CN111737396A - 一种基于2d卷积提升热力图显示性能的方法及装置 - Google Patents
一种基于2d卷积提升热力图显示性能的方法及装置 Download PDFInfo
- Publication number
- CN111737396A CN111737396A CN202010873642.8A CN202010873642A CN111737396A CN 111737396 A CN111737396 A CN 111737396A CN 202010873642 A CN202010873642 A CN 202010873642A CN 111737396 A CN111737396 A CN 111737396A
- Authority
- CN
- China
- Prior art keywords
- convolution
- thermodynamic diagram
- spatial data
- display performance
- performance based
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种基于2D卷积提升热力图显示性能的方法及装置,主要解决现有技术中存在的大量级空间数据点时,渲染比较困难,热力图可视化效果难以满足要求,用户体验度的下降的问题。该一种基于2D卷积提升热力图显示性能的方法及装置包括的步骤有:先准备带有地理坐标的原始空间数据;然后根据原始空间数据选取卷积核类型K;然后根据卷积核类型K,确定卷积步长S;再然后根据S和K对原始空间数据做卷积处理,得到卷积后的空间数据;最后根据卷积后的空间数据生成灰度图,然后将其映射到彩色图像上。通过上述方案,本发明达到了可以有效保障海量空间数据点的热力图可视化效果的目的,具有很高的实用价值和推广价值。
Description
技术领域
本发明涉及UGIS技术领域,具体地说,是涉及一种基于2D卷积提升热力图显示性能的方法及装置。
背景技术
热力图是将地理空间数据点信息映射到最终图像上,通过颜色变化程度,可以直接反映出热点分布,区域聚集等数据信息。
现通过计算地理空间数据点信息绘制透明度大小并叠加、渲染从而实现热力图的绘制,对于万级类轻量级数据将所有空间数据点信息应用于热力图的绘制,可以获得较好的可视化效果,对应用影响不大。但是,如果遇到百万级、千万级空间数据点时,即便使用后端渲染也比较困难,热力图可视化效果难以满足要求,用户体验度的下降。
发明内容
本发明的目的在于提供一种基于2D卷积提升热力图显示性能的方法及装置,以解决现有技术存在的大量级空间数据点时,渲染比较困难,热力图可视化效果难以满足要求,用户体验度的下降的问题。
为了解决上述问题,本发明提供如下技术方案:
一种基于2D卷积提升热力图显示性能的方法包括以下步骤:
S1、准备带有地理坐标的原始空间数据;
S2、根据步骤S1的原始空间数据选取卷积核类型K;
S3、根据步骤S2中卷积核类型K,确定卷积步长S;
S4、根据步骤S2的卷积核类型和步骤S3的卷积步长对原始空间数据做卷积处理,得到卷积后的空间数据;
S5、根据步骤S4中卷积后的空间数据生成灰度图,然后将其映射到彩色图像上。
现有技术是直接将原始空间数据应用于热力图的绘制,大量级如百万级、千万级的原始空间数据时,后期渲染比较困难,热力图的可视化效果较差,也使用户的体验度变差;本发明提出利用2D卷积技术通过卷积核对海量的原始空间数据点进行卷积处理,降低数据维度,因卷积核比较小,数据量仍然很大,获得对原始空间数据的统计输出数据集,其中的数据仍能够描述原始数据特征,还能够表示空间数据点的密集程度,同时也减小了冗余数据对显示造成额压力,有效的保证了生成热力图的可视化效果,用户也会有好的体验度。
进一步的,步骤S1中原始空间数据包含多个空间数据点,每个点由{x,y,value}数据对表示。
进一步的,步骤S2卷积核类型K的卷积核大小为n*n,n=1,3,5,7,…,n为正奇数。
进一步的,步骤S3中卷积步长S=卷积核大小n。
进一步的,步骤S4中卷积处理的过程为:对原始空间数据利用卷积核K按照步长S在水平方向和垂直方向上做卷积处理。
进一步的,步骤S4中卷积后的空间数据包含多个空间数据点,每个点由{x’,y’,value’}数据对表示。
进一步的,步骤S5中灰度图的生成过程:
S501、找出value’的最大值max,然后用value’/max的值表示透明度;
S502、为每一个空间数据点创建一个Mask圆形区域,Mask圆形区域透明度为value’/max;
S503、步骤S502得到的Mask圆形区域中,相邻Mask圆形区域的重叠部分进行权重累加,最终得到灰度图。
进一步的,灰度图中每个像素点的数值大小为所有和其有关的Mask圆形区域的权重之和;灰度图中像素点数值越高,即图像越亮;图像越亮的地方,数据点的密度越高。
一种基于2D卷积提升热力图显示性能的装置包括存储器:用于存储可执行指令;处理器:用于执行所述存储器中存储的可执行指令,实现一种基于2D卷积提升热力图显示性能的方法。
与现有技术相比,本发明具有以下有益效果:
本发明提出利用2D卷积技术通过卷积核对海量的原始空间数据点进行卷积处理,降低数据维度,因卷积核比较小,数据量仍然很大,获得对原始空间数据的统计输出数据集,其中的数据仍能够描述原始数据特征,还能够表示空间数据点的密集程度,同时也减小了冗余数据对显示造成额压力,有效的保证了生成热力图的可视化效果,用户也会有好的体验度。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合实施例对本发明作进一步地详细描述,所描述的实施例不应视为对本发明的限制,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
