双相机速度粒度同场测量方法

提出了一种基于双目视觉和粒子图象灰度差分法同场测量喷雾速度场和粒度场的方法。搭建了硬件测试平台,开发了相应的软件系统,进行了初步的验证实验研究。利用两台数字相机对同一喷雾流场区域进行拍摄。根据自相关方法进行速度测量。根据灰度差分法进行粒子粒度分布的计算。本文对该方法进行了模拟数据验证和实验数据的验证。验证结果表明,本方法能够实现自相关速度测量并消除速度方向的二义性。利用本方法能够较为准确地实现流场的速度和粒度同场测量。     

激光干涉成像两相流粒径空间分布测量

为了实现两相流粒径空间分布的测量，研究了激光干涉成像测量技术．激光干涉成像测量技术利用片状脉冲激光束照射粒子场，用数码相机拍摄粒子的散射光干涉图像，并从粒子干涉图像中获取粒子空间位置和粒径分布信息．利用激光粒度仪验证激光干涉成像测量技术的粒径测量精度．实验证明，该技术有较高的测量精度．对水喷雾场的不同片状区域进行测量，从而获得两相流的空间粒径分布．结果显示，所测喷雾场平均粒径由中心区域向边缘区域逐渐变小，大粒子基本集中在中心区域，小粒子基本集中在边缘区域．该方法为研究两相流流场特性提供了一种有效的测量手段．     

基于灰度差异与自相关的粒子速度测量新方法

基于曝光时间差异对应不同的粒子像点灰度的原理,提出了一种基于灰度差异与自相关的粒子速度测量方法。介绍了实现测量的流程和图像处理软件的算法。通过数值模拟和测量实验,验证了所提出的图像处理过程及算法的可行性,可实现流场中多数示踪粒子各自对应速度量的测量。     

粒子图像速度粒度同场测量基础与实验验证

从米氏散射理论(Mie scattering)出发,在粒子图像测速法硬件系统结构模型和电荷耦合器件光电转换一般特性基础上,推导出了真实球形粒子在数字相机上所成粒子像各像素点灰度总和的理论计算式。为验证该理论计算式的正确性,采用不同粒径的4种标准粒子进行实验,考察粒子像点灰度和随粒子曝光时间、照明用激光脉冲光强及真实粒子粒径的变化情况。结果表明:粒子像点灰度和随曝光时间及激光光强的变化呈线性趋势,基本与理论推导结果相一致。相同实验条件下的不同粒径标准粒子所成像点灰度和比值均在粒子粒径平方比附近,符合理论结果。     

水中微小粒子粒径的激光成像测量方法

提出了一种利用激光片光源、CCD图像传感器及计算机图像信号采集与处理技术实现水中微小粒子粒径成像测量的方法,介绍了该方法的测量原理、系统组成及其相关实验的结果.实验表明粒子像径与粒径之间存在明确规律,且测量结果稳定,操作简单,为河流悬沙粒径和水流空化气泡粒径的快速测量提供了一种新的途径.     

基于轨迹图像的煤粉颗粒速度和粒径测量

为了开发管道煤粉参数的实时在线测量技术,研究基于粒子轨迹图像的煤粉速度和粒径的测量方法.实验研究煤粉颗粒的光散射特性,获得煤粉颗粒在激光照射下不同方向和不同曝光时间下的成像特点,表明在较长曝光时间下的煤粉轨迹图像清晰可辨,弥补由于煤粉强吸收特性引起的瞬态图像偏暗和模糊的不足,并提出利用煤粉颗粒轨迹图像同时测量煤粉颗粒速度和粒径的方法.利用计算机图像处理方法对实验拍摄的大量煤粉轨迹图像进行识别和计算,获得煤粉颗粒的速度和粒径分布,并与商用PIV系统和Malvern粒度仪所得结果基本吻合.结果表明,所提出的基于粒子轨迹图像的煤粉颗粒测量方法切实可行,为开发廉价实用的煤粉颗粒在线测量系统打下基础.     

