一 系列圖像處理和邊緣檢測后的目標(biāo)圖像與待捜索圖像。示例圖像中采用了灰度化、差影、反 色、小波去噪、闊值分割等一系列圖像處理算法，W及Kirsch算子進行輪廓提取，邊緣輪廓 提取后，目標(biāo)圖像和待捜索圖像中有效像素分別降低了 54.39%和46.22%，有利于質(zhì)屯、提 取和提高算法運行速度。根據(jù)被測切片圖像特點，也可W采取不同的圖像預(yù)處理技術(shù)和邊 緣提取算法，W有效獲取聚團邊緣特征。圖中紅色圓圈區(qū)域為基于輪廓和質(zhì)屯、特征提取后 的匹配基元，其中圖（a)為目標(biāo)基元，圖（b)為待捜索基元。從圖中可W看出，匹配基元位置、 面積、形狀大小產(chǎn)生了一定的變換和旋轉(zhuǎn)。
[0033] 對處理后的圖像進行對數(shù)極坐標(biāo)變換，圖2所示為對數(shù)極坐標(biāo)變換后目標(biāo)圖像和 待捜索圖像分布。對數(shù)極坐標(biāo)具有平移不變性、旋轉(zhuǎn)不變性等特性，與極坐標(biāo)變換相似，只 是P取值不同，二者存在著如下的轉(zhuǎn)換關(guān)系：
[0034]
(1,
[00對其中，xo，yo為質(zhì)屯、坐標(biāo)，x，y分別為待匹配點X軸與y軸坐標(biāo)。
[0036] 針對流場中流動聚團的大小差異，對數(shù)極坐標(biāo)變換將笛卡爾坐標(biāo)系中的縮放，對 應(yīng)為"距離"軸上的平移，針對流動聚團的旋轉(zhuǎn)偏差，對數(shù)極坐標(biāo)變換將笛卡爾坐標(biāo)系的旋 轉(zhuǎn)，對應(yīng)為"角度"軸上的平移。通過圖像分析得出，對數(shù)極坐標(biāo)只與流動聚團大小、形狀、旋 轉(zhuǎn)方向有關(guān)。在對數(shù)極坐標(biāo)系中，聚團越大，對應(yīng)幅值越高，相似聚團的幅值和相位呈一定 相似規(guī)律。
[0037] 對數(shù)極坐標(biāo)變換后，根據(jù)流場聚團特點，將其運動狀態(tài)規(guī)律采用相位相關(guān)函數(shù)進 行補償。聚團大小和平移在對數(shù)極坐標(biāo)系下為在Log2(r巧由向上的平移，根據(jù)匹配基元對數(shù) 極坐標(biāo)的均值，在Log2(r巧由上進行相位補償，補償系數(shù)a為：
[00：3 引
（2)
[0039] 其中k = 0，l，2,3，-'n，n為自然數(shù)，ri、n分別為對數(shù)極坐標(biāo)下，W聚團輪廓質(zhì)屯、為 極點的極徑長度。
[0040] 聚團角度變換在對數(shù)極坐標(biāo)下為0軸的平移，在0軸向上進行相位補償，補償系數(shù)0 為：
[0041]
風(fēng)
[00創(chuàng)式中，4 = 0，12,3，一11，11為自然數(shù)，目1、目2分別為對數(shù)極坐標(biāo)下，^聚團輪廓質(zhì)屯、為 極點的旋轉(zhuǎn)角度。通過補償系數(shù)a、e，對兩幅切片圖像進行相位補償，補償后兩幅切片圖像 對數(shù)極坐標(biāo)分布如圖2(b)所示，從圖中可W看出，目標(biāo)圖像與待捜索圖像在Log2(r巧由向和 0軸向上呈相似的分布規(guī)律，可進一步基于匹配約束條件獲得最優(yōu)的"切片"匹配。
[0043] 在上述相位補償基礎(chǔ)上，本發(fā)明設(shè)計了=級匹配約束來實現(xiàn)高精度，高準(zhǔn)確率的 切片圖像匹配，即基于對數(shù)極徑特征、鄰域角度特征W及旋轉(zhuǎn)角度特征采取相應(yīng)約束條件， 唯一確定最佳匹配點。