对本发明实施例进行进一步详细说明之前,对本发明实施例中涉及的名词和术语进行说明,本发明实施例中涉及的名词和术语适用于如下的解释。
热力图(Heat Map):通过密度函数进行可视化,用于表示地图中点的密度程度,使人们能够独立于缩放因子感知点的密度;热力图实现过程就是通过简单的数学变化,将地理空间数据点信息映射到最终图像上的过程。通过颜色变化程度,可以直接反映出热点分布,区域聚集等数据信息。
地理坐标:用纬度、经度表示地面位置的球面坐标;地理坐标系以地轴为极轴,所有通过地球南北极的平面称为子午面,地理坐标就是用经纬度表示地面点位的球面坐标。
卷积(convolution):所谓两个函数的卷积,本质上就是先将一个函数翻转,然后进行滑动叠加。在连续情况下,叠加指的是对两个函数的乘积求积分,在离散情况下就是加权求和,为简单起见就统一称为叠加。整体看来过程为:翻转->滑动->叠加->滑动->叠加->滑动->叠加->滑动->叠加……,多次滑动得到的一系列叠加值,构成了卷积函数。常见核函数有高斯平滑核函数、sobel核函数、canny核函数等。
卷积核(kernel):图像处理时,给定输入图像(input),输入图像中一个小区域中像素加权平均后成为输出图像(output)中的每个对应像素,其中权值由一个函数定义,这个函数称为卷积核。卷积核只关注局部特征,局部的程度取决于卷积核(n*n,n=1,3,5,7……)的大小。
卷积步长(stride):卷积步长表示卷积核(kernel)在输入图像中水平方向和垂直方向每次的滑动长度。若stride=2,则表示kernel每次移动长度为2(即2个像素),即隔一点移动一次。
2D卷积(2-Dimentional convolution):卷积核(kernel)只在两个方向上(水平方向和垂直方向)上滑动。2D卷积一般应用在图像处理中,图像处理中用到的大多是2D卷积的离散形式。核心是反转、移动、乘积、求和。首先反转就是将卷积核沿反对角线反转,之后卷积核再在二维平面上平移滑动,并且卷积核的每个元素与被卷积图像对应位置相乘,再求和。通过卷积核的不断移动,就有了一个新的输出图像,这个图像完全由卷积核在各个位置时的乘积求和的结果组成。
渲染时间:热力图完全出现在屏幕花费的时间,是对于用户感受到加载体验的主要度量标准。
实施例1
一种基于2D卷积提升热力图显示性能的方法包括以下步骤:
S1、准备带有地理坐标的原始空间数据,原始空间数据包含多个空间数据点,每个点由{x,y,value}数据对表示,其中x,y分别是坐标,value是该点的值;
S2、根据步骤S1的原始空间数据选取卷积核类型K,卷积核大小为n*n,n=1,3,5,7,…,n为正奇数,n越大数据的加载速度相对直接应用于热力图绘制时数据加载速度提升的倍数越多;实际使用时,根据原始空间数据的量级及显示要求选择合适的卷积核类型;
S3、根据步骤S2中卷积核类型K,确定卷积步长S,卷积步长S=卷积核大小n;
S4、根据步骤S2的卷积核类型和步骤S3的卷积步长对原始空间数据做卷积处理,得到卷积后的空间数据;其中,卷积后的空间数据包含多个空间数据点,每个点由{x’,y’,value’}数据对表示,其中x’,y’分别是坐标,value’是该点的值;
S5、根据步骤S4中卷积后的空间数据生成灰度图,然后将其映射到彩色图像上。
上述过程利用2D卷积技术对原始空间数据进行处理后应用于热力图的绘制,大幅度提高热点数据的加载速度,减少了渲染时间,大大提升热力图显示的流畅度,进一步提升了可视化产品的用户体验度和核心竞争力。
与现有热力图生成算法相比,本发明可以大幅度提高数据的加载速度,如卷积核尺寸n为1时数据的加载速度为现有热力图生成算法的7.5倍,n为7时可提升15倍,大大提升热力图显示的流畅度,提升了可视化产品的用户体验度和核心竞争力。
实施例2
本实施例在实施例1的基础上进一步的,步骤S4中卷积处理的过程为:对原始空间数据利用卷积核K按照步长S在水平方向和垂直方向上做卷积处理。
实施例3
本实施例在实施例1的基础上进一步的,步骤S5中灰度图的生成过程:
S501、找出value’的最大值max,然后用value’/max的值表示透明度;
S502、为每一个空间数据点创建一个Mask圆形区域,Mask圆形区域透明度为value’/max;
S503、步骤S502得到的Mask圆形区域中,相邻Mask圆形区域的重叠部分进行权重累加,最终得到灰度图。
其中,灰度图中每个像素点的数值大小为所有和其有关的Mask圆形区域的权重之和。
实施例4
本实施例在实施例1的基础上进一步的,一种基于2D卷积提升热力图显示性能的装置包括存储器:用于存储可执行指令;处理器:用于执行所述存储器中存储的可执行指令,实现一种基于2D卷积提升热力图显示性能的方法。
实施例5
本实施例为实现本方案的部分功能代码:
int kernel = 1;
int step = 1 + kernel * 2;
for (int i = 1; i < w - 1; i += step) {
for (int j = 1; j < h - 1; j += step) {
double x = i;
double y = j;
double totalValue = 0;
for (int k = 0; k < kernel * 2; k++) {
for (int k2 = 0; k2 < kernel * 2; k2++) {
int xIndex = i - kernel + k;
int yIndex = j - kernel + k2;
if (xIndex >= 0 && xIndex < w && yIndex >= 0 && yIndex < h) {
totalValue += values[xIndex][yIndex];
}
}
