CN104252623A - 一种高温蒸发型喷雾纹影图像识别与测量方法 - Google Patents
一种高温蒸发型喷雾纹影图像识别与测量方法 Download PDFInfo
- Publication number
- CN104252623A CN104252623A CN201410448198.XA CN201410448198A CN104252623A CN 104252623 A CN104252623 A CN 104252623A CN 201410448198 A CN201410448198 A CN 201410448198A CN 104252623 A CN104252623 A CN 104252623A
- Authority
- CN
- China
- Prior art keywords
- image
- spraying
- spray
- edge detection
- schlieren
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种高温蒸发型喷雾纹影图像识别与测量方法,针对高温喷雾蒸发图像较复杂的形态结构,采取分区处理的策略,先用改进背景差分边缘法检测喷雾液相区和混合区,再用帧间运算边缘法检测喷雾蒸汽区及混合区,最后对以上识别获得的区域进行融合及形态学等后处理步骤,得到完整的喷雾蒸发区域轮廓。随后进行喷雾特性测量计算,获得喷雾区的量化指标。本发明能够识别和自动测量预混燃烧式定容弹高温蒸发型喷雾图像,具有自动确定阈值、处理速度快,准确度高等优点。
Description
技术领域
本发明属于内燃机喷雾和图像处理识别技术领域,更具体地,涉及一种高温蒸发型喷雾纹影图像识别与测量方法。
背景技术
在全球化石能源资源日益减少和排放法规不断提高的严峻现实下,内燃机作为汽车等动力装置的原动机,节能减排是其研究的主要方向之一。内燃机燃料的喷雾蒸发过程是影响内燃机燃烧排放过程的最重要因素,开展对燃料的喷雾蒸发特性研究将十分有助于实现降低内燃机排放及改善内燃机性能。然而内燃机燃料的实际喷射雾化、扩散、蒸发等过程十分复杂,且伴随有循环变动,对环境条件的控制较为困难,因此不易开展观测研究。
目前,国际内燃机学界多采用纹影法在定容燃烧弹试验装置中研究内燃机燃料的喷雾蒸发特性。定容燃烧弹可以模拟内燃机缸内高温高压的喷雾燃烧环境,是研究喷雾燃烧过程的重要试验设备,预混式定容燃烧弹装置测试范围宽广,能满足研究要求,被国内外众多研究机构所采用。然而,在预混燃烧结束后,弹内气体的温度及密度会因燃烧和与壁面换热产生空间不均匀分布。燃烧诱发的小尺度强湍流和浮力诱发的大尺度弱湍流则使这种空间不均匀分布加剧为时空不均匀分布,导致环境气体存在随时间变化的随机密度梯度。通过纹影仪的可视化作用,环境气体密度梯度的时空变化被转化纹影图像上随时间变动的明暗相间的纹理,并贯穿喷雾过程的始末。因此在研究喷雾蒸发特性时,环境气体的时变纹理是一种复杂的时变背景噪声,使喷雾边界的识别非常困难。
准确识别纹影图像中喷雾区域的边界是测量喷雾宏观特性和研究喷雾演变历程的基础。早期研究中采用手动测量方法识别并测量实际喷雾的宏观参数,其存在识别随机性大、效率低和边界认定困难等问题。采用高速摄像技术后,单次喷射过程将产生数十至数百帧有效喷雾图像,需要采用具有效率高和稳定性好的图像处理程序对喷雾图像进行处理。喷雾图像处理程序的核心是确定图像分割阈值的算法,即判定喷雾图像中任意像素点是属于雾束主体还是环境背景。但是,传统的固定阈值法、灰度直方图波形分析法以及似然比检验法都不能很好处理与识别高温蒸发型喷雾纹影图像。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种高温蒸发型喷雾纹影图像的识别与测量方法,其目的在于解决复杂纹影噪声下喷雾区域的识别、分离与自动测量等技术问题,其具有很高的准确性和处理效率,解决了传统的图像处理方法不能很好识别与处理高温蒸发型喷雾纹影图像的技术问题。
为实现上述目的,本发明提供一种高温蒸发型喷雾纹影图像识别与测量方法,用于对预混燃烧式定容弹内的高温蒸发型喷雾纹影图像进行喷雾区域的识别与测量,以得到喷雾蒸发特性等量化指标,其特征在于,包括如下步骤:
S1:检测待处理图像帧的喷雾液相区、蒸汽区以及液相区和蒸汽区的混合区,其中,采用改进背景差分边缘检测方法检测液相区和混合区,采用帧间运算边缘检测方法检测蒸汽区和混合区。
所述改进背景差分边缘检测方法是在重构背景模型的基础上进行差分边缘检测,背景模型的重构过程为:以待处理图像的上一帧图像已识别出的喷雾区域为边界,边界内填充喷射开始时刻的前一帧图像相应区域的图像内容,边界外填充待处理图像的上一帧图像的背景区,从而得到重构图像,并将重构图像作为当前帧的背景模型,其中,边界内填充喷射开始时刻的前一帧图像相应区域中所指的“相应区域”即为边界内限定的且两幅图像中坐标相同的区域。在所述背景模型的基础上对待处理图像帧进行差分边缘检测,以得到喷雾液相区和混合区。
