CN105844104A - 基于Morphing变形技术的中尺度涡旋可视化算法 - Google Patents
基于Morphing变形技术的中尺度涡旋可视化算法 Download PDFInfo
- Publication number
- CN105844104A CN105844104A CN201610185268.6A CN201610185268A CN105844104A CN 105844104 A CN105844104 A CN 105844104A CN 201610185268 A CN201610185268 A CN 201610185268A CN 105844104 A CN105844104 A CN 105844104A
- Authority
- CN
- China
- Prior art keywords
- vortex
- characteristic point
- point
- vortexes
- track
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Image Analysis (AREA)
- Complex Calculations (AREA)
Abstract
本方法属于物理海洋、计算机图形图像处理、海洋可视化交叉领域,具体涉及一种基于变形(Morphing)技术的中尺度涡旋可视化算法。本方法基于中尺度涡旋追踪的轨迹数据,针对每条轨迹,在相邻的涡旋位置处,采用Morphing技术,首先对涡旋的原始边界和目标边界进行重采样获取特征点,然后用豪斯道夫(Hausdorff)距离匹配来确定特征点之间对应位置,采用最小二乘法建立涡旋边界特征点之间的变换关系,中间时刻涡旋特征点根据变换关系获得,中间时刻特征点之间的线段则通过线性插值获得,最终组织、保存涡旋边界原始信息和Morphing得到的涡旋中间信息,进而对涡旋运动过程中的形状演变进行可视化表达。为更好的追踪涡旋和了解涡旋的生长、衰亡形态演变提供技术支持。
Description
技术领域
本发明涉及物理海洋、计算机图形图像处理和海洋可视化领域,更具体地说,这是一种基于变形(Morphing)技术建立中尺度涡旋形状演变过程的可视化算法。
背景技术
中尺度涡旋作为海洋中重要现象,素有“海洋中的气候”一称,它的时间尺度为几天到几年,空间尺度为几十千米到几百千米,对海洋中的物质和能量的运输有着重要的作用。不仅如此,涡旋还影响着海气相互作用,对海洋内部物质的生物地球化学过程也有着重要的作用。随着遥感技术的发展,使得大规模的观测海洋现象成为可能,空间精度和时间精度都大大提高,但是对于瞬息万变的海洋来说,仍然存在因为数据精度不够而带来的信息缺失的问题。如何能够在现有法国卫星海洋数据存档、验证和解译项目(Archiving,Validation and Interpretation of Satellite Oceanographic data,AVISO)数据时间分辨率不足的基础上,更好地对高于数据时间分辨率的涡旋生命周期中形态的变化进行模拟,对涡旋的演变规律的研究有着重要作用。
涡旋的可视化目前主要分为涡旋的海表二维可视化和涡旋的三维可视化,且可视化算法大多集中在对采用不同识别算法所识别的感兴趣区域的涡旋进行可视化,或者用示意图来代表单个或全球涡旋的分布。但是以上方法并没有从追踪、涡旋形状演变的角度对涡旋整个生命周期的变化进行长时间序列的可视化,因此不利于涡旋的整个生命周期中形状变化的统计和研究。目前高于原始数据时间分辨率的涡旋形状没有很好的手段可以表达。
随着计算机图形图像技术的发展,Morphing技术越来越多的应用在教育、电影、动画和信息产业,近年来,更是扩大至地理信息领域,为地理信息的研究带来了更好的解决方案。作为一种形态渐变技术,Morphing可以对形状和颜色进行渐变,二维Morphing技术比较经典的有基于网格的变形算法和域变形算法,关键在于特征点的选取、特征点间关系的建立及最后形状的插值。
目前Morphing技术在地学方面的应用主要有三维建模、二维河网、道路等,尚没有将Morphing技术应用于中尺度涡旋的研究中。而海洋瞬息万变,相对来说卫星数据的时间分辨率较低,Morphing技术应用于中尺度涡旋边界演变研究,会对涡旋的理解提供技术支持。
发明内容
本发明提出了一种基于Morphing技术的中尺度涡旋可视化方法,属于海洋信息可视化范畴。该算法首先基于涡旋追踪轨迹数据集,选取涡旋边界特征点,采用豪斯道夫(Hausdorff)距离确定特征点对应位置,再对相应的特征点采用最小二乘法建立对应关系,对中间过渡的涡旋运动线性插值获取形状信息,从而对涡旋时间分辨率之间的中间时刻形状演变过程进行更好地可视化表达。
本发明的有益效果在于:该算法能够对全球的中尺度涡旋轨迹数据进行基于Morphing技术的可视化,能够在目前遥感数据时间分辨率仍存在不足,难以弥补中间时间点海洋现象形变监测缺失的情况下,对于轨迹数据上的涡旋信息,进行合理的线性插值获取中间时间点(即高于原始数据时间分辨率的时间点)的涡旋边界,最终达到对涡旋形状演化进行计算和连续过渡的可视化效果。
