课程的参考书，也可作为从事流场数值模拟和流场可视化技术的研究或开发人员的参考书。

前 言 流场数据可视化是科学计算可视化的一种，是该领域发展最早、应用最广泛的研究方向。从20世纪六七十年代开始的计算流体力学开始，流场数据可视化取得了众多杰出的成果。但是，流场数据类型复杂、物理量种类多、物理特征提取困难、可视化要求高等因素使得流场数据可视化一直是科学计算可视化领域的研究热点和难点之一。 在对大规模流体数据进行可视化时，特征检测能够加速数据分析速度，并且能够对大量杂乱数据进行有效可视化。在数据集中确定特征的方法有两种：局部特征法和全局特征法。局部特征法，要分析邻近的一小部分数据；全局特征法通过汇总的分类策略从整体提取特征。对某些种类的特征来说，全局特征法能够更准确地识别出被关注的特征。但是当数据规模较大时，进行全局特征检测的代价太高。 以流体力学的应用中最主要的特征漩涡为例，由于缺乏严格的漩涡定义，目前存在的很多漩涡检测方法的检测结果并不理想。而目前主流的检测算法，大部分都是局部检测算法，由于单次检测的数据量少而显得特别脆弱。 本书作者近几年来一直致力于流体数据可视化的研究工作，并参与多个国家自然科学基金的计算可视化课题，对基于特征的流体数据可视化理论、技术和方法进行了深入的研究，并取得了一些研究成果。本书撰写的内容主要包括该领域的基础知识和研究成果，以及作者在机器学习与流体数据可视化的交叉应用中取得的成果。 全书共分为7章。第1章为概述，简述科学计算可视化的历史和内容，然后介绍流场可视化的流程、特点、分类和技术，最后介绍可视化开发工具VTK的环境搭建与MFC的编程。第2章为流场数据对象及流场特性，包括常用的数据模型、数据类型和数据格式等。第3章为流场基础特征可视化，简述湍流和漩涡的定义、特征、运动方式以及湍流的模拟，然后罗列常见的漩涡特征检测理论和方法。第4章为交互式流体可视化，简述交互式可视化的分类和内容，并在此基础上给出机器学习中使用的专家样本的获取方式。第5章为机器学习增强流场可视化，详细讲解机器学习在流场可视化中的具体应用技术，并对其中关键的阈值选取和特征距离表述两个问题进行分析。第6章和第7章分别为机器学习中Boosting和CAVIAR理论在漩涡检测中的应用，以这两个方法为例，详细阐述算法设计、参数设定和实验结果分析，验证机器学习在流场数据可视化中的有效性。 流场数据可视化理论和技术仍然处于不断发展中，研究工作层出不穷。由于作者的能力有限，编写时间仓促，书中难免有疏漏和不足之处，敬请读者批评指正。 齐鲁工业大学信息学院 张 丽 2017年4月

目 录 第1章 概述 1 1.1 科学计算可视化简介 1 1.1.1 标量场可视化 3 1.1.2 向量场可视化 3 1.1.3 张量场可视化 5 1.2 流场可视化 7 1.2.1 流场可视化的流程 7 1.2.2 流场可视化的特点 8 1.2.3 流场可视化的分类 9 1.2.4 流场可视化技术 13 1.3 可视化开发工具VTK 14 1.3.1 VTK简介 14 1.3.2 VTK环境搭建 18 1.3.3 VTK与MFC 21 第2章 流场数据对象及流场特性 25 2.1 数据模型 25 2.2 数据类型 29 2.2.1 标量数据 29 2.2.2 向量数据 30 2.2.3 张量数据 30 2.3 数据格式 31 2.3.1 PLOT3D 32 2.3.2 VTK 34 2.3.3 OBJ 37 2.4 本章小结 39 第3章 流场基础特征可视化 41 3.1 湍流 41 3.1.1 湍流的定义和特征 41 3.1.2 湍流的特征量和特征尺度 43 3.1.3 湍流的运动方式 44 3.2 湍流的模拟 44 3.3 漩涡特征识别方法 45 3.3.1 漩涡检测 45 3.3.2 基于速度梯度张量的检测方法 49 3.3.3 局部极值方法 52 3.3.4 粒子追踪 54 3.3.5 其他方法 61 3.4 本章小结 63 第4章 交互式流体可视化 65 4.1 交互式可视化 65 4.1.1 修改类交互 65 4.1.2 基于选择的交互 66 4.2 专家数据的获取 67 4.3 本章小结 77 第5章 机器学习增强流场可视化 79 5.1 方法概述 79 5.1.1 数据读取 79 5.1.2 数据分析 81 5.1.3 数据过滤 85 5.1.4 数据映射和渲染 86 5.2 阈值的选取 88 5.3 特征距离 93 5.4 本章小结 99 第6章 Boosting与漩涡检测 101 6.1 基本的Boosting增强算法 101 6.2 改进的Boosting增强算法 106 6.3 实验结果分析 107 6.4 本章小结 116 第7章 CAVIAR与漩涡检测 117 7.1 CAVIAR算法概述 117 7.2 CAVIAR算法优化 118 7.3 参数设定与交叉验证 122 7.4 实验结果分析 125 7.5 本章小结 129 参考文献 130

张丽，博士，齐鲁工业大学信息学院，2009年9月—2010年2月，美国密西西比州立大学航空航天系访问学者，2010年3月—2011年8月，美国俄亥俄州立大学计算机科学与工程学院访问学者。2014年至今，主要讲授面向对象程序设计、数据库系统等课程。