可视分析
本年度在高维数据的高效分析、三维空间数据场的高质量和高效可视分析和应用驱动的可视化等三个方面进行了探索。针对数据的高维性，我们提出了特征选择与特征提取等算法，有效地对高维海量数据进行分析；面向三维时空数据场，我们重点研究了空间特征抽取与时空综合的高效可视分析算法。同时，我们针对地质和气象领域研发数据管理与可视分析的底层平台。这些成果发表于IEEE Transactions on Visualization and Computer Graphics; Journal of Computer Graphics Forum等国际一流期刊。主要成果包括：
体数据空间特征线快速抽取与可视化：对于大尺度三维空间数据场，将数据处理尺度降低，提取并展示关键特征是一个有效方案。我们创新地提出一种基于Laplacian微分算子的体数据空间特征线计算方法。该方法能有效刻画在不同视点和光照条件下的三维数据空间的线特征。由于线特征空间复杂度是O(N)，相较于三维体数据场O(N3)的复杂度，计算、存储和绘制代价大大减少，在GPU实现能达到实时。
空间时变数据的变化趋势可视化：我们提出了一种抽取特征并根据特征在数据中出现的频率刻画空间时变数据的变化趋势的方法。其基本思路类比于对一个文档的处理：抽取特征；将特征分类；统计特征沿着时间轴的分布；根据时间轴上特征的分布计算数据在不同时刻的相似性，并形成一根高维空间的刻画数据变化趋势的timeline；继而将timeline降维形成二维timeline, 用它来辅助分析数据的一些特性，如周期性、变化趋势、异常点等等。
时变数据的解释性可视化：当前对时变数据的可视化停留在效率和特征跟踪上。我们仿照故事的演化过程，针对时变数据设计解释性的演示可视化，允许用户从不同的角度理解数据中的某些变量的变化过程。算法的核心思想是基于时变数据构造一个事件图的结构。将某个有语义的特定事件抽象为一个层次细节事件图，以数据特征作为节点，事件关系作为链接。在这个表示的基础上，对事件图的交互浏览或自动播放（以合适的起点和路径）形成解释性动画，自动设置绘制和相机参数。
大规模体数据可视分析平台：研发了大规模体数据可视分析平台Voxer并应用于地质数据和气象数据的分析。提出并实现了地震数据的多尺度层位识别算法，并通过识别过程可视化以及多体可视化方法，实现识别层位的校正与分析。研究并实现了基于三维地震图像协方差结构张量特征分析的多种地震属性（倾角、方位角、相干体、紊乱度等）鲁棒计算，并实现GPU加速。研究地质体自动识别算法，以及地质体层位化管理算法。在气象数据的可视化应用方面，平台采用基于压缩的方法实现了数据的高精度绘制，可以同时可视化至多4个属性，单属性的可视化可以达到实时水平，4个属性同时可视化可以达到交互水平。
