高含氣氣液泡狀流切片匹配及三維重建方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于氣液兩相流=維測(cè)量領(lǐng)域，特別設(shè)及一種高含氣氣液泡狀流切片匹配 和=維重建方法。
【背景技術(shù)】
[0002] 氣液兩相流普遍存在于水利、能源、環(huán)保、機(jī)械、石化和冶金等戰(zhàn)略性生產(chǎn)過程中， 具有重要的研究?jī)r(jià)值。針對(duì)低含氣氣液泡狀流，由于氣泡稀疏，采用非單一視角易于獲得氣 泡分布并進(jìn)行=維重建。而對(duì)于高含氣氣液泡狀流而言，由于密集氣泡或聚團(tuán)增多，其間存 在黏連聚并，氣泡輪廓信息復(fù)雜，并且形態(tài)上存在旋轉(zhuǎn)和尺度變化，對(duì)其結(jié)構(gòu)和形態(tài)進(jìn)行= 維重建具有很大的難度。基于激光掃描流場(chǎng)，由掃描激光照射的氣液兩相"切片"圖像進(jìn)行 =維重建是有效的手段之一。為了進(jìn)一步提高空間分辨率，需要對(duì)掃描周期內(nèi)獲取的相鄰 兩帖切片圖像進(jìn)行插值，進(jìn)而進(jìn)行流動(dòng)結(jié)構(gòu)=維重建。
[0003] 相鄰帖切片圖像匹配是插值和=維重建的關(guān)鍵環(huán)節(jié)。在激光掃描系統(tǒng)中，高速攝 像機(jī)的曝光時(shí)間設(shè)定為帖頻的倒數(shù)，在激光掃描過程中，同一氣泡聚團(tuán)會(huì)在相鄰帖圖像中 成像，具備某種相似特征。典型的匹配方法包括基于圖像灰度匹配、基于特征匹配W及基于 變換域匹配。基于圖像灰度匹配利用氣液兩相流圖像的灰度信息建立兩幅圖像之間的相似 性度量，計(jì)算量大，且在流動(dòng)信息貧乏的區(qū)域易導(dǎo)致誤匹配率的上升;基于特征的匹配算法 通過提取流體的顯著特征，計(jì)算量小;基于變換域匹配對(duì)噪聲具有較高的容忍程度，匹配精 度高但計(jì)算量較大，可W處理圖像之間的旋轉(zhuǎn)和尺度變化。針對(duì)高含氣氣液兩相泡狀流，如 何利用密集氣泡特征，如何實(shí)現(xiàn)高精度、高匹配率、高效的匹配，進(jìn)而實(shí)現(xiàn)層間插值圖像預(yù) 測(cè)和=維重建，是氣液兩相流動(dòng)結(jié)構(gòu)測(cè)量和流動(dòng)特性分析中亟待解決的重要問題。

【發(fā)明內(nèi)容】

[0004] 為克服現(xiàn)有技術(shù)的不足，本發(fā)明旨在提供一種高含氣氣液泡狀流"切片"匹配和S 維重建方法，從而對(duì)連續(xù)帖切片圖像進(jìn)行準(zhǔn)確、快速地匹配，進(jìn)而實(shí)現(xiàn)圖像插值W及流動(dòng)結(jié) 構(gòu)=維重建。本發(fā)明采用的技術(shù)方案是，高含氣氣液泡狀流切片匹配及=維重建方法，通過 數(shù)字圖像預(yù)處理W及邊緣檢測(cè)算法，對(duì)連續(xù)帖切片圖像進(jìn)行邊緣特征和二維質(zhì)屯、坐標(biāo)提 ?。籛連續(xù)帖切片中氣泡聚團(tuán)二維質(zhì)屯、和邊緣特征為匹配基元，建立對(duì)數(shù)極坐標(biāo)系，并通過 相位相關(guān)補(bǔ)償，基于對(duì)數(shù)極徑約束、梯度約束W及角度約束實(shí)現(xiàn)連續(xù)帖切片圖像的對(duì)應(yīng)匹 配，進(jìn)而實(shí)現(xiàn)層間圖像插值和=維重建。
[0005] 邊緣特征和二維質(zhì)屯、坐標(biāo)提取后步驟進(jìn)一步細(xì)化為，采用相位相關(guān)函數(shù)計(jì)算相關(guān) 補(bǔ)償系數(shù)，并W匹配基元為單位，實(shí)現(xiàn)對(duì)數(shù)坐標(biāo)系下連續(xù)帖切片圖像的相位補(bǔ)償；
[0006] 采用第一級(jí)對(duì)數(shù)極徑約束，即基于每一聚團(tuán)的質(zhì)屯、計(jì)算邊緣對(duì)數(shù)極徑，選取與目 標(biāo)像素點(diǎn)和質(zhì)屯、距離相近的像素點(diǎn)作為待匹配點(diǎn)集，并設(shè)定切片圖像間對(duì)數(shù)極徑小于闊值 5的所有像素點(diǎn)，作為待匹配點(diǎn)；
