s'authentifier
version française rss feed
Fiche détaillée Thèses
Université de Grenoble (22/05/2012), Georges-Pierre Bonneau;Jacques Droulez (Dir.)
Versions disponibles :
Liste des fichiers attachés à ce document : 
PDF
25541_CONINX_2012_archivage.pdf(5.4 MB)
Visualisation interactive de grands volumes de données incertaines : pour une approche perceptive
Alexandre Coninx1, 2, 3, 4

Les études scientifiques et d'ingénierie actuelles font de plus en plus souvent appel à des techniques de simulation numérique pour étudier des phénomènes physiques complexes. La visualisation du résultat de ces simulations sur leur support spatial, souvent nécessaire à leur bonne compréhension, demande la mise en place d'outils adaptés, permettant une restitution fidèle et complète de l'information présente dans un jeu de données. Une telle visualisation doit donc prendre en compte les informations disponibles sur la qualité du jeu de données et l'incertitude présente. Cette thèse a pour but d'améliorer les méthodes de visualisation des champs de données scalaires de façon à intégrer une telle information d'incertitude. Les travaux présentés adoptent une approche perceptive, et utilisent les méthodes expérimentales et les connaissances préalables obtenues par la recherche sur la perception visuelle pour proposer, étudier et finalement mettre en oeuvre des nouvelles techniques de visualisation. Une revue de l'état de l'art sur la visualisation de données incertaines nous fait envisager l'utilisation d'un bruit procédural animé comme primitive pour la représentation de l'incertitude. Une expérience de psychophysique nous permet d'évaluer des seuils de sensibilité au contraste pour des stimuli de luminance générés par l'algorithme de bruit de Perlin, et de déterminer ainsi dans quelles conditions ces stimuli seront perçus. Ces résultats sont validés et étendus par l'utilisation d'un modèle computationnel de sensibilité au contraste, que nous avons réimplémenté et exécuté sur nos stimuli. Les informations obtenues nous permettent de proposer une technique de visualisation des données scalaires incertaines utilisant un bruit procédural animé et des échelles de couleur, intuitive et efficace même sur des géométries tridimensionnelles complexes. Cette technique est appliquée à deux jeux de données industriels, et présentée à des utilisateurs experts. Les commentaires de ces utilisateurs confirment l'efficacité et l'intérêt de notre technique et nous permettent de lui apporter quelques améliorations, ainsi que d'envisager des axes de recherche pour des travaux futurs.
1 :  LPPA - Laboratoire de Physiologie de la Perception et de l'Action
2 :  INRIA Grenoble Rhône-Alpes / LJK Laboratoire Jean Kuntzmann - ARTIS
3 :  Inria Grenoble Rhône-Alpes / LJK Laboratoire Jean Kuntzmann - MAVERICK
4 :  EDF R&D / Département Sinetics
Visualisation scientifique – Perception visuelle – Simulation – Uncertainty

Interactive scientific visualization of high-volume, uncertain data : for a perceptual approach
Current scientific and engineering works make an increasingly frequent use of numerical simulation techniques to study complex physical phenomenons. Visualizing these simulations' results on their geometric structure is often necessary in order to understand and analyze the simulated system. Such a visualization requires specific software tools in order to achieve a comprehensive and accurate depiction of the information present in the dataset. This includes taking into account the available information about dataset quality and data uncertainty. The goal of this thesis is to improve the visualization techniques for scalar data fields in order to integrate uncertainty information to the result. Our work follows a perceptual approach, using knowledge and experimental methods from visual perception research to put forward, study and implement new visualization techniques. A review of the state of the art on uncertainty visualization make us suggest to use an animated procedural noise as a visual primitive to show uncertainty. We set up a psychophysics experiment to evaluate contrast sensitivity thresholds for luminance stimuli generated using Perlin's noise algorithm, and therefore understand under which conditions such noise patterns can be perceived. These results are validated and extended by using a computational model of contrast sensitiviy, which we reimplemented and ran on our stimuli. The resulting information allow us to put forward a new technique for visualizing uncertain scalar data using an animated procedural noise and color maps. The resulting visualization is intuitive and efficient even for datasets with a complex tridimensional geometry. We apply this new technique to two industrial datasets, and demonstrate it to expert users. Their feedback uphold the usabiliy and efficiency of our technique, and allows us to add a few more improvements and to orient our future work.
Scientific visualization – Visual perception – Simulation – Uncertainty

tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...