1.一种改进风驱动优化的体绘制视点评价与选择方法，其特征在于，包括如下步骤：(1)设计基于图像方差、平均梯度和信息熵多特征融合的视点评价函数，具体是先分别计算图像的方差、平均梯度以及信息熵，再利用权重系数将方差、平均梯度以及信息熵三个特征组合成一个视点评价函数，用于计算视点评价函数值H[VP(k)]；

(2)结合步骤(1)设计的视点评价函数进行基于风驱动优化算法的体数据可视化最佳视点的选择，具体内容和方法是；

(2a)初始化空气质点数目N，设置最大迭代次数Niter、摩擦系数α、重力加速度g、RT和c参数，设置边界条件xmax，允许的最大速度值umax和气压函数；

(2b)对初始化的N个空气质点随机分配当前位置xcur和速度ucur；

(2c)将步骤(1)得到的视点评价函数作为风驱动优化算法中的气压函数，评估空气质点的气压函数也就是评估视点评价函数，具体方法是：计算空气质点当前的气压值Pcur，即计算空气质点在当前位置xcur的视点评价函数值H[VP(k)]，并降序排列，记录此时每个视点方向矢量VP(k)；

(2d)利用步骤(2a)中设置的摩擦系数α、重力加速度g、RT、c以及步骤(2c)中得到的空气质点当前的气压值Pcur对空气质点的当前位置xcur和速度ucur进行位置更新和速度更新，得到新速度unew和新位置xnew，并作边界检查，重新计算空气质点在新位置xnew的视点评价函数值H[VP(k)]，选出视点评价函数值H[VP(k)]最优的视点以及此时的方向矢量VP(k)；

(3)结合果蝇算法的随机位置扰动对步骤(2)所述的基于风驱动优化算法的体数据可视化最佳视点的选择进行改进，具体内容和方法是；

(3a)把空气质点看成果蝇，根据空气质点的当前位置xcur，计算每一个空气质点在当前位置xcur的味道浓度，确定当前味道浓度值Scur；对于食物的味道浓度，果蝇距离食物越近，则味道浓度越高，味道浓度最优的位置即可表示最优视点的位置，所以确定味道浓度的公式用距离的反比例函数表示：写成向量的形式Scur＝(S1,S2,...,Si,...,SN)；

(3b)在当前位置增加随机扰动求得新位置坐标XF，YF，并计算新位置的味道浓度Snew＝f(XF,YF)，将新位置的味道浓度值Snew的各分量分别与原有的味道浓度值Scur的各分量进行比较，当某一个空气质点的新位置的味道浓度值Snew优于原有的味道浓度值Scur，则用新位置的味道浓度值Snew代替原有的味道浓度值Scur，否则保留原有的味道浓度值Scur；

(3c)根据果蝇的最佳味道浓度Sbest＝Snew，确定增加随机位置扰动后的味道浓度最大值的位置坐标Xnew、Ynew，将该位置作为空气质点的下一迭代的起始位置，用于下一次迭代计算；

(4)判断是否达到最大迭代次数，当满足，则输出最优视点VP(k)和该最优视点对应的视点评价函数值H[VP(k)]，在最优视点处绘制出能够最大程度的反映数据集的内部信息，让用户更直观的理解体数据集的图像，作为最终的输出图像，否则转(2c)。

2.根据权利要求1所述的改进风驱动优化的体绘制视点评价与选择方法，其特征在于：步骤(1)中的具体内容和步骤为：

(1a)计算图像的方差，图像的方差反映图像像素灰度值偏离均值的程度，方差越大说明图像的质量越好，灰度图像的方差由下式计算，其中，M、N分别为图像的行和列， 为图像的像素的均值，

(1b)计算图像的平均梯度，平均梯度描述图像的清晰程度和纹理变化快慢，平均梯度越大表明图像越清晰；

(1c)计算图像信息熵，在某一视点方向上，较高的视点质量具有较大的信息熵，信息熵表示为随机变量的概率分布函数,设图像看成随机变量X＝{a0,a1,a2,...,aL‑1},若ai∈X出现的概率为P(xi)＝{p0,p1,p2,...,pL‑1}，则其信息熵定义为：pi为某个灰度值在图像中出现的概率；

