基于ICP与K均值聚类的流线提取方法研究

摘要

流线的最优化分布在三维流场可视化中是具有重要性和挑战性的研究课题.在三维流场中播种产生太多流线很容易导致可视化感知问题,如遮挡或杂乱无章现象,并且目前还没有一种公认的具有普遍适用性的有关流线分布的方法及评价标准.针对以上问题,本文提出一种新的基于迭代最邻近点(简称ICP)与K均值聚类的流线提取算法,可有效地解决三维流场中出现的感知问题,呈现出清晰的流场模式与重要的特征.首先利用ICP算法实现流线间轮廓特征上的配准,根据几何相似性进行排序,然后再利用K均值聚类方法对流线分组,最后可根据用户指定密度约简多余相似性流线;同时以此结果重构矢量场来评价本文方法的精确度.本文将该方法应用到多个数据集进行了测试实验,并与已有的流线分布的最新方法进行比较,结果表明该方法更有效反映流场的关键特性,大大提高三维流场数据集的可读性.