非接触式人体测量系统中图像几何畸变的校正

针对非接触式人体测量系统中广泛采用CCD摄影获取人体数学图像光学成像过程中存在几何畸变的问题，指出在利用数字图像信息进行人体尺寸计算时必须加以校正。本文分析了导致几何畸变的原因，并根据光学成像原理和实验提出了校正的数学模型和方法。经实验验证，该研究成果能够有效地减少光学成像误差。     

基于控制点自动获取的交通事故现场图像几何校正方法

对交通事故现场进行俯视拍摄可以记录现场俯视平面信息,摄影图像会产生几何畸变,影响信息的正确表达.需要对事故现场俯视摄影图像进行几何校正.在应用控制点图像坐标自动获取技术的基础上,提出了包括几何校正坐标变换数学模型的确立、控制点实际坐标的获取、控制点图像坐标的获取、图像配准和像素点灰度值确定的几何校正方法,并探讨了校正图像的彩色处理;采用最近邻灰度插值算法提高了图像处理效率.     

遥感图像几何校正的支持向量机算法研究

针对目前遥感图像几何校正算法存在的不足,提出了一种新的遥感图像几何校正算法.引入支持向量机理论和方法,结合遥感图像近似几何校正基本原理,提出遥感图像几何校正的支持向量机算法和实现步骤;选择实验区,使用差分GPS实测地面控制点坐标,使用遥感图像处理软件量测地面控制点对应的影像坐标;使用聚类算法分别选择不同数量的控制点作为遥感图像几何校正的控制点,其余控制点作为检查点;分别使用近似几何校正算法、神经网络和支持向量机算法进行遥感图像的几何校正,并进行校正误差比较分析.算法测试表明:遥感图像几何校正的支持向量机算法具有校正误差小、泛化能力强等特点.     

纳米SiC/PTFE复合材料微观结构SEM图像处理及分析

为了对纳米聚合物复合材料微观结构进行定量分析,利用Visual C＋＋开发纳米SiC/PTFE复合材料SEM图像分析系统,该系统包括图像灰度均衡、灰度拉伸、平滑与滤波等预处理功能以及图像分割、图像形态学处理、粒子标记等处理分析功能,可对SEM图像中粒子大小进行区分。结果表明,纳米SiC/PTFE复合材料SEM图像经直方图均衡化处理后,对比度明显增强,灰度级变宽,灰度拉伸使SEM图像中纳米粒子显示更清晰,平滑与滤波处理能抑制图像中的噪声。采用最大类间方差法分割图像的效果优于迭代阈值分割法,图像形态学处理能提高纳米粒子信息被识别的能力,粒子标记能为PTFE中不同团聚尺寸的纳米粒子赋予不同的灰度值以对其进行区分。     

基于自适应权重粒子群的电容层析成像边界灰度补偿算法

电容层析成像图像重建是一个典型的病态问题,它的解是不稳定的.为了对这个不适定问题进行求解,在分析电容层析成像基本原理的基础上,提出了一种自适应权重粒子群的电容层析成像边界灰度补偿算法.该算法通过引入粒子群的平均绝对速度与理想速度,自适应调整粒子群优化算法中的参数,对成像后图像边界周围的灰度进行补偿.数值实验结果表明,同线性反投影和共轭梯度算法相比,进行边界灰度补偿后的图像兼备成像质量高、边界均匀稳定等优点,为ECT图像重建算法的研究提供了一个新思路.     