附图说明
图1中尺度涡旋Morphing可视化策略。
具体实施方式
为了实现对中尺度涡旋形态演化的可视化,下面对数据的组织、可视化策略进行详细的说明:1. 首先对涡旋的轨迹数据进行获取、组织,将数据中涡旋的信息及路径进行抽取。抽取出的信息包括涡旋的中心点、轨迹点、涡旋边界坐标及对应的时间,作为下一步的输入。2. 根据轨迹上的涡旋边界信息,进行重采样获取特征点。特征点采用涡旋边界的上、下、左、右四个点的坐标,其中特征点的选取采用过涡旋中心作两条相互垂直的线,线与涡旋边界的交点即选为涡旋的上下左右四个特征点的选择可以有效的控制涡旋的变形过程,即实现原模型fo到目标模型fd的变化。3. 建立特征点之间位置对应关系。由于涡旋无时无刻不在变化,边旋转边运动。因此,对于选定的特征点分割的边界线段,进行豪斯道夫(Hausdorff)距离计算,距离越小,相似性越大,从而确定涡旋原始模型f0和目标模型fd特征点之间对应的位置。4. 根据3确定了位置之后,采用最小二乘法建立特征点之间的变换关系。5.中间过渡图形则通过特征点的位置和对应关系,进行线性插值得到。经过特征点的选取,根据对应关系得到中间时刻的特征点,中间时刻特征线段则通过中间时刻特征点线性插值得到。6. 在获得了以上中间时刻的特征点和插值后的线段后,对数据进行保存,分别按照时间节点搜索涡旋对应数据、进行可视化,按照涡旋路径轨迹对原始图形和插值图形进行可视化,从而得到连续的变化效果。
Claims (3)
1.一种基于Morphing变形技术的中尺度涡旋可视化算法,其特征在于包括如下步骤:(1)对中尺度涡旋追踪的轨迹数据集进行预处理,抽取出涡旋的属性信息;(2)根据轨迹上的涡旋边界信息,进行重采样获取特征点,特征点分别采用涡旋边界的上、下、左、右四个点的坐标,其中特征点的选取采用过涡旋中心作两条相互垂直的线,线与涡旋边界的交点即选为涡旋的上下左右四个点;(3)建立特征点之间位置对应关系对于选定的特征点分割的边界线段,进行Hausdorff距离计算,距离越小,相似性越大,从而确定涡旋原始模型和目标模型特征点之间对应的位置;(4)根据(3)确定了位置之后,采用最小二乘法建立特征点之间的变换关系;(5)中间过渡图形则通过特征点的位置和变换关系,进行线性插值得到,经过特征点的选取,可以根据对应关系得到中间时刻的特征点,根据然后中间时刻特征线段则通过中间时刻特征点线性插值得到;(6)在获得了以上中间时刻的特征点和插值后的线段后,对数据进行保存,分别按照时间节点搜索涡旋对应数据、进行可视化,按照涡旋路径轨迹对原始图形和插值图形进行可视化,从而得到连续的变化效果。
2.权利要求1所述的算法,其特征在于,所述步骤(1)中,涡旋的轨迹数据集是通过多年海表面高度异常数据集,数据集中包含涡旋轨迹的经纬度数据,每个轨迹点还附带有该点处涡旋的属性信息,包括涡旋的边界坐标、生成时间和索引信息。
3.权利要求1所述的算法,其特征在于,所述步骤(2)中,在可视化过程中对轨迹上相邻位置的涡旋的属性信息采用Morphing技术,采用最小二乘法建立涡旋边界特征点之间的对应关系;其中,边界特征点的选取采用涡旋边界上、下、左、右四个点代表;中间的过渡图像则根据位置和变换关系采用线性插值获得,最终实现涡旋边界的平滑过渡,从而能够对整个涡旋的演变过程进行可视化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610185268.6A CN105844104A (zh) | 2016-03-29 | 2016-03-29 | 基于Morphing变形技术的中尺度涡旋可视化算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610185268.6A CN105844104A (zh) | 2016-03-29 | 2016-03-29 | 基于Morphing变形技术的中尺度涡旋可视化算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105844104A true CN105844104A (zh) | 2016-08-10 |
Family
ID=56584121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610185268.6A Pending CN105844104A (zh) | 2016-03-29 | 2016-03-29 | 基于Morphing变形技术的中尺度涡旋可视化算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105844104A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107633224A (zh) * | 2017-09-15 | 2018-01-26 | 中国海洋大学 | 全球涡旋间多层次关系的识别、追踪 |
