信息可视化是将繁复的数据图形化的科学,主要是通过人的视觉来理解数据。因此如何更好地可视化来帮助视觉理解数据,是一个非常重要的问题。近年来,视觉感知(Visual Perception)受到了信息可视化领域越来越多的重视,自2012年以来,每年的Vis会议上(Information Visualization)都有专门的Perception专题。视觉感知在可视化中的研究成为了继可视化布局研究、多维数据可视化、图与社交网络及可视分析等领域之后的又一个研究热点。但是将量化的视觉感知理论应用到可视化场景中的研究目前还是很少,以及如何在增强视觉感知的同时提高用户的视觉兴趣也少有研究者涉及。目前的研究是借鉴了图像处理中关于视觉感知的应用技术,例如地图可视化中,但是这种技术很难拓展到社交网络等其他热点领域。基于视觉理论的可视化构图由于其符合视觉特征所以会更容易被感知,而具有艺术风格的可视化被实验证明具有更强的视觉印象,因此本文研究基于视觉感知的风格可视化,将量化的视觉感知理论应用到可视化优化,并进行风格可视化生成,是非常有价值的研究。鉴于此,本文在以下三个方面展开研究。具体而言:1.风格可视化研究。本文在研究了油画风格地图、素描笔画模型和素描风格可视化的基础上,提出了一种素描风格增强的可视化方法。该方法通过对可视化中的基本图元(点、线)进行素描风格绘制建模,可生成具有逼真效果的素描风格可视化,特别是素描中的“overshoot”效果,增强了素描风格的表达。通过在多种可视化样式上的对比和用户实验,本文所提出的方法具有更强的素描风格表现力和视觉吸引力。2.基于视觉尺度的可视化优化研究。本文在研究了视觉注意理论及其在可视化中的应用基础上提出了一个多尺度下感知优化的图可视化方法。首先本文提出了图感知的三个准则:简化性、层次性和区分性。然后定义了多尺度下节点的感知重要性度量及感知范围,通过进行布局简化和布局形变以及定义点线大小与颜色的感知距离对图可视化进行优化。最后对不同尺度下基于感知优化的图可视化进行了对比分析,并且对颜色的感知优化做了进一步的研究。通过与经典的图简化方法进行对比分析,可以发现本文所提出的框架可以帮助人们更好的理解数据的结构、感知数据的特征并且我们还发现点的颜色使用暖色更利于感知。3.基于视觉跟踪的风格可视化研究。本文在研究了基于眼睛跟踪数据的可视化评估的基础上,提出了一种模拟视觉跟踪过程的模型——视觉流模型,并通过与素描风格可视化结合应用到图可视化中。该模型通过计算节点或聚类的显著性构建视觉流模型,并基于该模型优化可视化布局。实验表明基于视觉流模型的素描可视化可以增强用户的视觉感知,且具有很好的有效性和应用性。在此基础上,本文将上述相关研究应用具体到微博信息传播可视分析系统中。本文通过提出一种信息传播函数与可视化系统来研究微博的信息传播过程,并将视觉感知与素描风格可视化应用到系统中。通过实验分析与用户调研分析,证明本文的研究在帮助用户分析数据特征上具有非常好的效果。本文的创新点主要表现在:(1)针对风格可视化研究,提出了增强素描风格的可视化方法。该方法定义了点、线的素描风格绘制算法,然后基于网络图的拓扑结构定义了点、线的重要性,最后将二者结合起来生成具有素描风格的可视化。通过与同类可视化效果的对比,可以发现本文所提方法具有更强的风格化和更为逼真的手绘素描效果;(2)针对视觉注意理论的可视化研究,提出了一个多尺度下感知优化的图可视化方法。该方法反映了人们在不同尺度上所感知到的信息也是不同的,考虑到了数据特征与细枝末节间的平衡。通过与经典的图简化方法进行对比分析,可以发现本文所提出的框架可以帮助人们更好的理解数据的结构、感知数据的特征;(3)针对视觉跟踪的风格可视化研究,提出了一种模拟视觉跟踪过程的模型——视觉流模型,通过该模型可以分析视觉轨迹特征并指导图可视化优化。与风格可视化的结合可以增强用户的感知。本文的主要贡献:对基于视觉感知的风格可视化进行了深入的研究,对其中的一些关键问题进行了建模或设计了相应的算法,并将研究具体应用到实际问题中。实验分析表明,本文所提出的这些方法有助于提高可视化的展示效果,可以帮助人们更好的理解数据,为今后的基于视觉感知的风格可视化研究奠定了一个重要基础,为同类研究提供了一个参考。