piv圖像處理方法研究

piv圖像處理方法研究

目前，piv技術已進入數(shù)字粒子成像技術（dpiv）方向。該算法采用電視攝像頭技術，無需進行濕處理，直接記錄粒子圖像，并通過處理兩個相鄰圖像之間的互相關來獲得速度向量）。近年來,DPIV技術成為PIV技術的一個發(fā)展趨勢.圖像相關技術是DPIV技術的位移場重建方法,可以說是一門邊緣科學,是以信息論和隨機過程理論作為它的基礎.近二三十年來,它在力學、光學、聲學、電子學、地震學、地質(zhì)、神經(jīng)生理學等領域內(nèi),都日益得到廣泛的應用.1相關技術的基本理論1.1般計算方法PIV技術中所獲得的粒子圖像信號是二維的,從粒子圖像中獲取速度信息研究的是兩個圖像信號的相似程度,因此所關心的是二維相關函數(shù)的形式,也就是要研究圖像匹配的問題.假設有兩個離散的二維信號是x(m,n)和y(m,n),把x(m,n)在y(m,n)上對每一個移動點(k,l)計算,則相關函數(shù)為式中,R(k,l)表示了x與y之間的相互關系,R(k,l)為最大時的k和l就表示x與y的相對位移.通常情況下PIV技術中兩次曝光的粒子圖像的亮度不均勻,同時在計算機程序設計中考慮計算時間問題,所以做匹配尺度一般應使用如下被規(guī)格化了的相互關系上述計算方法又叫積相關法,其計算量很大,為從大幅面圖像尋找與樣板最一致的地方,要花費相當多的時間,為提高計算速度,采用貫序檢測法(SequentialSimilarityDetectionAlgorithm),也叫減相關法.在輸入圖像中搜尋與模板圖像最為相似的子圖像的位置.這種方法是相對于相關識別法而提出的一種快速實用的識別方法,它以被搜尋的子圖像與模板圖像之間的差異為相似性指標,搜尋最佳相似子圖像.由于該方法大量的計算是減法計算,而非乘法,因此計算速度快,節(jié)約許多時間.把x(m,n)在y(m+k,n+l)上對每一個移動點(k,l)計算,則相關函數(shù)為當與達到最相似時,(,)為最小值.1.2互相關方法的實驗相關測量是圖像處理中的重要手段,相關又有自相關與互相關之分.自相關是PIV技術的兩次曝光的粒子圖像成像在一張底片上,速度方向不能自動判別,存在速度方向二義性問題,自相關方法的速度測量范圍也很小.做相關計算時,圖像中的判讀小區(qū)域在自身圖像中尋找其最大相似度的區(qū)域,做相關處理的兩次曝光的粒子圖像中的無效粒子被認為是相關處理中的背景噪聲,影響判讀識別的準確度.互相關是做相關處理的兩幅圖像獨立存在(在PIV實驗中為兩次曝光成像在兩張底片上),一個最大優(yōu)點是可以自動判別速度方向,速度測量的范圍可以比自相關大很多.做相關計算時,圖像中的判讀小區(qū)域在另一圖像中尋找其最大相似度的區(qū)域,降低了相關處理中的背景噪聲,相關的有效粒子數(shù)增加,信噪比提高,判讀識別的準確度大大提高.2積相關和減相關傳統(tǒng)的PIV相關處理方法是將作為判讀小區(qū)域的原圖像與被搜尋的圖像取同等大小.為提高判讀識別的準確度,在做相關計算時,把粒子圖像跟蹤測速技術(PTV)的粒子跟蹤識別思想應用到相關計算中,作為判讀小區(qū)域的原圖像在其4倍大小的另一幅被搜尋的圖像中尋找其最相似的區(qū)域,判讀識別的成功率很高,尤其是在處理圖像質(zhì)量比較差的圖像時,這種方法更為必要.用MSFORTRAN語言編制了相關處理軟件,分別采用積相關和減相關方法,既可做粒子圖像的自相關計算,亦可做粒子圖像的互相關計算.在積相關和減相關的方法中,判讀小區(qū)域取32×32像元,數(shù)組為x(32,32),被搜尋的圖像取64×64像元,做相關計算的數(shù)組為y(32+k,32+l),k=0,1,2,…,32,l=0,1,2,…,32,做循環(huán)運算,在y(32+k,32+l)中找到與x(32,32)最相似時的k和l.在像空間中,橫向位移為k個像元,縱向位移為l個像元,再根據(jù)物像比例關系得出物空間位移(速度)的大小和方向.從運算時間上來看,積相關方法耗時是減相關法耗時的1.5倍;從積相關與減相關的相關函數(shù)值上來講,積相關法的最大相關點在極大值處,減相關法的最大相關點在極小值處,兩種方法的編程思想是有所不同的.圖1和圖2是用自編的程序?qū)αＷ訄D像的某一判讀小區(qū)域做積相關計算的相關譜和做減相關計算的相關譜,從兩圖可見,積相關與減相關的相關峰值均很銳利、突出.3流動兩對角的對流場幾種相關方法的誤差通過重建計算模擬的粒子圖像位移場而獲得.本文模擬了從圖像的兩對角向中心流動又流向另外兩對角的對流場;在模擬流動中,流場中各點位移的大小是已知的,用我們自編的相關計算軟件從模擬粒子圖像中重建計算出各點的位移,由此可以得到絕對誤差和相對誤差.圖3為模擬的有噪聲對流前的粒子圖像,圖4為模擬的有噪聲對流后的粒子圖像,圖5為圖3與圖4的合成圖像.3.1關法計算結果分別用積相關和減相關的方法對模擬的位移場進行了自相關法的位移重建計算.積相關法計算結果如圖6所示,自相關法存在的問題首先是速度方向問題,速度的大小計算大部分合理,但方向無法判斷,這一問題在互相關法中是不存在的;其次是自相關法的判讀識別的準確度比較低,出現(xiàn)了許多錯誤的速度矢量,重建計算的誤差較大.3.2積相關法和減相關法的誤差分別用積相關和減相關的方法對有噪聲情況下的模擬的位移場進行了互相關法的位移重建計算.表1給出了用積相關和減相關計算的粒子圖像的位移(速度)的誤差,其中包括x方向位移的誤差、y方向位移的誤差以及位移r的誤差.圖7、8給出了互相關法重建計算的位移(速度)分布.重建結果顯示:積相關法的精度高于減相關法,誤差較小.4piv技術的圖像特征PIV技術是目前國際上實驗流體力學的熱門實驗技術,而圖像處理方法是PIV技術的一個關鍵.從本文的分析可見,在PIV技術的圖像處理方法中,粒子