CN107657148A (zh) * | 2017-11-09 | 2018-02-02 | 中国海洋大学 | 基于长时间跨度全球中尺度涡旋的断点续追技术 |
CN111695299A (zh) * | 2020-06-04 | 2020-09-22 | 哈尔滨工程大学 | 一种中尺度涡轨迹预测方法 |
CN113689449A (zh) * | 2021-08-25 | 2021-11-23 | 中国人民解放军海军潜艇学院 | 一种中尺度涡特征参数的反演方法及系统 |
CN114821494A (zh) * | 2022-06-27 | 2022-07-29 | 杭州声飞光电技术有限公司 | 船舶信息匹配方法及装置 |
CN115964546A (zh) * | 2023-01-06 | 2023-04-14 | 中国海洋大学 | 一种基于边绑定的涡旋迁移通道提取及可视化方法 |
CN116429374A (zh) * | 2023-04-17 | 2023-07-14 | 中国人民解放军61540部队 | 一种中尺度涡旋特征确定方法、系统、电子设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110272032A1 (en) * | 2010-05-06 | 2011-11-10 | Alexey Varaksin | Methods and systems for protection from destructive dynamic vortex atmospheric structures |
CN102289594A (zh) * | 2011-08-19 | 2011-12-21 | 中国科学院地理科学与资源研究所 | 海洋中尺度涡旋自动识别与过程重构算法 |
CN104867186A (zh) * | 2015-04-29 | 2015-08-26 | 中国海洋大学 | 基于gpu的可交互海洋三维流场动态可视化算法 |
CN104915670A (zh) * | 2015-04-29 | 2015-09-16 | 中国海洋大学 | 基于hog特征提取的全球海洋中尺度涡识别算法 |
-
2016
- 2016-03-29 CN CN201610185268.6A patent/CN105844104A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110272032A1 (en) * | 2010-05-06 | 2011-11-10 | Alexey Varaksin | Methods and systems for protection from destructive dynamic vortex atmospheric structures |
CN102289594A (zh) * | 2011-08-19 | 2011-12-21 | 中国科学院地理科学与资源研究所 | 海洋中尺度涡旋自动识别与过程重构算法 |
CN104867186A (zh) * | 2015-04-29 | 2015-08-26 | 中国海洋大学 | 基于gpu的可交互海洋三维流场动态可视化算法 |
CN104915670A (zh) * | 2015-04-29 | 2015-09-16 | 中国海洋大学 | 基于hog特征提取的全球海洋中尺度涡识别算法 |
Non-Patent Citations (3)
Title |
---|
JIAWEI YI,ET AL: "Visual data exploration of space-time characteristics of mesoscale eddies in the South China Sea: A cube-based approach", 《 2012 20TH INTERNATIONAL CONFERENCE ON GEOINFORMATICS》 * |
李晓聪: "海洋流场涡旋特征提取及可视化研究", 《中国优秀硕士学位论文全文数据库》 * |
王璞: "平面时变流场多涡结构中涡旋的自动提取及跟踪算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107633224A (zh) * | 2017-09-15 | 2018-01-26 | 中国海洋大学 | 全球涡旋间多层次关系的识别、追踪 |
CN107657148A (zh) * | 2017-11-09 | 2018-02-02 | 中国海洋大学 | 基于长时间跨度全球中尺度涡旋的断点续追技术 |
CN107657148B (zh) * | 2017-11-09 | 2021-09-28 | 中国海洋大学 | 基于长时间跨度全球中尺度涡旋的断点续追方法 |