}
double value = totalValue / (kernel * 2 + 1) / (kernel * 2 + 1);
pointList.add(new PointHeat(x, y, value));
}
}。
本发明主要用于数据可视化页面设计,利用2D卷积技术通过卷积核对原始海量空间数据点进行卷积处理,降低数据维度;因为卷积核比较小,数据量仍然很大,所以可以保留原始的密集程度等数据特征,可以有效保障海量空间数据点的热力图可视化效果。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (9)
1.一种基于2D卷积提升热力图显示性能的方法,其特征在于,包括以下步骤:
S1、准备带有地理坐标的原始空间数据;
S2、根据步骤S1的原始空间数据选取卷积核类型K;
S3、根据步骤S2中卷积核类型K,确定卷积步长S;
S4、根据步骤S2的卷积核类型和步骤S3的卷积步长对原始空间数据做卷积处理,得到卷积后的空间数据;
S5、根据步骤S4中卷积后的空间数据生成灰度图,然后将其映射到彩色图像上。
2.根据权利要求1所述的一种基于2D卷积提升热力图显示性能的方法,其特征在于,步骤S1中原始空间数据包含多个空间数据点,每个点由{x,y,value}数据对表示。
3.根据权利要求1所述的一种基于2D卷积提升热力图显示性能的方法,其特征在于,步骤S2卷积核类型K的卷积核大小为n*n,n=1,3,5,7,…,n为正奇数。
4.根据权利要求3所述的一种基于2D卷积提升热力图显示性能的方法,其特征在于,步骤S3中卷积步长S=卷积核大小n。
5.根据权利要求1所述的一种基于2D卷积提升热力图显示性能的方法,其特征在于,步骤S4中卷积处理的过程为:对原始空间数据利用卷积核K按照步长S在水平方向和垂直方向上做卷积处理。
6.根据权利要求1所述的一种基于2D卷积提升热力图显示性能的方法,其特征在于,步骤S4中卷积后的空间数据包含多个空间数据点,每个点由{x’,y’,value’}数据对表示。
7.根据权利要求6所述的一种基于2D卷积提升热力图显示性能的方法,其特征在于,步骤S5中灰度图的生成过程:
S501、找出value’的最大值max,然后用value’/max的值表示透明度;
S502、为每一个空间数据点创建一个Mask圆形区域,Mask圆形区域透明度为value’/max;
S503、步骤S502得到的Mask圆形区域中,相邻Mask圆形区域的重叠部分进行权重累加,最终得到灰度图。
8.根据权利要求7所述的一种基于2D卷积提升热力图显示性能的方法,其特征在于,灰度图中每个像素点的数值大小为所有和其有关的Mask圆形区域的权重之和。
9.一种基于2D卷积提升热力图显示性能的装置,其特征在于,包括
存储器:用于存储可执行指令;
处理器:用于执行所述存储器中存储的可执行指令,实现如权利要求1-8任一项所述的一种基于2D卷积提升热力图显示性能的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010873642.8A CN111737396A (zh) | 2020-08-26 | 2020-08-26 | 一种基于2d卷积提升热力图显示性能的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010873642.8A CN111737396A (zh) | 2020-08-26 | 2020-08-26 | 一种基于2d卷积提升热力图显示性能的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111737396A true CN111737396A (zh) | 2020-10-02 |
Family
ID=72658876
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010873642.8A Pending CN111737396A (zh) | 2020-08-26 | 2020-08-26 | 一种基于2d卷积提升热力图显示性能的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111737396A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106776612A (zh) * | 2015-11-20 | 2017-05-31 | 北京国双科技有限公司 | 地理热力图的显示方法及装置 |
CN109949395A (zh) * | 2019-03-15 | 2019-06-28 | 智慧足迹数据科技有限公司 | 热力图渲染方法及装置 |
US20190303677A1 (en) * | 2018-03-30 | 2019-10-03 | Naver Corporation | System and method for training a convolutional neural network and classifying an action performed by a subject in a video using the trained convolutional neural network |
CN110598601A (zh) * | 2019-08-30 | 2019-12-20 | 电子科技大学 | 一种基于分布式热力图的人脸3d关键点检测方法及系统 |
CN110675728A (zh) * | 2018-07-03 | 2020-01-10 | 百度在线网络技术(北京)有限公司 | 热力图的生成方法、装置、设备及计算机可读存储介质 |