[0007] 在對(duì)數(shù)極徑約束基礎(chǔ)上，采用第二級(jí)梯度約束，即基于每一聚團(tuán)邊緣的旋轉(zhuǎn)角度， 選取與目標(biāo)像素點(diǎn)鄰域角度梯度相似的像素點(diǎn)作為待匹配點(diǎn)集，并設(shè)定切片圖像間相鄰梯 度方向上梯度差值小于闊值丫的所有像素，作為待匹配點(diǎn)；
[0008] 在梯度約束基礎(chǔ)上，采用第S級(jí)角度約束，即W聚團(tuán)質(zhì)屯、為極點(diǎn)，獲取聚團(tuán)邊緣相 對(duì)質(zhì)屯、的偏轉(zhuǎn)角度，在切片圖像中偏轉(zhuǎn)角度差最小的為最優(yōu)匹配點(diǎn)；
[0009] 最后，基于線性插值或拋物線插值插值算法，對(duì)最優(yōu)匹配像素點(diǎn)實(shí)現(xiàn)層間插值，并 根據(jù)所有連續(xù)帖切片圖像及插值圖像實(shí)現(xiàn)=維重建。
[0010] 采用相位相關(guān)函數(shù)進(jìn)行補(bǔ)償具體步驟是，聚團(tuán)大小和平移在對(duì)數(shù)極坐標(biāo)系下為在 L〇g2(r巧由向上的平移，根據(jù)匹配基元對(duì)數(shù)極坐標(biāo)的均值，在Log2(r巧由上進(jìn)行相位補(bǔ)償，補(bǔ) 償系數(shù)a為：
[00川
巧
[001^ 其中k = 0，l，2,3，-'n，n為自然數(shù)，ri、n分別為對(duì)數(shù)極坐標(biāo)下，W聚團(tuán)輪廓質(zhì)屯、為 極點(diǎn)的極徑長(zhǎng)度；
[0013] 聚團(tuán)角度變換在對(duì)數(shù)極坐標(biāo)下為0軸的平移，在0軸向上進(jìn)行相位補(bǔ)償，補(bǔ)償系數(shù)0 為：
[0014] (J)
[001引式中，4=0，12,3，。'11，11為自然數(shù)，目1、目2分別為對(duì)數(shù)極坐標(biāo)下，從聚團(tuán)輪廓質(zhì)屯、為 極點(diǎn)的旋轉(zhuǎn)角度。通過補(bǔ)償系數(shù)a、e，對(duì)兩幅切片圖像進(jìn)行相位補(bǔ)償。
[0016] 本發(fā)明的特點(diǎn)及有益效果是：
[0017] 本發(fā)明方法通過圖像處理技術(shù)與邊緣檢測(cè)，提取了具有較高精度和良好邊緣特性 的高含氣氣液泡狀流切片圖像。通過建立對(duì)數(shù)極坐標(biāo)系，根據(jù)其在該變換域內(nèi)的平移、旋轉(zhuǎn) 不變性有效解決了氣泡聚團(tuán)的位移與偏轉(zhuǎn)。通過相位相關(guān)法，基于相位補(bǔ)償系數(shù)，W及對(duì)數(shù) 極徑、梯度W及角度=級(jí)條件約束的匹配模型，設(shè)計(jì)了高精度、高匹配率及快速的"切片"匹 配算法，在此基礎(chǔ)上重構(gòu)插值圖像，有效提高了空間分辨率，實(shí)現(xiàn)了高含氣氣液泡狀流流動(dòng) 結(jié)構(gòu)的S維重建。
【附圖說明】：
[0018] 圖1為高含氣氣液泡狀流中目標(biāo)圖像與待捜索圖像，W及目標(biāo)基元與待捜索基元 示例圖，其中（a)為預(yù)處理及邊緣提取后的目標(biāo)圖像及目標(biāo)基元（圖中圈示），（b)為預(yù)處理 及邊緣提取后的待捜索圖像及待匹配基元(圖中圈示）。
[0019] 圖2為對(duì)數(shù)極坐標(biāo)系下目標(biāo)圖像和待捜索圖像補(bǔ)償前后圖像分布，其中(a)為目標(biāo) 圖像和捜索圖像補(bǔ)償前圖像分布，（b)為補(bǔ)償后目標(biāo)圖像和捜索圖像分布。
[0020] 圖3為氣液兩相流中"切片"匹配流程圖。
[0021] 圖4為高含氣氣液泡狀流=維重建結(jié)果。
【具體實(shí)施方式】