当处理本次喷射的第一帧图像时,背景模型即为喷射的拍摄的第一帧图像的前一帧图像。
所述帧间运算边缘检测,包括从高速摄影喷雾图像序列中提取待处理图像和待处理图像的前两帧图像一共三帧连续图像,对该连续的三帧图形进行标准差运算,获得三帧连续图像像素灰度值的标准差矩阵,确定该标准差矩阵阈值,根据该标准差矩阵阈值以获得喷雾蒸汽区和部分混合区。
S2:图像组合,其中,将所述步骤S1中采用改进背景差分边缘检测方法检测得到的喷雾液相区和混合区,以及采用帧间运算边缘检测方法检测获得的蒸汽区和混合区进行组合以得到完整的喷雾区轮廓。
S3:对所述步骤S2中获得的喷雾区轮廓进行喷雾特性参数测量与计算,以获得喷雾区的量化指标。
进一步的,所述步骤S1中的所述改进背景差分边缘检测方法,还包括采用改进的波形分析阈值法来确定差分图像边缘检测中图像灰度最佳阈值,具体的过程为,依次从差分图像直方图提取不少于三个的奇数个连续灰度值等级的像素数,以建立考察数组,以考察数组的无量纲化变异系数作为该数组内数据稳定性的考察依据,对差分图像灰度直方图进行变异系数的遍历计算,变异系数变化图拐点处即为改进背景差分边缘检测方法中图像灰度最佳阈值。
进一步的,所述步骤S1中的帧间运算边缘检测方法中,确定所述标准差矩阵阈值时,采用基于线性拉伸增强的Ostu阈值分割法以获得所述标准差矩阵阈值,并根据该标准差矩阵阈值对待处理图像帧进行处理,以得到喷雾蒸汽区和混合区。
进一步的,所述步骤S2中,使用矩阵“或”运算将改进背景差分边缘检测方法与帧间运算边缘检测方法分别识别出的区域进行组合,以得到完整的喷雾区轮廓。
进一步的,对所述步骤S2中获得的完整喷雾区先进行同化填补,接着进行形态学运算处理,以防止出现孔洞以及接合处出现图像的不连续现象。
进一步的,其特征在于,所述步骤S3中喷雾特性参数包括喷雾贯穿距,近场锥角,远场锥角,喷雾投影面积和喷雾体积。
本方法的核心思想是:针对高温喷雾蒸发图像较复杂的形态结构,采取分区处理的策略,先用改进背景差分边缘法检测喷雾液相区和混合区,再用帧间运算边缘法检测喷雾蒸汽区及混合区,最后对以上识别获得的区域进行融合及形态学等后处理步骤,得到完整的喷雾蒸发区域轮廓。随后进行喷雾蒸发特性测量计算,获得相应的量化指标,以对喷雾蒸发特性进行后续研究。
本发明中,采用改进背景差分边缘检测法,以待处理图像的上一帧图像已识别出的喷雾区域为边界,边界内填充喷射开始时刻的前一帧图像相应区域的图像内容,边界外填充待处理图像的上一帧图像的背景区,从而得到重构图像,并将重构图像作为当前帧的背景模型,可以最大限度的避免了时变纹理带来的背景噪声。
本发明中,采用改进的波形分析阈值法来确定差分图像边缘检测中图像灰度值的最佳的阈值,采用计算机依次从差分图像直方图提取不少于三个的奇数个连续灰度值等级的像素数,以建立考察数组,该考察数组具有多个,每个考察数组分别包含有3个像素数、5个像素数、7个像素数等等,一直到差分图像直方图所能提取的最多个奇数像素数,以各个考察数组的无量纲化变异系数作为自身数组内数据稳定性的考察依据,如此即为对差分图像灰度直方图进行变异系数的遍历计算,以变异系数与考察数组中像素数建立变异系数的变化图,该变化图拐点处即为改进背景差分边缘检测方法中图像灰度值的最佳阈值,根据该阈值较好了分离出液相区和部分混合区。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
1.本发明采用先分后合的处理策略对复杂的高温蒸发型喷雾纹影图像进行识别处理,根据喷雾区中液相区、蒸汽区以及混合区的运动特性,分别采用改进背景差分边缘检测方法检测液相区和部分混合区,采用帧间运算边缘检测方法检测蒸汽区和部分混合区,二者配合准确地检测出各个区域。
2.本发明方法中,改进背景差分边缘检测方法中图像灰度最佳阈值和帧间运算边缘检测中标准差矩阵阈值一共两个阈值的确定,为计算机根据运算规则和运算结果自动确定的,自动确定该阈值后才可进行下一步运算,该自动阈值确定方法不受环境、个人主观情绪的影响,具有较高的稳健性,极大提高原始图像的处理质量。
3.本发明方法处理速度远高于手工处理方法,并且了保持了极高的准确性,可以满足当前喷雾蒸发试验图像处理的需求,实际情况中,应用高速摄像仪时,单次实验将产生200~500帧左右的图像,可在10分钟内处理完毕,其处理结果可直接定量输出喷雾过程中喷雾的各种量化指标,极大减轻科研人员的工作量,提高科研效率。
本发明方法解决了预混定容燃烧弹内高温蒸发型喷雾纹影图像的识别难题,有助于内燃机领域科研工作者在清洁能源开发、喷射策略开发及喷孔设计等方向开展喷雾蒸发特性的研究工作,具有广泛的应用前景。