基于可见光图像的红外图像纹理映射方法

为有效仿真大规模背景景物红外图像纹理,提出一种基于可见光图像的红外图像纹理映射方法.该方法以相应景物的可见光图像灰度范围为参照,基于同景物某时刻红外图像的温度及灰度分布,计算景物红外图像的温度与灰度对应关系.将对应景物温度分布偏差信息叠加在相关景物不同时刻的均值温度上,映射在该景物可见光图像的灰度范围内,生成对应景物不同时刻的红外图像纹理.另外,将仿真的背景图像分为单一组分和混合组分的背景图像,对于单一组分背景图像,采用提出的方法进行红外图像纹理映射;对于混合组分的背景图像,首先采用该背景图像对应的可见光图像进行材质分类,在此基础上采用提出的方法进行混合组分背景图像的红外图像纹理映射.实验结果验证了本文方法的有效性,该方法可为快速仿真不同时刻、不同景物的红外图像纹理提供一种方便有效的途径.     

基于多特征融合和混合核SVM的目标识别方法

针对可见光和红外传感器具有不同感知特性的问题,提出了一种基于多传感器特征信息融合和混合核SVM的图像目标识别方法,方法包含多特征提取、主成分分析和混合核SVM分类三个部分.在特征提取中利用可见光和红外图像的互补性,分别提取同一场景可见光与红外图像的灰度共生矩阵以及灰度直方图统计特征,得到一组目标融合的特征量,进一步进行目标分类与识别;利用主成分分析法降低特征的维度,减少计算量;利用混合核SVM方法对目标特征进行分类识别.结果表明,在室内环境中对不同人群密度等级进行分类时,所提出方法的精度可达88.21%.     

方形卧式分离器的PIV流场试验研究

应用粒子成像测速(particle image velocimetry, PIV)技术对方形卧式分离器的内部流场进行了测量，得到分离器内典型的颗粒运动分布状态.采用灰度互相关法处理试验图像数据，得到分离器内3个不同截面的二维瞬时速度分布，结果表明在分离器内气流为顺时针旋流，中间流速高而边壁流速低，在分离器的右上角存在有角涡.根据试验结果计算了方形卧式分离器中间面的平均二维速度分布，与应用雷诺应力模型(RSM)数值计算模拟得到的分离器内气流速度分布进行了对比，结果表明除了近壁面区域差别较大外，其他区域基本吻合.     

Fast recognition using convolutional neural network for the coal particle density range based on images captured under multiple light sources

A method based on multiple images captured under different light sources at different incident angles was developed to recognize the coal density range in this study. The innovation is that two new images were constructed based on images captured under four single light sources. Reconstruction image 1 was constructed by fusing greyscale versions of the original images into one image, and Reconstruction image 2 was constructed based on the differences between the images captured under the different light sources. Subsequently, the four original images and two reconstructed images were input into the convolutional neural network AlexNet to recognize the density range in three cases: −1.5 (clean coal) and + 1.5 g/cm³ (non-clean coal); −1.8 (non-gangue) and + 1.8 g/cm³ (gangue); −1.5 (clean coal), 1.5–1.8 (middlings), and + 1.8 g/cm³ (gangue). The results show the following: (1) The reconstructed images, especially Reconstruction image 2, can effectively improve the recognition accuracy for the coal density range compared with images captured under single light source. (2) The recognition accuracies for gangue and non-gangue, clean coal and non-clean coal, and clean coal, middlings, and gangue reached 88.44%, 86.72% and 77.08%, respectively. (3) The recognition accuracy increases as the density moves further away from the boundary density.     

颗粒跳跃的计算机图像预处理方法

在非均匀沙床面上进行颗粒跳跃跟踪电视摄像试验得到一系列序列图像,可据以确定不同水流条件下颗粒跳跃的轨迹及速度,后者在输沙力学中具有重要意义．为获得有关颗粒跳跃的高精度数据,作者对摄像试验图像作了计算机图像处理和识别．首先将真彩色图像转化为灰度级图像,并对有用部分进行预截取．然后对这些图像采用半邻域法滤波和十字形中值滤波等平滑滤波方法进行处理,取得了较好的结果．这些图像的预处理工作为今后对图像作诸如阈值分割、轮廓线抽取和直线检测等的进一步处理奠定了基础．