dc.description.abstract
Die Möglichkeit, Daten schnell, interaktiv und visuell vergleichen zu können, wird für die Datenanalyse eine immer wichtigere Aufgabe. In der Visualisierung sind immer mehr Systeme gefragt, die sich nicht nur für die Repräsentation von einzelnen Datensätzen, sondern für die Analyse von ganzen Sequenzen von Datensätzen eignen. Der Benutzer kann beim Vergleichen von Daten auf zwei Arten unterstützt werden. Zuvorderst ist es sehr hilfreich, wenn Benutzer die Datensätze, die verglichen werden sollen, im System passend zueinander anordnen können. Das unterstützt die intuitive Vorgangsweise von Menschen beim Vergleichen von Daten. Weiters können Visualisierungssysteme die Unterschiede in den Daten selbst berechnen und dann in geeigneter Form dem Benutzer präsentieren. Die Vergleichende Visualisierung beschäftigt sich mit neuen Techniken, wie man in der Visualisierung Benutzer am besten beim Vergleichen von Daten unterstützen kann. Solche Techniken können üblicherweise einfach für zwei oder mehrere Objekte angewendet werden, stoßen aber an ihre Grenzen, sobald die Datenmenge entsprechend groß wird (z.B. 100 Objekte oder mehr). Solche Datensammlungen, die eine große Anzahl an individuellen, aber doch zusammengehörigen, Datensätzen enthalten, werden Ensembles genannt. Die einzelnen Datensätze, genannt die Mitglieder, beschreiben dabei dasselbe Phänomen, weisen aber kleine lokale Unterschiede auf. Ursprünglich stammen Ensembles aus dem Bereich der Simulationsanalyse, meist für Wetter- und Klimadaten. In diesen Bereichen werden sie schon seit einiger Zeit verwendet, da mehrere Simulationsläufe immer zu einer großen Anzahl von Resultaten führen, die anschließend analysiert werden müssen. Die Simulationsanalyse war daher ein starker treibender Faktor im Bereich der EnsembleVisualisierung. Leistbare Rechenkapazitäten und die Verfügbarkeit von unterschiedlichsten Analysealgorithmen (z.B. für die Segmentierung) haben aber dazu geführt, dass sich auch andere Anwendungsbereiche heutzutage mit der Analyse von Ensembles beschäftigen müssen. Ensembles werden üblicherweise entweder basierend auf Datenmerkmalen (feature-based), oder basierend auf lokalen räumlichen Regionen (location-based) analysiert. Im Falle der Analyse basierend auf lokalen räumlichen Regionen müssen Visualisierungssysteme Möglichkeiten anbieten, dass Benutzer ihre Analyse auf lokale Regionen konzentrieren können. In Rahmen dieser Arbeit wurden verschiedene Techniken für das visuelle Vergleichen von komplexen Daten entwickelt. Ein spezielles Augenmerk wurde dabei auf die Skalierbarkeit der Techniken gelegt, und zwar im Bezug auf die mögliche Anzahl von Mitgliedern pro Datensatz. Die Techniken operieren auf unterschiedlichen Arten von Datensätzen in 2D und 3D. Im ersten Teil dieser Arbeit wird eine Technik für die Analyse von 2D Bilddaten vorgestellt, die nicht nur die Berechnung von lokalen Unterschieden in den Daten ermöglicht, sondern auch eine genauere Einsicht in die Daten erlaubt. Dadurch kann, im Unterschied zu bestehenden Methoden, sehr schnell festgestellt werden, wo sich die Daten unterscheiden, und auf welchen Merkmalen diese Unterschiede beruhen. Dadurch werden Muster in den Daten sichtbar, und es können sehr schnell Sonderfälle lokalisiert werden. Der zweite Teil der Arbeit befasst sich mit einem System, das die Analyse von einem Ensemble bestehend aus dreidimensionalen Objekten (meshes) ermöglicht. Solche Ensembles werden beispielsweise beim Testen von Rekonstruktionsalgorithmen für Punktwolken mit unterschiedlichen Parametern generiert. Ähnlich wie die vorgestellte Technik zum Vergleichen von 2D Bilddaten kann das System auf eine große Anzahl an Datensätzen angewendet werden und ermöglicht sowohl die Berechnung der Unterschiede, als auch die lokale Analyse von einzelnen Regionen in den Daten. Die lokale Analyse erfolgt in diesem Fall im 3D, da es sich um 3D-Datensätze handelt. Das vorgestellte System bietet auch die Möglichkeit, lokale Unterschiedein den Daten mittels paralleler Koordinaten zu visualisieren. Vorher selektierte und vom Benutzer selbst gewählte Regionen dienen dabei als Koordinatenachsen, und die 3D-Datensätze (meshes) werden als Polylinien in den Plot eingetragen. Dadurch kann sehr schnell abgelesen werden, welche Datensätze in welchen Regionen gute/schlechte Ergebnisse liefern. Aufbauend auf dieser Idee wird im dritten und letzten Teil dieser Arbeit eine weitere 3D-Technik vorgestellt, die die Analyse von lokalen Regionen in einem Ensemble von Volumsdatensätzen ermöglicht. Benutzer können in diesem Fall lokale Regionen, die für die Analyse von Interesse sind, selbst wählen. Basierend auf der Ähnlichkeit der Regionen, können diese in einem Graphen angeordnet werden. Durch den Graphen können Regionen mit einer ähnlichen Charakteristik im Ensemble gefunden werden, und einzelne Mitglieder gegen den Rest des Ensembles verglichen werden. Alle vorgestellten Techniken wurden auf aktuelle Datensätze aus verschiedenen Anwendungsgebieten angewandt, und die Resultate der Analyse belegen die Nützlichkeit der Techniken für die vergleichende Analyse von Ensembles.
de