附图说明
图1是典型的预混燃烧式定容弹内高温蒸发型喷雾纹影图像;
图2是本发明提出的高温蒸发型喷雾纹影图像识别方法的流程示意图;
图3是本发明提出的改进背景差分边缘检测方法流程示意图;
图4(a)、(b)、(c)及(d)依次分别是本发明提出的背景模型的重构过程图像演化过程;
图5是本发明实施例的差分图像;
图6(a)是本发明实施例中差分图像的图像矩阵的灰度直方统计图;
图6(b)是本发明实施例中差分图像图像矩阵灰度直方统计图的局部放大图;
图7是本发明实施例中遍历差分图像的灰度直方图得到的变异系数变化曲线示意图;
图8是本发明提出的帧间运算边缘检测方法流程示意图;
图9(a)、(b)和(c)依次分别是本发明提出的基于线性拉伸增强Ostu阈值分割法处理过程的演变图;
图10(a)、(b)、(c)、(d)、(e)和(f)依次分别是本发明提出的高温蒸发型喷雾纹影图像处理过程的演变图;
图11是本发明提出的高温蒸发型喷雾区的喷雾特性参数的示意图;
图12(a)、(b)、(c)、(d)、(e)、(f)、(g)、(h)、(i)及(j)依次展示的是150MPa喷射压力下900K高温环境下对喷雾蒸发历程的纹影图像的处理;
图13是按照本发明方法处理得到的不同喷射压力下蒸发型喷雾贯穿距离随时间的演化规律;
图14是按照本发明方法处理得到的不同喷射压力下蒸发型喷雾近场喷雾锥角随时间的演化规律;
图15是按照本发明方法处理得到的不同喷射压力下蒸发型喷雾远场喷雾锥角随时间的演化规律;
图16是按照本发明方法处理得到不同喷射压力下蒸发型喷雾锥角趋于稳定后取平均值获得的曲线图;
图17是按照本发明方法处理得到的不同喷射压力下蒸发型喷雾投影面积随时间的演化规律;
图18是按照本发明方法处理得到的不同喷射压力下蒸发型喷雾投影体积随时间的演化规律;
图19是按照本发明方法处理得到的不同环境温度下蒸发型喷雾投影面积随时间的演化规律;
图20是按照本发明方法处理得到的不同环境温度下蒸发型喷雾投影体积随时间的演化规律。
在所有附图中,相同的附图标记用来表示相同的元件或结构,其中:
1-背景纹影噪声区 2-液相区部分 3-气相区和液相区的混合区
4-蒸汽区
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
图1是典型的预混燃烧式定容弹内高温蒸发型喷雾纹影图像,该图像主要包括背景纹影噪声部分1与喷雾区,喷雾区又分为液相区2,蒸汽区4以及液相区和蒸汽区的混合区3。背景纹影噪声是位置与亮度都随时间连续变化的大范围纹影波动,正是由于它的时变性与复杂性,喷雾区边界识别变得相当困难。尽管喷雾纹影图像背景噪声复杂,但仍然能够凭肉眼大致判断出喷雾区边界位置,原因是:当被测对象的移动速度低于相机的特征速度时,可以形成清晰的图像,如背景纹影噪声;当被测对象的移动速度高于相机的特征速度时,就只能形成模糊的图像,如喷雾的蒸汽区。
为了从图像中分离出喷雾区,本发明提出一种高温蒸发型喷雾纹影图像的识别与测量方法,图2是本发明提出的高温蒸发型喷雾纹影图像识别方法的流程示意图,包含三个主要步骤,具体如下所述:
S1:检测待处理图像帧的喷雾液相区、蒸汽区以及液相区和蒸汽区的混合区,其中,采用改进背景差分边缘检测方法检测喷雾液相区和部分混合区,采用帧间运算边缘检测方法检测蒸汽区和部分混合区。
具体的,载入高速摄影喷雾图像序列后,进入改进背景差分边缘检测,图3是本发明提出的改进背景差分边缘检测方法流程示意图,改进背景差分边缘检测的核心是背景模型的动态更新以及差分图像边缘的提取。在喷雾持续期,一般为2~5毫秒,喷雾液相区域是相对稳定的,这里的稳定既包括液相区形态的稳定,也包括液相区喷雾密度的稳定,反映在纹影图像上即是液相区的位置和亮度的稳定。为了最大程度的保存液相区的图像特征并消除图像背景纹影波动带来的噪声,首先要建立合适的差分法背景模型。以待处理图像fi的上一帧图像fi-1已识别出的喷雾区域为边界,边界内填充为本次喷射开始时刻的前一帧图像f0相应区域的图像内容,此处f0为相机预拍的的最后一张图像,该图像的下一帧图像即为喷射后的第一帧图像。边界外为fi-1的背景区域,得到重构图像fbg,并将重构图像fbg为当前帧的背景模型,其数学计算式如下:
式中,f0为本次喷射开始时刻前的最后一帧图像,fi为待处理图像,fi-1、Fi-1分别为待处理图像的前一帧原始图像与该原始图像处理后的二值化图像,1代表喷雾区域,0代表背景区域。
图4(a)、(b)、(c)及(d)依次分别是本发明提出的背景模型的重构过程的图像演化过程,图4(a)为喷雾开始前一帧图像f0,图4(b)和图4(c)分别为待处理图像fi的上一帧图像fi-1与fi-1处理后的二值化图像Fi-1,图4中(d)为重构背景图像fbg,虽然图4(d)与图4(a)看似相似,但是以图4(d)作为重构背景能最大程度地保存液相区的图像特征,并消除图像背景纹影波动带来的噪声。