[0022] 本方法適用于基于激光掃描和高速攝影獲取的高含氣氣液兩相泡狀流切片圖像， W實(shí)現(xiàn)高時(shí)空分辨率的流動(dòng)結(jié)構(gòu)=維重建，同樣也適用于具有類似特征的火焰、羽流等切 片圖像插值和=維重建。
[0023] 基于激光掃描和高速攝影方法，采集高含氣氣液泡狀流切片圖像，根據(jù)氣液兩相 流動(dòng)區(qū)域特征，通過數(shù)字圖像預(yù)處理W及邊緣檢測(cè)算法，對(duì)連續(xù)帖切片圖像進(jìn)行邊緣特征 和二維質(zhì)屯、坐標(biāo)提取。為實(shí)現(xiàn)快速準(zhǔn)確的"切片"特征匹配，本發(fā)明W "切片"中氣泡聚團(tuán)質(zhì) 屯、和邊緣特征為匹配基元，建立對(duì)數(shù)極坐標(biāo)系，并通過相位相關(guān)補(bǔ)償，基于對(duì)數(shù)極徑約束、 梯度約束W及角度約束實(shí)現(xiàn)連續(xù)切片圖像的對(duì)應(yīng)匹配，進(jìn)而實(shí)現(xiàn)層間圖像插值和=維重 建。具體匹配和=維重建方法如下：
[0024] 1、基于激光掃描和高速攝影方法獲取連續(xù)帖切片圖像，利用數(shù)字圖像處理技術(shù)， 提取流動(dòng)聚團(tuán)的邊緣特征和二維質(zhì)屯、坐標(biāo)，通過基于特征的匹配基元簡(jiǎn)化算法復(fù)雜度，提 高重建效率；
[0025] 2、對(duì)處理后的圖像進(jìn)行對(duì)數(shù)極坐標(biāo)變換，采用相位相關(guān)函數(shù)計(jì)算相關(guān)補(bǔ)償系數(shù)， 并W匹配基元為單位，實(shí)現(xiàn)對(duì)數(shù)坐標(biāo)系下連續(xù)帖切片圖像的相位補(bǔ)償；
[0026] 3、采用第一級(jí)對(duì)數(shù)極徑約束，即基于每一聚團(tuán)的質(zhì)屯、計(jì)算邊緣對(duì)數(shù)極徑，選取與 目標(biāo)像素點(diǎn)和質(zhì)屯、距離相近的像素點(diǎn)作為待匹配點(diǎn)集，并設(shè)定切片圖像間對(duì)數(shù)極徑小于闊 值S的所有像素點(diǎn)，作為待匹配點(diǎn)；
[0027] 4、在對(duì)數(shù)極徑約束基礎(chǔ)上，采用第二級(jí)梯度約束，即基于每一聚團(tuán)邊緣的旋轉(zhuǎn)角 度，選取與目標(biāo)像素點(diǎn)鄰域角度梯度相似的像素點(diǎn)作為待匹配點(diǎn)集，并設(shè)定切片圖像間相 鄰梯度方向上梯度差值小于闊值丫的所有像素，作為待匹配點(diǎn)；
[00%] 5、在梯度約束基礎(chǔ)上，采用第S級(jí)角度約束，即W聚團(tuán)質(zhì)屯、為極點(diǎn)，獲取聚團(tuán)邊緣 相對(duì)質(zhì)屯、的偏轉(zhuǎn)角度，在切片圖像中偏轉(zhuǎn)角度差最小的為最優(yōu)匹配點(diǎn)。
[0029] 6、在上述匹配方法基礎(chǔ)上，基于線性插值或拋物線插值等插值算法，對(duì)最優(yōu)匹配 像素點(diǎn)實(shí)現(xiàn)層間插值，并根據(jù)所有"切片"及插值圖像實(shí)現(xiàn)=維重建。
[0030] 本發(fā)明提供了一種高含氣氣液泡狀流"切片"匹配和=維重建方法，該方法充分考 慮了激光掃描方式獲取的切片圖像特點(diǎn)，W及氣泡聚團(tuán)的空間運(yùn)動(dòng)特性(如旋轉(zhuǎn)、平移特性 等），通過邊緣輪廓和質(zhì)屯、提取，基于對(duì)數(shù)極坐標(biāo)變換，設(shè)計(jì)了相位相關(guān)補(bǔ)償及=級(jí)匹配約 束條件，實(shí)現(xiàn)了高精度、高匹配率、快速的切片圖像匹配，進(jìn)而實(shí)現(xiàn)了層間圖像插值和流動(dòng) 結(jié)構(gòu)S維重建。
[0031 ]下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步的說明。
[0032] 圖1所示為基于激光掃描和高速攝影采集得到的高含氣氣液泡狀流切片，經(jīng)過