piv图像处理方法研究.docxVIP

piv图像处理方法研究 目前，piv技术已进入数字粒子成像技术（dpiv）方向。该算法采用电视摄像头技术，无需进行湿处理，直接记录粒子图像，并通过处理两个相邻图像之间的互相关来获得速度向量）。 近年来,DPIV技术成为PIV技术的一个发展趋势.图像相关技术是DPIV技术的位移场重建方法,可以说是一门边缘科学,是以信息论和随机过程理论作为它的基础.近二三十年来,它在力学、光学、声学、电子学、地震学、地质、神经生理学等领域内,都日益得到广泛的应用. 1 相关技术的基本理论 1.1 般计算方法 PIV技术中所获得的粒子图像信号是二维的,从粒子图像中获取速度信息研究的是两个图像信号的相似程度,因此所关心的是二维相关函数的形式,也就是要研究图像匹配的问题.假设有两个离散的二维信号是x(m,n)和y(m,n),把x(m,n)在y(m,n)上对每一个移动点(k,l)计算,则相关函数为 式中,R(k,l)表示了x与y之间的相互关系,R(k,l)为最大时的k和l就表示x与y的相对位移.通常情况下PIV技术中两次曝光的粒子图像的亮度不均匀,同时在计算机程序设计中考虑计算时间问题,所以做匹配尺度一般应使用如下被规格化了的相互关系 上述计算方法又叫积相关法,其计算量很大,为从大幅面图像寻找与样板最一致的地方,要花费相当多的时间,为提高计算速度,采用贯序检测法(Sequential Similarity DetectionAlgorithm),也叫减相关法.在输入图像中搜寻与模板图像最为相似的子图像的位置.这种方法是相对于相关识别法而提出的一种快速实用的识别方法,它以被搜寻的子图像与模板图像之间的差异为相似性指标,搜寻最佳相似子图像.由于该方法大量的计算是减法计算,而非乘法,因此计算速度快,节约许多时间.把x(m,n)在y(m+k,n+l)上对每一个移动点(k,l)计算,则相关函数为 当与达到最相似时,(,)为最小值. 1.2 互相关方法的实验 相关测量是图像处理中的重要手段,相关又有自相关与互相关之分.自相关是PIV技术的两次曝光的粒子图像成像在一张底片上,速度方向不能自动判别,存在速度方向二义性问题,自相关方法的速度测量范围也很小.做相关计算时,图像中的判读小区域在自身图像中寻找其最大相似度的区域,做相关处理的两次曝光的粒子图像中的无效粒子被认为是相关处理中的背景噪声,影响判读识别的准确度. 互相关是做相关处理的两幅图像独立存在(在PIV实验中为两次曝光成像在两张底片上),一个最大优点是可以自动判别速度方向,速度测量的范围可以比自相关大很多.做相关计算时,图像中的判读小区域在另一图像中寻找其最大相似度的区域,降低了相关处理中的背景噪声,相关的有效粒子数增加,信噪比提高,判读识别的准确度大大提高. 2 积相关和减相关 传统的PIV相关处理方法是将作为判读小区域的原图像与被搜寻的图像取同等大小.为提高判读识别的准确度,在做相关计算时,把粒子图像跟踪测速技术(PTV)的粒子跟踪识别思想应用到相关计算中,作为判读小区域的原图像在其4倍大小的另一幅被搜寻的图像中寻找其最相似的区域,判读识别的成功率很高,尤其是在处理图像质量比较差的图像时,这种方法更为必要. 用MS FORTRAN语言编制了相关处理软件,分别采用积相关和减相关方法,既可做粒子图像的自相关计算,亦可做粒子图像的互相关计算. 在积相关和减相关的方法中,判读小区域取32×32像元,数组为x(32,32),被搜寻的图像取64×64像元,做相关计算的数组为y(32+k,32+l),k=0,1,2,…,32,l=0,1,2,…,32,做循环运算,在y(32+k,32+l)中找到与x(32,32)最相似时的k和l.在像空间中,横向位移为k个像元,纵向位移为l个像元,再根据物像比例关系得出物空间位移(速度)的大小和方向. 从运算时间上来看,积相关方法耗时是减相关法耗时的1.5倍;从积相关与减相关的相关函数值上来讲,积相关法的最大相关点在极大值处,减相关法的最大相关点在极小值处,两种方法的编程思想是有所不同的.图1和图2是用自编的程序对粒子图像的某一判读小区域做积相关计算的相关谱和做减相关计算的相关谱,从两图可见,积相关与减相关的相关峰值均很锐利、突出. 3 流动两对角的对流场 几种相关方法的误差通过重建计算模拟的粒子图像位移场而获得.本文模拟了从图像的两对角向中心流动又流向另外两对角的对流场;在模拟流动中,流场中各点位移的大小是已知的,用我们自编的相关计算软件从模拟粒子图像中重建计算出各点的位移,由此可以得到绝对误差和相对误差. 图3为模拟的有噪声对流前的粒子图像,图4为模拟的有噪声对流后的粒子图像,图5为图3与图4的合成图像. 3.1 关法计算结果 分别用积相关和减相关的方法对模拟的位移场进行了自相关法的