接着,对当前待处理图像帧fi与重构的背景模型fbg进行差分处理,得到差分图像dfi:
dfi(x,y)=|fi(x,y)-fbg(x,y)| (2)
图5是本发明实施例获得的差分图像,其为灰度图像。在得到该差分图像后,采用改进的波形分析阈值法以进行阈值分割而得到液相区和部分混合区。具体的,差分图像的灰度直方图表现出单峰形态,如图6(a)所示,图6(a)是本发明实施例中差分图像的图像矩阵的灰度直方统计图,波峰代表低灰度级区,随着灰度值增大,相应像素点数目急剧减少,当灰度值增大到一定程度后,急剧减少的趋势明显放缓,即图像亮度达到一定值后,该亮度对应的像素点数量均较少。结合图5的背景差分图像以及图4(d)的重构背景图像,可看出,喷雾纹影图像的喷雾液相区域和重构背景图像相应区域的灰度值差别较大,且液相在蒸发过程中,与环境气体的密度梯度越来越小,在差分图像上表现为灰度值越来越低。图6(b)是本发明实施例中差分图像矩阵灰度直方统计图的局部放大图,图6(b)中区域1为灰度值较小的部分,对应图5中纹影背景区域,图6(b)中区域2为灰度值较大的部分,对应图5中液相区。由图6变化趋势可以推断出位于差分图像灰度直方图急剧下降区的像素点大部分属于背景区域,而位于直方图平缓下降区的像素点属于喷雾区域,最佳的分离点即是“急降区“与“缓降区”的交叉点,见图6(b)中点3处。在这个基础上,本发明提出改进的波形分析阈值法来确定差分图像矩阵的最佳的阈值T1。
为使T1自动适应图像的变化,依次从差分图像直方图提取2t+1个连续灰度值等级的像素数建立考察数组P,以数组P的无量纲化变异系数cv作为组内数据稳定性的考察依据,cv计算公式如下:
式中,σ与μ分别代表数组内元素的标准差与平均值。
对差分图像灰度直方图进行变异系数cv的遍历计算。数组半径t的大小与图像拍摄条件有关,取值范围在5~10,在本发明实施例中取值为10。
图7是本发明实施例中遍历差分图像的灰度直方图得到的变异系数变化图,横坐标代表数组的序号,本实施例中一共具有235个序号,分别为1~235。变异系数变化图拐点处的考察数组的中位像素灰度值hi为直方灰度图上“急降区“与“缓降区”的分叉点,即为改进背景差分边缘检测步骤的图像灰度最佳阈值T1,根据图像灰度最佳阈值T1,大于该阈值的区域为喷雾液相区和部分混合区域,小于该阈值的区域为背景区域。
另一方面,还进行帧间运算边缘检测以获得蒸汽区和部分混合区,其具体流程图见图8,图8即为本发明提出的帧间运算边缘检测方法流程示意图。喷雾蒸汽区及部分混合区与环境气体的密度梯度小,折射率梯度小,导致喷雾区域亮度较高,与背景纹影亮度接近,采用背景差分法不易直接分割。对这部分区域,需要采用其他算法进行识别。对喷油蒸发湍流结构的分析表明,喷油蒸发图像中的湍流纹理主要归因于高速湍动的喷油蒸汽和低速湍动的环境气体,根据这两种类型湍流的特征时间尺度和特征空间尺度特点,可通过将图像历史信息进行关联分析的方法区分两种类型湍流的边界。为此,本发明提出了帧间运算边缘检测方法对喷雾蒸汽区域进行检测识别。
具体的,从高速摄影喷雾图像序列中提取待处理图像帧fi和其前两帧图像fi-1、fi-2,建立包括时间维度的三维图像矩阵,x、y维度分别为各图像的像素点灰度值矩阵,对三个图像矩阵的每个像素点进行标准差计算,得到三帧图像每个像素点的时间维度标准差矩阵Fu。
式中,u为连续三帧像素点灰度值的平均值。
由标准差的计算公式可知,时间维度标准差矩阵Fu实质上反映出各像素点灰度在时间维度上变化的剧烈程度。也就是说,像素点在三帧的时间里灰度值变化越大,标准差矩阵Fu在此点的数值也越大,也即喷雾蒸汽区存在高频率波动区域。
本发明采用基于线性拉伸增强的Ostu阈值分割法确定帧间运算边缘检测步骤的标准差矩阵阈值T2。增强Ostu阈值分割法的具体算法是,首先寻找到待处理图像的灰度值矩阵中最大值maxlevel,以该最大值为基准对灰度值矩阵进行线性拉伸增强,本发明中图像为8bit图像,其线性增强公式如下:
式中,Fue是图像矩阵Fu线性增强后的矩阵。
在Fue基础上,利用Ostu阈值分割法自动选取T2进行二值化分割,并进行背景噪声块消除处理后,就可以得到目标区域Fot,即为喷雾蒸汽区域和部分混合区。图9(a)、(b)和(c)依次分别是本发明提出的基于线性拉伸增强Ostu阈值分割法处理过程的演变图,图9(a)是时间维度标准差矩阵Fu,图9(b)是线性增强后的矩阵Fue,图9(c)是二值化分割以及背景噪声块消除处理后得到的目标区域Fot,Fot可以准确地反映出喷雾蒸汽区和部分混合区。
S2:图像组合,其中,将步骤S1中采用改进背景差分边缘检测方法检测得到的喷雾液相区和混合区,以及采用帧间运算边缘检测方法检测获得的蒸汽区和混合区进行组合以得到完整的喷雾区轮廓。