CN110930474A (zh) * | 2019-12-06 | 2020-03-27 | 深圳大学 | 昆虫密度热力图构建方法、装置及系统 |
-
2020
- 2020-08-26 CN CN202010873642.8A patent/CN111737396A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106776612A (zh) * | 2015-11-20 | 2017-05-31 | 北京国双科技有限公司 | 地理热力图的显示方法及装置 |
US20190303677A1 (en) * | 2018-03-30 | 2019-10-03 | Naver Corporation | System and method for training a convolutional neural network and classifying an action performed by a subject in a video using the trained convolutional neural network |
CN110675728A (zh) * | 2018-07-03 | 2020-01-10 | 百度在线网络技术(北京)有限公司 | 热力图的生成方法、装置、设备及计算机可读存储介质 |
CN109949395A (zh) * | 2019-03-15 | 2019-06-28 | 智慧足迹数据科技有限公司 | 热力图渲染方法及装置 |
CN110598601A (zh) * | 2019-08-30 | 2019-12-20 | 电子科技大学 | 一种基于分布式热力图的人脸3d关键点检测方法及系统 |
CN110930474A (zh) * | 2019-12-06 | 2020-03-27 | 深圳大学 | 昆虫密度热力图构建方法、装置及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021237875A1 (zh) | 基于图卷积网络的手部数据识别方法、系统和存储介质 | |
Chao et al. | Parallel algorithm for viewshed analysis on a modern GPU | |
CN113643414B (zh) | 一种三维图像生成方法、装置、电子设备及存储介质 | |
Shen et al. | A new approach to simplifying polygonal and linear features using superpixel segmentation | |
CN109871841A (zh) | 图像处理方法、装置、终端及存储介质 | |
Dimitrijević et al. | Comparison of spherical cube map projections used in planet-sized terrain rendering | |
CN116797768A (zh) | 全景图像减少现实的方法和装置 | |
CN115272082A (zh) | 模型训练、视频质量提升方法、装置和计算机设备 | |
CN113240584B (zh) | 一种基于图片边缘信息的多任务手势图片超分辨率方法 | |
US20070040848A1 (en) | Fractal image data and image generator | |
CN116109803B (zh) | 信息构建方法、装置、设备及存储介质 | |
CN107369138B (zh) | 基于高阶统计模型的图像最优化显示方法 | |
Xuerui | Three-dimensional image art design based on dynamic image detection and genetic algorithm | |
CN115375847B (zh) | 材质恢复方法、三维模型的生成方法和模型的训练方法 | |
US20160078651A1 (en) | Proximity-Base Detail Reduction of Geographic Data | |
CN111737396A (zh) | 一种基于2d卷积提升热力图显示性能的方法及装置 | |
CN114022518B (zh) | 图像的光流信息获取方法、装置、设备和介质 | |
CN115984440A (zh) | 对象渲染方法、装置、计算机设备和存储介质 | |
CN113592999B (zh) | 一种虚拟发光体的渲染方法及相关设备 | |
CN113516751B (zh) | 游戏中云的显示方法、装置以及电子终端 | |
CN114913287A (zh) | 一种三维人体模型重建方法及系统 | |
Du et al. | Image super-resolution and deblurring using generative adversarial network | |
Ramos et al. | A partition approach to interpolate polygon sets for animation | |
Garg et al. | Geometric modelling of complex objects using iterated function system | |
Yu et al. | Image deformation based on contour using moving integral least squares |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201002 |