随着大数据时代的到来,各行各业都十分关注对繁杂无序数据的分析处理及友好展示。数据可视化是一种按照一定规则,针对不同类型数据的特点,通过图表、图谱或交互式展示等方式对数据进行清晰直观展示的技术。可视化技术还有通过动画动态效果突出再现数据变化的连贯性和其内在联系的展示方式。如何对不同类型的、时变性的空气质量数据进行可视化展示,以辅助后续数据变化规律分析及趋势展示是本论文工作的主要内容。对于图像类型的空气质量数据,利用计算机视觉相关技术对其进行处理,进而实现可视化展示是一个非常值得探索的工作,深度学习在近年机器学习领域中的图像识别方面卓有成效,本论文着重讨论了将计算机视觉、深度学习模型等技术与采集的数据相结合,并进行数据可视化。论文将计算机视觉中的图像配准算法、图像模糊处理算法以及多阶段动态生成式对抗网络模型,运用到图像类型数据的动态可视化当中,通过对图像配准算法、图像模糊处理算法的分析,设计实现了一种基于静态离散图像生成动态延时影片的方案,并对多阶段动态生成式对抗网络模型的效果进行了验证。此外,论文还结合Web前端技术,对文本类数据进行动画效果可视化的设计实现,将一定时间区间内多区域的大量空气质量数据进行量级排名,并将结果及其变化进行动态展现,也设计实现了一种静态统计图表来展现文本类数据的对比情况及各自变化趋势。论文所描述的多模式可视化系统,实现了静态离散图像类数据的动态可视化展示,再现了一段时间内固定站点处的空气质量变化情况,弥补了单张离散图像展示内容非连续且片面的不足;系统还实现了空气质量文本类数据的动态和静态模式的可视化展示,完成了对不同类型数据的直观清晰呈现。