Beschreibung
Das langfristige Ziel dieses Teilprojekts ist die Entwicklung effizienter Methoden für die Berechnung, Repräsentation, Verarbeitung und Visualisierung von aggregierten teilchenorientierten Daten auf unterschiedlichen Skalen. Durch Aggregation soll die Lücke zwischen Teilchenmodellen und kontinuierlichen Feldbeschreibungen im Kontext der Visualisierung geschlossen werden. Das besondere Augenmerk dieses Teilprojekts richtet sich dabei auf die Darstellung und Analyse zeitabhängiger und großer Datensätze sowie die Extraktion von relevanten Datenmerkmalen.
Aus physikalischer Sicht erlaubt die Aggregation den Übergang vom Teilchenmodell der statistischen Physik zu aussagekräftigen thermodynamischen Größen, die dem Verständnis der simulierten Phänomene dienen. Daher ist das langfristige Forschungsziel dieses Teilprojekts die Entwicklung von Techniken zum Aufbau und der Verarbeitung der Multiskalenaggregation sowie zur ihrer interaktiven Visualisierung. Ebenso spielt die Effektivität der Visualisierung eine wichtige Rolle, insbesondere bei zeitabhängigen, großen Datensätzen. Herkömmliche Visualisierungsmethoden stoßen bei immer komplexeren Datensätzen an ihre Grenzen, wodurch es dem Benutzer immer schwerer fällt, eine Visualisierung auszuwerten. Daher sollen diese Visualisierungen durch eine automatische Hervorhebung von interessanten anwendungsspezifischen Merkmalen substantiell verbessert werden. Dabei muss eine Kombination unterschiedlicher Methoden entwickelt werden – abhängig von Datentyp, verwendeter Skala und Zeitabhängigkeit der Daten. Neben Visualisierungsansätzen für Skalarfelder (z.B. Dichteverteilungen), Geschwindigkeitsvektorfeldern (z.B. bei Strömungen) und symmetrischen Tensorfeldern sollen neue Darstellungsmethoden für elektromagnetische Felder entwickelt werden, für welche bisher nur wenige spezifische Arbeiten existieren.
Stand der Forschung
Das Teilprojekt D.5 zielt unter anderem auf eine adaptive Multiskalenvisualisierung. Ein Aspekt dieser adaptiven Visualisierung ist die Beschleunigung von Darstellungsverfahren, wobei die mit der Multiskalenrepräsentation verbundene Hierarchie ausgenutzt wird. Ähnliche hierarchische Ansätze sind in der Visualisierung häufig anzutreffen, beispielsweise in Form von Wavelet-Hierarchien für die direkte Volumenvisualisierung großer 3D-Skalardatensätze [GWGS02] oder in Form von TSP-Bäumen (Time-Space Partitioning) [SCM99] für vierdimensionale, raumzeitliche Daten. Hierarchien können zudem mit Kompressionsansätzen kombiniert werden, z.B. für Wavelet-Kompressionsverfahren [LLYM04]. Die grundsätzlichen Strategien der hierarchischen Repräsentationen und der Datenkompression werden im vorliegenden Teilprojekt ebenfalls verfolgt.
Als Besonderheiten, die in Vorarbeiten nicht oder nur eingeschränkt behandelt wurden, werden in diesem Teilprojekt zum einen die Kopplung der Teilchendaten mit der hierarchischen und komprimierten Repräsentation und zum anderen die explizite Verwendung von Multiattributfeldern und deren Auswirkungen auf die Datenorganisation betrachtet. Der Schwerpunkt der kommenden Förderperiode wird die Merkmalsextraktion auf Multiskalen-Repräsentationen sein. Gerade für die interaktive visuelle Exploration großer Datensätze hat sich gezeigt, dass eine angemessene Identifikation von Merkmalen hochrelevant ist [DGH03]. Im Speziellen sollen Merkmale für typische wissenschaftliche Datentypen verwendet werden, z.B. für Skalar- und Strömungsfelder. Entsprechende Merkmalsdefinitionen sind für viele Anwendungsgebiete schon aus der Literatur bekannt, beispielsweise für Wirbel in Strömungsfeldern [JH95], Lagrange’sche Kohärenzstrukturen (engl. LCS, Lagrange Coherent Structures) für Transportphänome [SLM05], Topologie von Vektor- oder Tensorfeldern [ST05] oder allgemeine Kantenmerkmale oder Gratlinien und -flächen (Ridge Lines, Ridge Surfaces) [Ebe96]. Kanten- oder Gratextraktion kann breit eingesetzt werden, beispielsweise für die Erkennung von Strömungsschocks oder für die merkmalsbasierte Visualisierung von Tensorfeldern [TKW08].