具体的,融合算法使用矩阵“或”运算,见下式。
式中,Dcom为融合后的喷雾轮廓矩阵,Dedge为改进背景差分边缘检测算法得到的目标轮廓矩阵,Ddiff为帧间运算获得的目标轮廓矩阵。为防止出现孔洞以及接合处出现不连续现象,对融合后目标区域进行同化填补以及形态学运算等处理,该处理过程为,首先查找融合后目标区域内存在的孔洞,后采用参数为“holes”的IPF函数imfill执行同化填充操作,采用“disk结构”对图像进行形态重构,得到完整光顺的目标边界。
图10(a)、(b)、(c)、(d)、(e)和(f)依次分别是本发明提出的高温蒸发型喷雾纹影图像处理过程的演变图,图(a)至图(f)分别是原始纹影图像、背景差分边缘检测的二值化结果、帧间运算边缘检测的二值化结果、融合及后处理得到的二值化图像、识别出的喷雾轮廓以及分割得到的喷雾区域。
S3:喷雾特性参数测量与计算,以获得喷雾区的量化指标。
具体的,为了研究高温环境喷雾宏观特性,本发明测量的喷雾宏观参数主要包括:喷雾贯穿距、近场锥角、远场锥角、喷雾投影面积和喷雾体积。图11是本发明提出的高温蒸发型喷雾区的喷雾特性参数的定义示意图,现做详细说明如下:
喷雾贯穿距:如图11所示,喷孔P与喷雾投影面积中心B的连线延长线与喷雾轮廓线相交于点T,点P与点T的直线距离即定义为喷雾贯穿距S:
式中,Tx与Ty分别为点T的x坐标值与y坐标值,Px与Py分别为点P的x坐标值与y坐标值。
近场锥角与远场锥角:近场锥角着眼于描述喷孔近场处喷雾扩散规律,构造一个面积与喷雾上游部分投影面积相等,高度为S/2的等腰三角形,该等腰三角形的顶角即为喷雾的近场锥角,其中,喷雾上游部分为穿过直线PT中点且垂直于PT的直线与喷雾上游轮廓包裹的区域。而远场锥角主要描述的是喷雾整体的最大扩散程度,即是喷雾的包络线角度,往往受不规则喷雾头部形状的影响。近场锥角θnear-field与远场锥角θfar-field分别定义如下:
式中AP,S/2为喷雾上半部分的投影面积,喷雾质心线PB的连线将喷雾投影图像分为上下两部分,rh(i)与rl(i)分别为质心线PB上某点i与喷雾上下轮廓的垂直距离,S为喷雾贯穿距,S(i)为该点i到喷孔P点的距离。
喷雾投影面积与喷雾体积是衡量喷雾破碎和雾化过程效果的最直观指标,也是手动测量方法难以测量的参数。在喷射开始后的相同时刻下,喷雾投影面积与投影体积越大,说明卷吸空气越多,喷雾扩散混合的效果越好。喷雾投影面积Ap与喷雾体积Vp的计算公式如下:
式中,rh(i)与rl(i)分别为质心线PB上某点S(i)与喷雾上下轮廓的垂直距离,rh(i)为与上轮廓的垂直距离,rl(i)为与下轮廓的垂直距离。
图12展示的是150MPa喷射压力下900K高温环境下对喷雾蒸发历程的纹影图像的处理的演化过程,从图12(a)至图12(j)中可以发现,经过本发明方法处理后各个时刻的雾束轮廓被很好的分割出来,包括雾束边缘不规则的突起等局部特征也得到很好的识别。使用上述喷雾宏观特性测量方法对各时刻分割出的雾束轮廓进行测量,可以得到燃油在喷雾蒸发发展过程中各宏观特性参数的精确数值。分析测量结果可以定量了解喷雾各宏观特性参数随喷雾发展的变化规律,这些精确的统计测量结果将极大减轻研究者的工作量,具有重大意义。
图13为不同喷射压力下蒸发型喷雾贯穿距离随时间的演化规律,喷射压力直接提供给雾束的轴向动量,能够使喷雾沿轴向发展,所以高喷射压力下喷雾贯穿距明显较大。图14与图15分别为不同喷射压力下蒸发型喷雾近场与远场喷雾锥角随时间的演化规律,在初期发展阶段,喷雾近场锥角随时间有明显的下降趋势,这是因为雾束形态在初期由于未完全发展,形态呈团状,由近场锥角定义公式(9)计算,得到的结果较大,随着喷雾的发展,即当喷雾大于0.5ms,近喷孔端喷雾结构逐渐稳定,在一定范围内稳定波动,而远场锥角计算的是喷雾的整体包络角度,受到喷雾边缘不规则突起影响,所以在喷雾发展过程中波动较大。图16为喷雾锥角趋于稳定后取平均值的曲线,从图中可以发现,喷射压力的改变对喷雾锥角的影响不大。图17与图18为不同喷射压力下蒸发型喷雾投影面积与投影体积随时间的演化规律,燃油喷射压力越高,在相同喷射时间内喷入的燃油量越多,并且扩散动量也越大。因此在喷油持续期内,高喷射压力工况下喷雾投影面积与体积明显增长较快。又由于高喷射压力下喷雾的贯穿速度大,将较快撞击喷孔对面的壁面,喷雾区域受到压缩并沿壁面横向扩展。撞击壁面后喷雾面积和体积都有明显的下降趋势,并且高喷射压力喷雾的轴向动量大,撞击压缩程度大,导致下降的斜率也较大。图19与图20为不同环境温度下蒸发型喷雾投影面积与投影体积随时间的演化规律,在喷油初期,即喷雾持续时间小于2ms阶段,环境温度对燃油喷雾发展过程的影响不显著,该阶段可使用冷态喷雾规律描述。随着环境热空气不断与燃油进行热量和动量交换,特别是发生撞壁扰动后,较高环境温度下燃油的蒸发效果比较明显,能识别出的喷雾面积与体积都明显小于较低环境温度下的喷雾面积与体积,这是温度使燃油蒸发较低温快,且由于撞壁扰动加速蒸发以及混合的过程。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种高温蒸发型喷雾纹影图像识别与测量方法,用于对预混燃烧式定容弹内的高温蒸发型喷雾纹影图像进行喷雾区的识别与测量,以得到喷雾区的量化指标,其特征在于,包括如下步骤:
S1:检测待处理图像帧的喷雾液相区、蒸汽区以及液相区和蒸汽区的混合区,其中,采用改进背景差分边缘检测方法检测液相区和混合区,采用帧间运算边缘检测方法检测蒸汽区和混合区,
所述改进背景差分边缘检测方法是在重构背景模型的基础上进行差分边缘检测,背景模型的重构过程为:以待处理图像的上一帧图像已识别出的喷雾区域为边界,边界内填充喷射开始时刻的前一帧图像相应区域的图像内容,边界外填充待处理图像的上一帧图像的背景区,从而得到重构图像,并将重构图像作为当前帧的背景模型,在所述背景模型的基础上对待处理图像帧进行差分边缘检测,以得到喷雾液相区和部分混合区,
所述帧间运算边缘检测,包括从高速摄影喷雾图像序列中提取待处理图像和待处理图像的前两帧图像一共三帧连续图像,对该连续的三帧图形进行标准差运算,获得三帧连续图像像素灰度值的标准差矩阵,确定该标准差矩阵阈值,根据所述标准差矩阵阈值获得喷雾蒸汽区和部分混合区;
S2:图像组合,其中,将所述步骤S1中采用改进背景差分边缘检测方法检测得到的喷雾液相区和部分混合区,以及采用帧间运算边缘检测方法检测获得的蒸汽区和混合区进行组合以得到完整的喷雾区轮廓;
S3:对所述步骤S2中获得的喷雾区轮廓进行喷雾特性参数测量与计算,以获得喷雾区的量化指标。
2.如权利要求1所述的一种高温蒸发型喷雾纹影图像识别与测量方法,其特征在于,所述步骤S1中的所述改进背景差分边缘检测方法,还包括采用改进的波形分析阈值法来确定差分图像边缘检测中图像灰度最佳阈值,以根据该图像灰度最佳阈值分离出喷雾液相区和部分混合区,具体为,依次从差分图像直方图提取不少于三个的奇数个连续灰度值等级的像素数,以建立考察数组,以考察数组的无量纲化变异系数作为该数组内数据稳定性的考察依据,对差分图像灰度直方图进行变异系数的遍历计算,变异系数变化图拐点处即为改进背景差分边缘检测方法中图像灰度最佳阈值。
3.如权利要求1或2所述的一种高温蒸发型喷雾纹影图像识别与测量方法,其特征在于,所述步骤S1中的帧间运算边缘检测方法中,确定所述标准差矩阵阈值时,采用基于线性拉伸增强的Ostu阈值分割法以获得所述标准差矩阵阈值,并根据所述标准差矩阵阈值对待处理图像帧进行处理,以得到喷雾蒸汽区和部分混合区。
4.如权利要求1-3之一所述的一种高温蒸发型喷雾纹影图像识别与测量方法,其特征在于,所述步骤S2中,使用矩阵“或”运算将改进背景差分边缘检测方法与帧间运算边缘检测方法分别识别出的区域进行组合,以得到完整的喷雾区轮廓。
5.如权利要求4所述的一种高温蒸发型喷雾纹影图像识别与测量方法,其特征在于,对所述步骤S2中获得的完整喷雾区先进行同化填补,接着进行形态学运算处理,以防止出现孔洞以及接合处出现图像的不连续现象。
6.如权利要求1-5之一所述的一种高温蒸发型喷雾纹影图像识别与测量方法,其特征在于,所述步骤S3中喷雾特性参数包括喷雾贯穿距,近场锥角,远场锥角,喷雾投影面积和喷雾体积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410448198.XA CN104252623A (zh) | 2014-09-04 | 2014-09-04 | 一种高温蒸发型喷雾纹影图像识别与测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410448198.XA CN104252623A (zh) | 2014-09-04 | 2014-09-04 | 一种高温蒸发型喷雾纹影图像识别与测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104252623A true CN104252623A (zh) | 2014-12-31 |
Family
ID=52187503
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410448198.XA Pending CN104252623A (zh) | 2014-09-04 | 2014-09-04 | 一种高温蒸发型喷雾纹影图像识别与测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104252623A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105957087A (zh) * | 2016-05-09 | 2016-09-21 | 广州汽车集团股份有限公司 | 一种喷雾形态检测方法及装置 |