[0044] 第一級對數(shù)極徑約束，通過約束篩選對數(shù)極徑長度滿足條件的待匹配點。即根據(jù) 每一基元質(zhì)屯、得到聚團邊緣對數(shù)極徑，設(shè)定闊值8,作為第一級滿足條件的所有像素集，即
[0045] 化-p^5 (4)
[0046] 其中，P2、Pi分別為目標(biāo)圖像和捜索圖像中某聚團邊緣的對數(shù)極徑，S為對數(shù)極徑闊 值，取Max{(P2-Pi)/2}。
[0047] 第二級梯度約束，角度梯度表征待匹配點鄰域角度變化趨勢，通過待匹配點鄰域 角度變化進一步篩選滿足約束條件的待匹配點。即根據(jù)每一基元質(zhì)屯、得到氣聚團邊緣像素 旋轉(zhuǎn)角度，在相鄰梯度方向上設(shè)定闊值T，作為第二級滿足條件的所有像素集，即
[004引 A目廣A目2<丫 (5)
[0049] 其中，A0i、A02分別為目標(biāo)圖像和捜索圖像某聚團邊緣角度梯度值，該示例中丫 取為經(jīng)驗值0.02。
[0050] 第S級角度約束，角度表征待匹配點相對于質(zhì)屯、的偏轉(zhuǎn)角度。即選取W聚團質(zhì)屯、 為極點，聚團邊緣相對質(zhì)屯、的偏轉(zhuǎn)角度，在切片圖像中偏轉(zhuǎn)角度差最小的，即Min {01-02}為 最優(yōu)匹配點。
[0051] "切片"匹配流程如圖3所示，采用該方法處理后的圖像信息豐富，對邊緣信息保存 良好，運算速度快，匹配成功率和匹配精度高。
[0052] 在基于輪廓和對數(shù)極坐標(biāo)變換匹配算法基礎(chǔ)上，可W進一步實現(xiàn)圖像層間插值， 進而實現(xiàn)流動結(jié)構(gòu)=維重建。根據(jù)高含氣氣液兩相泡狀流動特征，采用拋物差值算法實現(xiàn) 對插值圖像的預(yù)測。設(shè)多項式L2(X) = ao+aix+a2X2，為過；點(XO，yo)、（Xi，yi)、（X2，y2)的拋物 線，余項R2(x)=f (X)-Ls(X)，為近似函數(shù)f (X)與真實函數(shù)L2(x)誤差，設(shè)XE [a，b]，任意取寫 E(a,b)，有
[0053]
巧）
[0054] 通過經(jīng)驗計算，該值一般小于1，算法快速且精度高。圖4所示為基于拋物線插值的 高含氣氣液泡狀流=維重建結(jié)果。實際應(yīng)用中，根據(jù)切片圖像特點，也可W采用其它合適的 插值算法，如線性插值等，實現(xiàn)基于"切片"匹配的快速、高精度圖像插值和流動結(jié)構(gòu)=維重 建。
【主權(quán)項】
1. 一種高含氣氣液泡狀流切片匹配及三維重建方法，其特征是，通過數(shù)字圖像預(yù)處理 以及邊緣檢測算法，對連續(xù)幀切片圖像進行邊緣特征和二維質(zhì)心坐標(biāo)提取；以連續(xù)幀切片 中氣泡聚團二維質(zhì)心和邊緣特征為匹配基元，建立對數(shù)極坐標(biāo)系，并通過相位相關(guān)補償，基 于對數(shù)極徑約束、梯度約束以及角度約束實現(xiàn)連續(xù)幀切片圖像的對應(yīng)匹配，進而實現(xiàn)層間 圖像插值和三維重建。2. 