(1d)将图像的方差、平均梯度以及信息熵组合，设计成一个视点评价函数，具体组合方法如下：设VP(k)＝[α(k)，β(k)]代表视点k的方向矢量，其中α(k)为VP(k)在XOZ平面上的投影与X轴的夹角，β(k)为VP(k)在YOZ平面上的投影与Y轴的夹角，则VP(k)的视点评价函数值H[VP(k)]可由下式计算；

H[VP(k)]＝ω1·Var(f)+ω2·G(f)+ω3·H(f)其中ω1，ω2，ω3为权重系数，ω1+ω2+ω3＝1。

3.根据权利要求1所述的改进风驱动优化的体绘制视点评价与选择方法，其特征在于：步骤(2a)中空气质点数目N设置为12，其余参数分别为摩擦系数α＝0.4，重力加速度g＝

0.2，RT＝3，c＝0.4，最大迭代次数为30次，最大速度限制umax＝0.3，边界条件表示为，将步骤(1)设计的视点评价函数值的计算公式作为风驱动优化算法中的气压函数，公式为：H[VP(k)]＝ω1·Var(f)+ω2·G(f)+ω3·H(f)；在体数据可视化的视点选择中，最佳视点选择问题归结为寻找空气质点的最优位置，此时气压函数具有全局最大值；也就是视点评价函数值最大的位置即为最佳视点。

4.根据权利要求1所述的改进风驱动优化的体绘制视点评价与选择方法，其特征在于：步骤(2b)中，随机分配当前位置和速度的方法就是初始化视点方向矢量VP(k)的投影与X轴、Y轴夹角，其中与X轴夹角α(k)的取值范围为[0°，360°]，与Y轴夹角β(k)的取值范围为[0°，180°]。

5.根据权利要求1所述的改进风驱动优化的体绘制视点评价与选择方法，其特征在于：步骤(2c)中，求视点评价函数值H[VP(k)]的公式为：

H[VP(k)]＝ω1·Var(f)+ω2·G(f)+ω3·H(f)其中ω1，ω2，ω3为权重系数，ω1+ω2+ω3＝1；Var(f)为图像方差，G(f)为平均梯度，H(f)为信息熵，这三项均由步骤(1)求得。

6.根据权利要求1所述的改进风驱动优化的体绘制视点评价与选择方法，其特征在于：步骤(2d)中，速度更新和位置更新的具体方法为：

(2d‑1)按照下式进行速度更新：

式中，Pcur为空气质点当前的气压值，当前位置xcur，最优位置xopt，ucur和unew分别表示迭代中的当前速度和更新后的速度；

(2d‑2)在每一次迭代中，空气质点的位置更新方程为：

xnew＝xcur+unewΔt

式中：xcur为搜索空间中空气质点的当前位置；xnew为更新后的位置，假设时间步长Δt＝1；同时，限制空气质点的搜索边界范围，当其企图跳出搜索边界时，则将边界位置设为给定值；并且边界条件为：

7.根据权利要求1所述的改进风驱动优化的体绘制视点评价与选择方法，其特征在于：步骤(3b)随机位置更新的具体方法为：

在当前位置增加随机扰动，

其中，Step为扰动步长，Rand()为随机函数，取值范围为[0，1]；

由以上公式计算新位置的味道浓度Snew＝f(XF,YF)，将新位置的味道浓度值Snew的各分量分别与原有的味道浓度值Scur的各分量进行比较；当某一个空气质点(果蝇)的新位置的味道浓度值Snew优于原有的味道浓度值Scur，则用新位置的味道浓度值Snew代替原有的味道浓度值Scur，否则保留原有的味道浓度值Scur，即

8.根据权利要求1所述的改进风驱动优化的体绘制视点评价与选择方法，其特征在于：步骤(3c)确定果蝇的最优位置的具体方法为：

根据果蝇的最佳味道浓度Sbest＝Snew，确定增加随机位置扰动后，味道浓度最大值的位置坐标Xnew、Ynew，该位置为空气质点(果蝇)的下一迭代的起始位置，即Xnew＝f2(Sbest)，Ynew＝f2(Sbest)xnew＝(Xnew，Ynew)。

9.根据权利要求1所述的改进风驱动优化的体绘制视点评价与选择方法，其特征在于：步骤(4)中所述最大迭代次数为30次，达到30次便输出结果，没达到则返回(2c)继续循环运算。