深度聚类索引下的海量地震数据快速三维可视化

摘要：

地震数据的三维可视化能够直观反映地质的相关结构信息,为地质勘探等研究提供数据支持.针对传统体绘制算法在集中载入海量数据时存在显示延迟、画面跳跃、卡顿等问题,提出一种快速三维可视化算法.使用变分自编码器和深度聚类学习数据的空间特征表示,通过迭代优化目标函数提高聚类性能,以解决因空间数据分布不均造成的节点重叠问题.建立高效的索引结构,提高数据实时读取的效率,通过时序卷积网络预测下一个视点位置,提前将潜在数据载入内存,避免因海量数据集中加载导致画面卡顿、跳跃.使用基于双层视锥体的视点动态划分调度模型,剔除不必要的绘制节点及减轻系统负荷,从而提高数据渲染速度和流畅度.实验结果表明,该算法在索引结构上查询数据块的时间相比希尔伯特R树算法减少了64.14％～66.37％,预测视点的正确率相比拉格朗日插值算法提高了12.08％～22.70％,实时帧率在较大规模的子集上也能够相对稳定平滑,在保证图像质量的前提下整体系统的渲染性能达到预期效果.

关键词：三维可视化、深度学习、深度聚类、希尔伯特R树、时序轨迹预测、视锥体裁剪

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：新疆维吾尔自治区自然科学基金;湖北省教育厅项目

在线出版日期：2022-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：275-283