如權(quán)利要求1所述的高含氣氣液泡狀流切片匹配及三維重建方法，其特征是，邊緣特 征和二維質(zhì)心坐標(biāo)提取后步驟進一步細(xì)化為，采用相位相關(guān)函數(shù)計算相關(guān)補償系數(shù)，并以 匹配基元為單位，實現(xiàn)對數(shù)坐標(biāo)系下連續(xù)幀切片圖像的相位補償； 采用第一級對數(shù)極徑約束，即基于每一聚團的質(zhì)心計算邊緣對數(shù)極徑，選取與目標(biāo)像 素點和質(zhì)心距離相近的像素點作為待匹配點集，并設(shè)定切片圖像間對數(shù)極徑小于閾值δ的 所有像素點，作為待匹配點； 在對數(shù)極徑約束基礎(chǔ)上，采用第二級梯度約束，即基于每一聚團邊緣的旋轉(zhuǎn)角度，選取 與目標(biāo)像素點鄰域角度梯度相似的像素點作為待匹配點集，并設(shè)定切片圖像間相鄰梯度方 向上梯度差值小于閾值γ的所有像素，作為待匹配點； 在梯度約束基礎(chǔ)上，采用第三級角度約束，即以聚團質(zhì)心為極點，獲取聚團邊緣相對質(zhì) 心的偏轉(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； 最后，基于線性插值或拋物線插值插值算法，對最優(yōu)匹配像素點實現(xiàn)層間插值，并根據(jù) 所有連續(xù)幀切片圖像及插值圖像實現(xiàn)三維重建。3. 如權(quán)利要求1所述的高含氣氣液泡狀流切片匹配及三維重建方法，其特征是，采用相 位相關(guān)函數(shù)進行補償具體步驟是，聚團大小和平移在對數(shù)極坐標(biāo)系下為在Log 2(r)軸向上 的平移，根據(jù)匹配基元對數(shù)極坐標(biāo)的均值，在Log2(r)軸上進行相位補償，補償系數(shù)α為：(2) η 其中1^ = 0，1，2,3，-_11，11為自然數(shù)，1'1、^分別為對數(shù)極坐標(biāo)下，以聚團輪廓質(zhì)心為極點 的極徑長度； 聚團角度變換在對數(shù)極坐標(biāo)下為Θ軸的平移，在Θ軸向上進行相位補償，補償系數(shù)β為：㈧ 式中，k = 0,12,3，··· η，η為自然數(shù)，Θ:、Θ 2分別為對數(shù)極坐標(biāo)下，以聚團輪廓質(zhì)心為極點 的旋轉(zhuǎn)角度，通過補償系數(shù)α、β，對兩幅切片圖像進行相位補償。
【專利摘要】本發(fā)明屬于氣液兩相流三維測量領(lǐng)域，為提供一種高含氣氣液泡狀流“切片”匹配和三維重建方法，從而對連續(xù)幀切片圖像進行準(zhǔn)確、快速地匹配，進而實現(xiàn)圖像插值以及流動結(jié)構(gòu)三維重建。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三維重建方法，通過數(shù)字圖像預(yù)處理以及邊緣檢測算法，對連續(xù)幀切片圖像進行邊緣特征和二維質(zhì)心坐標(biāo)提??；以連續(xù)幀切片中氣泡聚團二維質(zhì)心和邊緣特征為匹配基元，建立對數(shù)極坐標(biāo)系，并通過相位相關(guān)補償，基于對數(shù)極徑約束、梯度約束以及角度約束實現(xiàn)連續(xù)幀切片圖像的對應(yīng)匹配，進而實現(xiàn)層間圖像插值和三維重建。本發(fā)明主要應(yīng)用于氣液兩相流三維測量。
【IPC分類】G06T17/00
【公開號】CN105719337
【申請?zhí)枴緾N201610047666
【發(fā)明人】薛婷, 吳斌, 李曉陽
【申請人】天津大學(xué)
【公開日】2016年6月29日
【申請日】2016年1月21日