CN109060294A (zh) * | 2018-05-08 | 2018-12-21 | 江苏大学 | 一种强气流运动背景环境下喷雾气相可视化的测量装置及方法 |
CN109556348A (zh) * | 2018-11-29 | 2019-04-02 | 宁波泽锦电器科技有限公司 | 蒸汽现场识别系统 |
CN109579265A (zh) * | 2018-12-06 | 2019-04-05 | 朱朝峰 | 蒸汽紧急排出平台 |
CN112053345A (zh) * | 2020-09-02 | 2020-12-08 | 长春大学 | 基于机器视觉的gdi汽油机喷雾撞壁参数自动提取方法及系统 |
CN112067239A (zh) * | 2020-07-27 | 2020-12-11 | 中国航天空气动力技术研究院 | 一种基于纹影视频自动判断超声速风洞流场建立的方法 |
CN113295650A (zh) * | 2021-05-28 | 2021-08-24 | 北京理工大学 | 一种氢气三维浓度测试装置及其测试方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006039689A (ja) * | 2004-07-22 | 2006-02-09 | Nara Institute Of Science & Technology | 画像処理装置、画像処理方法、画像処理プログラムおよびそのプログラムを記録した記録媒体 |
-
2014
- 2014-09-04 CN CN201410448198.XA patent/CN104252623A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006039689A (ja) * | 2004-07-22 | 2006-02-09 | Nara Institute Of Science & Technology | 画像処理装置、画像処理方法、画像処理プログラムおよびそのプログラムを記録した記録媒体 |
Non-Patent Citations (1)
Title |
---|
马寅杰等: "高温惰性环境下蒸发型喷雾纹影图像的识别与应用", 《中国内燃机学会燃烧节能净化分会2014年学术年会暨先进发动机节能及测试技术论坛》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105957087A (zh) * | 2016-05-09 | 2016-09-21 | 广州汽车集团股份有限公司 | 一种喷雾形态检测方法及装置 |
CN109060294A (zh) * | 2018-05-08 | 2018-12-21 | 江苏大学 | 一种强气流运动背景环境下喷雾气相可视化的测量装置及方法 |
CN109556348A (zh) * | 2018-11-29 | 2019-04-02 | 宁波泽锦电器科技有限公司 | 蒸汽现场识别系统 |
CN109579265A (zh) * | 2018-12-06 | 2019-04-05 | 朱朝峰 | 蒸汽紧急排出平台 |
CN112067239A (zh) * | 2020-07-27 | 2020-12-11 | 中国航天空气动力技术研究院 | 一种基于纹影视频自动判断超声速风洞流场建立的方法 |
CN112067239B (zh) * | 2020-07-27 | 2022-06-03 | 中国航天空气动力技术研究院 | 一种基于纹影视频自动判断超声速风洞流场建立的方法 |
CN112053345A (zh) * | 2020-09-02 | 2020-12-08 | 长春大学 | 基于机器视觉的gdi汽油机喷雾撞壁参数自动提取方法及系统 |
CN112053345B (zh) * | 2020-09-02 | 2023-12-05 | 长春大学 | 基于机器视觉的gdi汽油机喷雾撞壁参数自动提取方法及系统 |
CN113295650A (zh) * | 2021-05-28 | 2021-08-24 | 北京理工大学 | 一种氢气三维浓度测试装置及其测试方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104252623A (zh) | 一种高温蒸发型喷雾纹影图像识别与测量方法 | |
Min et al. | Real time detection system for rail surface defects based on machine vision | |
