基于深度卷积神经网络的气液两相流图像分割方法

为解决气液两相流中气相与液相的精准识别问题，提出了一种基于深度卷积神经网络的图像分割方法。首先，对比研究了4种图像去噪和5种图像分割方法的优缺点；其次，采用图像去噪和图像分割的方法研究了人工合成图像，并采用图像分割评价指标量化分割结果；最后，采用图像去噪和图像分割方法对公开数据集图像和真实气液两相流图像进行实验。实验结果表明，各向异性扩散滤波器、中值滤波器、全变差滤波器和非局部均值滤波器对气泡图像的降噪性能略有差异，非局部均值滤波器的效果最优；采用卷积神经网络方法分割气泡图像时，像素精确度（PA）、平均像素精确度（MPA）、平均交并比（MIoU）、频率加权交并比（FWIoU）四个评估指标的值均超过0.84，其精度较高、分割效果较为优异，但其计算成本高于传统方法。通过对比研究气液两相流图像的处理技术，可以发现深度学习方法是未来气液两相流图像的一个重要研究方向。