互相关DPIV技术及其在氧化沟模型中的应用.pdfVIP

互相关DPIV技术及其在氧化沟模型中的应用.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
光电工程

维普资讯 第33卷第 l2期 光电工程 Vo1.33.No.12 2006年 12月 Oplo-ElectronicEngineering Dec.2006 文章编号:lo03—5O1X(2o06)12一O127一O5 互相关DPIV技术及其在氧化沟模型中的应用 陈 钊 ,郭永彩 ,张代钧2,许丹宇2 (1.教育部光电技术及系统重点实验室,重庆大学光电工程学院,藿庆 400044; 2.西南资源 开发及环境灾害控制工程教育部重点实验室。重庆大学资源及环境科学学院,重庆400044) 摘要:重点研究二维DPIV技术的速度信息提取方法并进行算法实现。该技术基于灰度图像互相 关法,在相邻时刻的序列图像中,灰度分布最相似的子窗口即是最佳匹配,粒子在像平面上的运 动位移由两个子窗口中心距离确定.通过对互相关测度的优选既能兼顾粒子匹配成功率也能降低 匹配算法的时间开销,通过优化算法的搜索空间极大地减少了互相关运算量。给出了标准图像仿 真结果及其在氧化沟模型流速测试中的成功应用。实验结果表明,该算法适合于氧化沟模型流场 及类似场合的测速 。 关键词:P1V;灰度图像o,互相关;氧化沟模型 中图分类号:TH74 文献标识码:A Cross-correlationDPIVandapplicationinoxidationditchmodel CHENZhao。,GUOYong-cai。,ZHANGDai..jun,XUDan-yu 【1.KeyLabfo, fD—electronicTechnologyandSystemofMinistryofEducation,Collegeof Opto—electronicEngineering,ChongqingUniversity,Chongqing400044,China; 2.KeyLabfo,ExploitationofSou~一westernResources&theEnvironmentalDisasterControl EngineeringUndertheStateofMinistryofEducation,CollegeofResourcesand EnvironmentalScience,Chongqing400044,Ch/na) Abstract:Themethodforextractingveloci~ fieldismainlyinvestigatedandtheimage-processing systemoftwo—dimensionalDigitalParticleImageVelocimetry(DPIV)isdeveloped.Thealgorithmis basedongrayimagecross-·correlationandthemostsimilarsub-w·indowsonthetwoframesinserial grayimagesarereckonedasoptimalmatching.Thedisplacementoftheparticlemovementonimage planeisthusdeterminedbythedistanceofthetwocentersofsub—windows.Onbasisoflargeamountof experimentalresults,thenormalized cross—correlationcoefficientisselectedasthecross—correlation measure,whichgreatlyreducesthecomputationalt

文档评论(0)

fengbing + 关注
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档