CN110175658A (zh) | 一种基于YOLOv3深度学习的混凝土裂缝识别方法 | |
CN101996401B (zh) | 基于强度图像和深度图像的目标分析方法及设备 | |
CN103198479B (zh) | 基于语义信息分类的sar图像分割方法 | |
Sun et al. | A fast bolt-loosening detection method of running train’s key components based on binocular vision | |
CN109522855A (zh) | 结合ResNet和SENet的低分辨率行人检测方法、系统及存储介质 | |
CN102637301B (zh) | 航空摄影过程中实时自动评定影像色彩质量的方法 | |
Adomeit et al. | Analysis of cyclic fluctuations of charge motion and mixture formation in a DISI engine in stratified operation | |
Salvador et al. | Analysis of the combined effect of hydrogrinding process and inclination angle on hydraulic performance of diesel injection nozzles | |
Hill et al. | An application of tomographic PIV to investigate the spray-induced turbulence in a direct-injection engine | |
CN114077970B (zh) | 一种基于城市形态的碳排放相关因子的确定方法及装置 | |
CN103700117A (zh) | 一种基于tv-l1变分模型的鲁棒光流场估计方法 | |
CN103093200A (zh) | 快速精准定位图像中车牌的算法 | |
CN110532914A (zh) | 基于精细特征学习的建筑物检测方法 | |
Hanuschkin et al. | Investigation of cycle-to-cycle variations in a spark-ignition engine based on a machine learning analysis of the early flame kernel | |
CN103903257B (zh) | 基于几何块间隔共生特征和语义信息的图像分割方法 | |
CN109325451A (zh) | 一种基于深度学习的高空间分辨率耕地地块全自动提取技术 | |
Ma et al. | The development and application of an automatic boundary segmentation methodology to evaluate the vaporizing characteristics of diesel spray under engine-like conditions | |
CN103839271A (zh) | 一种基于最佳匹配的图像纹理合成方法 | |
Braun et al. | High-speed tomographic PIV measurements in a DISI engine | |
Wang et al. | Design and application of an algorithm for measuring particle velocity based on multiple characteristics of a particle | |
CN102621143B (zh) | 基于多维阈值约束的双视角多气泡同名匹配方法 | |
Dong et al. | Pixel-level intelligent segmentation and measurement method for pavement multiple damages based on mobile deep learning | |
CN109766780A (zh) | 一种基于深度学习的船舶烟雾排放在线检测和追踪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20141231 |
|
RJ01 | Rejection of invention patent application after publication |