流线可视化是流场可视化领域重要研究方法之一,具有简单直观、适合交互等特性,在工程实践中广泛应用。流线可视化可以归结为两方面的研究:一种是流线种子点分布算法;一种是流线选取算法。流线种子点分布算法依赖于种子点的数量和位置,由于无法提取预测流场的特征类型和位置,流线可视化效果难以保证流场特征的完整性。流线选取算法的优势在于能够通过初始流线覆盖流场的全部特征,只要选取方法适当,便能准确全面地提取流场中的所有特征结构。然而,目前已有的流线选取算法普遍存在特征捕捉不全、视觉遮挡严重等问题,难以达到实际研究的需求。本文分别研究了二维和三维的流线选取算法,完成的主要工作和取得的研究成果如下:1、提出了一种基于流场特征类型的二维流线聚类选取方法。首先基于二维流场中奇异点类型定义了流线的特征类别,然后生成大量流线覆盖流场区域,利用缠绕角和信息熵等方法对流线的特征类型进行了判定分类,并根据此提出了一种基于流场特征类型的流线聚类方法,保证了流线选取时的特征捕捉的完整性。为了解决流线的冗余问题,本文基于动态时间规整(DTW)算法和平均最小邻近点距离度量了流线之间的相似度,利用相似度有效地简化了流线。最后本文设计了流场中流线的选取策略。实验结果表明,该算法更有效地反映了流场的关键特性,大大地提高了流场可视化效果。2、提出了一种基于以提取流场涡特征为主的三维流线选取方法。该方法首先生成大量流线覆盖流场区域,然后利用信息熵选取出反映流场变化的所有重要流线。在选取重要流线基础上,基于旋转熵提取出三维流场中的涡核线,通过涡核线选取出流场中的涡流线。在重要流线中除去涡流线之后,通过信息熵最大值点的位置进行聚类,分离出属于不同特征区域的流线子集合。利用所设计的去除冗余流线的算法,可缓解流线遮挡。最后根据设计的流线选取策略从特征流线子集合中选取流线。此外,本文还基于CUDA框架实现了针对本算法的并行加速。实验结果表明,所提出的方法可有效地捕捉三维流场中的特征结构,提高流线可视化效果。3、在以上研究成果基础上,设计实现了一个基于流场特征的流线选取可视化软件原型。该软件由数据预处理、流场的场熵计算、CPU和GPU协同控制、流线生成、流线绘制等模块组成。基于该软件,本文用多组数据验证了所提出方法的正确性和有效性。