CN111695299A (zh) * | 2020-06-04 | 2020-09-22 | 哈尔滨工程大学 | 一种中尺度涡轨迹预测方法 |
CN111695299B (zh) * | 2020-06-04 | 2022-12-13 | 哈尔滨工程大学 | 一种中尺度涡轨迹预测方法 |
CN113689449A (zh) * | 2021-08-25 | 2021-11-23 | 中国人民解放军海军潜艇学院 | 一种中尺度涡特征参数的反演方法及系统 |
CN114821494A (zh) * | 2022-06-27 | 2022-07-29 | 杭州声飞光电技术有限公司 | 船舶信息匹配方法及装置 |
CN115964546A (zh) * | 2023-01-06 | 2023-04-14 | 中国海洋大学 | 一种基于边绑定的涡旋迁移通道提取及可视化方法 |
CN116429374A (zh) * | 2023-04-17 | 2023-07-14 | 中国人民解放军61540部队 | 一种中尺度涡旋特征确定方法、系统、电子设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105844104A (zh) | 基于Morphing变形技术的中尺度涡旋可视化算法 | |
CN106127771B (zh) | 基于激光雷达lidar点云数据获取隧道正射影像系统及方法 | |
CN106651900B (zh) | 一种基于轮廓分割的高架原位草莓三维建模方法 | |
CN102289991B (zh) | 一种基于视觉变量的地图注记自动分类配置方法 | |
CN105550691B (zh) | 基于尺度空间的自适应山谷山脊线提取方法及系统 | |
CN106033611B (zh) | 一种dem数据中的山顶点提取方法 | |
CN106199558A (zh) | 障碍物快速检测方法 | |
CN101838958B (zh) | 道路坡度的检测方法 | |
CN108734737A (zh) | 基于视觉slam估计空间旋转非合作目标转轴的方法 | |
CN104376595A (zh) | 一种基于机载LiDAR和GIS协同的三维道路生成方法 | |
CN108389255A (zh) | 基于分层高程云图的地形几何参数提取方法 | |
CN110866015B (zh) | 一种基于局部网格的动目标活动范围记录方法 | |
Yan et al. | Description approaches and automated generalization algorithms for groups of map objects | |
CN106780586A (zh) | 一种基于地面激光点云的太阳能潜力评估方法 | |
CN108230452A (zh) | 一种基于纹理合成的模型补洞方法 | |
Yu et al. | Coupling dual graph convolution network and residual network for local climate zone mapping | |
CN117036733A (zh) | 一种城市道路场景特征线提取的方法 | |
KR101063827B1 (ko) | 한국토지정보시스템 연속지적도와 수치지형도의 기하학적 지도 변환을 위한 반자동화된 공액점 쌍 추출방법 | |
CN110334137A (zh) | 一种基于潮汐过程的海岛礁形态变化定量描述提取方法 | |
CN106599248A (zh) | 基于二元要素类映射池技术的空间图形转换方法 | |
Qi et al. | Research on the 3D fine modeling method of In-service road | |
CN110533781A (zh) | 一种多类别三维模型部件自动标注方法 | |
CN106204721B (zh) | 基于照片的局部非完备颜面模型修复方法 | |
Ding et al. | Monitoring and Analysis of Urban Sprawl Based on Road Network Data and High-Resolution Remote Sensing Imagery: A Case Study of China's Provincial Capitals | |
Li et al. | Urban Land Use Information Retrieval Based on Scene Classification of Google Street View Images. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160810 |
|
WD01 | Invention patent application deemed withdrawn after publication |