| 摘要 | 第11-13页 |
| ABSTRACT | 第13-14页 |
| 第一章 绪论 | 第15-37页 |
| 1.1 研究背景 | 第15-22页 |
| 1.1.1 数据可视化的产生与发展 | 第16-17页 |
| 1.1.2 流场可视化 | 第17-20页 |
| 1.1.3 流场可视化存在的问题 | 第20-21页 |
| 1.1.4 课题来源 | 第21-22页 |
| 1.2 流场理论基础 | 第22-32页 |
| 1.2.1 矢量场的数学表示 | 第23-24页 |
| 1.2.2 矢量场的基本物理量 | 第24-27页 |
| 1.2.3 基于临界点矢量场特征结构 | 第27-29页 |
| 1.2.4 粒子跟踪方法 | 第29-32页 |
| 1.3 论文主要工作 | 第32-34页 |
| 1.3.1 主要研究内容 | 第32-33页 |
| 1.3.2 主要技术创新 | 第33-34页 |
| 1.4 论文结构 | 第34-37页 |
| 第二章 流场可视化技术综述 | 第37-55页 |
| 2.1 概述 | 第37页 |
| 2.2 特征可视化 | 第37-45页 |
| 2.2.1 涡特征提取方法 | 第37-43页 |
| 2.2.2 其他特征结构提取方法 | 第43-45页 |
| 2.3 纹理可视化技术 | 第45-53页 |
| 2.3.1 纹理平流方法 | 第45-49页 |
| 2.3.2 线积分卷积方法 | 第49-53页 |
| 2.4 其他可视化方法简介 | 第53-54页 |
| 2.5 本章小结 | 第54-55页 |
| 第三章 基于旋转熵的流场信息量度与涡特征提取 | 第55-79页 |
| 3.1 概述 | 第55页 |
| 3.2 信息熵的基本理论 | 第55-59页 |
| 3.2.1 信息熵的定义 | 第56页 |
| 3.2.2 流场信息熵 | 第56-59页 |
| 3.3 旋转熵的数学描述 | 第59-73页 |
| 3.3.1 维连续流场旋转熵的定义 | 第59-61页 |
| 3.3.2 维连续流场旋转熵的性质 | 第61-64页 |
| 3.3.3 离散旋转熵场 | 第64-66页 |
| 3.3.4 基于旋转熵的二维流场涡区检测 | 第66-68页 |
| 3.3.5 实验结果与分析 | 第68-73页 |
| 3.4 基于旋转熵的3D流场涡区检测方法 | 第73-77页 |
| 3.4.1 基于二维投影旋转熵的三维流场旋转熵 | 第73-74页 |
| 3.4.2 基于二维投影旋转熵的三维流场涡区检测 | 第74页 |
| 3.4.3 基于二维投影旋转熵的三维流场涡核线检测 | 第74页 |
| 3.4.4 实验结果与分析 | 第74-77页 |
| 3.5 本章小结 | 第77-79页 |
| 第四章 二维结构声强场高清纹理平流方法 | 第79-95页 |
| 4.1 概述 | 第79-80页 |
| 4.2 结构声强场的基本理论 | 第80-82页 |
| 4.2.1 结构声强的定义 | 第80页 |
| 4.2.2 结构声强的计算 | 第80-81页 |
| 4.2.3 结构声强的模拟 | 第81-82页 |
| 4.3 基于HLIC滤波的高清纹理平流 | 第82-89页 |
| 4.3.1 HLIC滤波核 | 第82-83页 |
| 4.3.2 纹理平流机制 | 第83-84页 |
| 4.3.3 高清纹理平流 | 第84-87页 |
| 4.3.4 纹理可视化的可信性 | 第87-89页 |
| 4.4 实验结果与分析 | 第89-93页 |
| 4.5 本章小结 | 第93-95页 |
| 第五章 基于特征的曲面流场高清纹理平流方法 | 第95-109页 |
| 5.1 概述 | 第95页 |
| 5.2 基于HLIC的曲面高清纹理平流 | 第95-101页 |
| 5.2.1 算法框架 | 第96-99页 |
| 5.2.2 实验结果与分析 | 第99-101页 |
| 5.3 基于旋转因子的曲面流场涡特征检测 | 第101-107页 |
| 5.3.1 旋转因子的定义与涡核点判断 | 第102-104页 |
| 5.3.2 基于旋转因子的涡区检测 | 第104-105页 |
| 5.3.3 实验结果与分析 | 第105-107页 |
| 5.4 本章小结 | 第107-109页 |
| 第六章 基于特征的三维流场稀疏纹理自适应绘制 | 第109-129页 |
| 6.1 概述 | 第109-110页 |
| 6.2 基于模糊特征隶属度信息熵的纹理自适应 | 第110-118页 |
| 6.2.1 基于GPU的三维稀疏纹理LIC绘制 | 第110-111页 |
| 6.2.2 模糊特征隶属度信息熵的定义 | 第111-114页 |
| 6.2.3 模糊特征隶属度信息熵的性质 | 第114-115页 |
| 6.2.4 基于模糊特征隶属度信息熵的纹理自适应 | 第115-116页 |
| 6.2.5 实验结果与分析 | 第116-118页 |
| 6.3 基于三维旋转熵稀疏纹理绘制自适应 | 第118-120页 |
| 6.3.1 基于三维旋转熵的稀疏纹理自适应方法 | 第118-119页 |
| 6.3.2 实验结果与分析 | 第119-120页 |
| 6.4 基于三维旋转熵的视点相关纹理自适应 | 第120-128页 |
| 6.4.1 特定视线下纹理片元信息量的定义 | 第121页 |
| 6.4.2 最优噪声分布 | 第121-122页 |
| 6.4.3 自适应噪声产生算法 | 第122页 |
| 6.4.4 基于视点的最优漫游路径 | 第122-124页 |
| 6.4.5 实验结果与分析 | 第124-128页 |
| 6.5 本章小结 | 第128-129页 |
| 第七章 基于ParaView的特征检测与纹理可视化模块设计与实现 | 第129-141页 |
| 7.1 概述 | 第129-130页 |
| 7.2 插件开发简介 | 第130-132页 |
| 7.3 插件开发实例 | 第132-139页 |
| 7.3.1 HIBFVS服务器配置 | 第132-133页 |
| 7.3.2 HIBFVS交互界面设计 | 第133-134页 |
| 7.3.3 HIBFVS编译文件 | 第134-135页 |
| 7.3.4 HIBFVS类 | 第135-138页 |
| 7.3.5 HIBFVS的系统集成效果 | 第138-139页 |
| 7.4 小结 | 第139-141页 |
| 第八章 结束语 | 第141-145页 |
| 8.1 作总结 | 第141-143页 |
| 8.2 研究展望与未来工作 | 第143-145页 |
| 致谢 | 第145-147页 |
| 参考文献 | 第147-159页 |
| 作者在学期间取得的学术成果 | 第159-161页 |
| 发表的学术论文 | 第159-160页 |
| 参与撰写的专利 | 第160页 |
| 参与撰写的专著 | 第160-161页 |
| 参与的科研项目 | 第161页 |