Eigene Vorarbeiten zur Merkmalsextraktion (außerhalb des SFB 716) existieren ebenfalls und dienen als Ausgangspunkt: z.B. Methoden für LCS [SW10] und für die Wirbelerkennung [SVG+08]. Grundsätzlich verfolgen wir den Ansatz einer punktweisen Auswertung der Merkmalsbeschreibung (d.h. an jedem Raumpunkt unabhängig von potentiellen Merkmalen an Nachbarraumpunkten), wie er z.B. auch beim allgemeinen parallele-Vektoren-Operator [PR99] Verwendung findet. Während die Merkmalsextraktion für eine Auflösungsskala durch die Literatur sehr gut abgedeckt ist, gibt es nur wenige Arbeiten zur integrierten Betrachtung von Merkmalen auf Mehrfachskalen. Eine der wenigen Vorarbeiten in diesem Gebiet innerhalb der Visualisierung behandelt die Verfolgung von Wirbeln auf mehreren Vektorfeldskalen, die durch Gauß-Filterung generiert werden [BP02]. Hingegen existieren in der Bildverarbeitung zahlreiche Arbeiten zu Skalenraum-Verfahren. Beispielsweise können Gratlinien besser extrahiert werden, indem ihr lokales Verhalten im Skalenraum berücksichtigt wird [Lin98].
Eine wichtige noch offene Frage ist jedoch die Verallgemeinerung auf andere Merkmale, die für die Visualisierung relevant sind, sowie andere Methoden der Multiskalen-Konstruktion (jenseits der Gauß-Filterung). Neben der reinen Multiskalenbetrachtung von Merkmalen soll auch die Relevanz der Merkmale eine Rolle spielen. Wir möchten hierfür den Ansatz der Persistenz [ELZ02] verfolgen, der beispielsweise erfolgreich auf die Behandlung der Geometrie von 2-Mannigfaltigkeiten mittels Reeb-Graphen angewendet wurde [PSBM07]. Offen ist jedoch noch, wie Persistenz für die SFB-relevanten Merkmale auf Multiskalenfeldern angepasst und effizient ausgewertet werden kann.
Literatur
[BP02] D. Bauer and R. Peikert. Vortex tracking in scale-space. In Proc. EG / IEEE Symp. Vis. ’02, pages 140–147, 2002.
[DGH03] H. Doleisch, M. Gasser, and H. Hauser. Interactive feature specification for focus+context visualization of complex simulation data. In Proc. EG / IEEE Symp. Vis. ’03, pages 239–248, 2003.
[Ebe96] D. Eberly. Ridges in Image and Data Analysis. Computational Imaging and Vision. Kluver Academic Publishers, 1996.
[ELZ02] H. Edelsbrunner, D. Letscher, and A. Zomorodian. Topological persistence and simplification. Discr. Comp. Geom., 28(4):511–533, 2002.
[GWGS02] S. Guthe, M. Wand, J. Gonser, and W. Strasser. Interactive rendering of large volume data sets. In Proc. IEEE Vis. ’02, pages 53–59, 2002.
[JH95] J. Jeong and F. Hussain. On the identification of a vortex. J. Fluid Mech., 285:69–94, 1995.
[Lin98] T. Lindeberg. Edge detection and ridge detection with automatic scale selection. Intl. J. Comp. Vision, 30(2):117–156, 1998.
[LLYM04] P. Ljung, C. Lundstrom, A. Ynnerman, and K. Museth. Transfer function based adaptive decompression for volume rendering of large medical data sets. In IEEE Symp. Vol. Vis. Graphics, pages 25–32, 2004.
[PR99] R. Peikert and M. Roth. The “parallel vectors” operator: a vector field visualization primitive. In Proc. IEEE Vis. ’99, pages 263–270, 1999.
[PSBM07] V. Pascucci, G. Scorzelli, P.-T. Bremer, and A. Mascarenhas. Robust on-line computation of Reeb graphs: simplicity and speed. ACM Trans. Graphics, 26(3):58.1–58.9, 2007.
[SCM99] H. Shen, L. Chiang, and K. Ma. A fast volume rendering algorithm for timevarying fields using a time-space partitioning (TSP) tree. In Proc. IEEE Vis. ’99, pages 371–378, 1999.
[SLM05] S. C. Shadden, F. Lekien, and J. E. Marsden. Definition and properties of Lagrangian coherent structures from finite-time Lyapunov exponents in twodimensional aperiodic flows. Physica D, 212(3–4):271–304, 2005.
[ST05] G. Scheuermann and X. Tricoche. Topological methods in flow visualization. In C. D. Hansen and C. R. Johnson, editors, The Visualization Handbook, pages 341–356. Elsevier, Amsterdam, 2005.
[SVG+08] T. Schafhitzel, J. Vollrath, J. Gois, D. Weiskopf, A. Castelo, and T. Ertl. Topology-preserving¸ 2-based vortex core line detection for flow visualization. Comp. Graphics Forum, 27(3):1023–1030, 2008.
[SW10] F. Sadlo and D. Weiskopf. Time-dependent 2d vector field topology: An approach inspired by Lagrangian coherent structures. Comp. Graphics Forum, 2010. im Druck.
[TKW08] X. Tricoche, G. Kindlmann, and C.-F. Westin. Invariant crease lines for topological and structural analysis of tensor fields. IEEE Trans. Vis. Comp. Graphics, 14(6):1627–1634, 2008.