CN107705318B - 一种基于边界示踪的湍流边界层流场测速方法 - Google Patents

一种基于边界示踪的湍流边界层流场测速方法 Download PDF

Info

Publication number
CN107705318B
CN107705318B CN201710722268.XA CN201710722268A CN107705318B CN 107705318 B CN107705318 B CN 107705318B CN 201710722268 A CN201710722268 A CN 201710722268A CN 107705318 B CN107705318 B CN 107705318B
Authority
CN
China
Prior art keywords
image
boundary
boundary layer
flow field
turbulent
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.)
Active
Application number
CN201710722268.XA
Other languages
English (en)
Other versions
CN107705318A (zh
Inventor
范广铭
孙建闯
李文超
孙中宁
郭恒辰
丁铭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Engineering University
Original Assignee
Harbin Engineering University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Harbin Engineering University filed Critical Harbin Engineering University
Priority to CN201710722268.XA priority Critical patent/CN107705318B/zh
Publication of CN107705318A publication Critical patent/CN107705318A/zh
Application granted granted Critical
Publication of CN107705318B publication Critical patent/CN107705318B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/215—Motion-based segmentation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/262—Analysis of motion using transform domain methods, e.g. Fourier domain methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Indicating Or Recording The Presence, Absence, Or Direction Of Movement (AREA)

Abstract

本发明提供了一种基于边界示踪的湍流边界层流场测速方法，用于获取单相条件下以氢气泡为示踪粒子的湍流边界层流体速度矢量分布，属于流体计算领域。本发明提供的方法步骤如下：通过专门实验装置获取氢气泡图像，并将得到的实验图像依次经过输入图像、直方图均衡算法、图像特征提取、FCM聚类分割、边界识别与跟踪、局部速度分布、提取速度最大值、设定快速傅里叶变换互相关算法最佳检测窗口、快速傅里叶变换互相关算法、速度矢量分布等处理过程最终得到速度矢量分布。本发明提供的方法简单易行，应用价值高，可操作性强，便于实现，对湍流边界层内存在的大尺度结构进行定量分析，补充了以氢气泡为示踪粒子湍流边界层拟序结构定量研究的空白。

Description

一种基于边界示踪的湍流边界层流场测速方法
技术领域
本发明提供的方法涉及湍流边界层拟序结构的定量分析，属于流体计算领域。
背景技术
湍流边界层内存在大尺度拟序结构，这结构主宰湍流中流体动量、能量传递，且具有主导湍动能的产生和维持湍流的重要作用，对于湍流边界层内拟序结构的研究现已成为能源行业中的热点问题。由于氢气泡具有跟随性强，可视化效果好的特点，许多相关学者采用氢气泡对湍流边界层内的拟序结构进行可视化实验研究，但目前以氢气泡为示踪粒子的可视化研究仅以实验现象和宏观统计等定性研究为主，对于如何根据氢气泡图像获取湍流边界层内流体的速度场并进行定量分析，目前还没有相关研究。并且目前市场上流行的PIV和DPIV等商用仪器仅限于特定示踪粒子，无法识别和检测氢气泡图像。
在现有的文献中，以氢气泡为示踪粒子进行流场测速的研究很少，(申功炘,马广云.氢气泡网格图像测速法—瞬态二维速度场测量[J].空气动力学学报,1994:186-190.)该方法只适用于低雷诺数均匀流动，对于剪切流不适用。
(徐友仁,唐洪武.氢泡示踪流场图象的计算机实时采集和定量分析[J].河海大学学报(自然科学版),1992(3):7-14.唐洪武,徐友仁.氢泡流场的微机实时采集和处理[J].水利水电科技进展,1990(4):53-60.)，该方法只能获取氢气泡边界处流体的流向速度，需采用专门的仪器对氢气泡图像进行分区处理，并且采用的互相关算法具有计算量大，计算复杂度高的缺点，自动化程度低。同时，该方法仅限于低速均匀流场，当氢气泡线由于流场变化而出现紊乱时，该方法将无法获取氢气泡定量信息。
(李静,姜曼松.DPIV对圆柱绕流的研究及运动参考坐标系的转换[J].船舶,2004(2):10-14.李静,姜曼松,孙泰屹,等.氢气泡粒子图像测速技术及初步应用[J].水道港口,2003,24(1):39-42.李绍武,唐一夫,曾冬.氢气泡DPIV技术在圆柱绕流流场测定中的应用[J].水道港口,2015(2):181-184.)。该方法均以低雷诺数下的主流区圆柱绕流测速为主，均采用传统的快速傅里叶变换互相关算法，但由于无法获取流道中局部流场信息，因此相关研究人员将流道的平均速度作为参数选择依据，然后根据检测结果通过对两帧图片间的时间间隔和检测窗口的大小进行枚举试验获得最佳参数，过程繁琐且效率低。此外，对于高雷诺数流体尤其对于湍流边界层内的流体，拟序结构的存在使得边界层内流体沿流向和法向运动过程中，存在流速梯度大，局部流速高等特点。采用平均流速作为参数选择依据，会使局部远大于平均速度的检测区域在检测过程中出现错误，因此该方法不能处理边界层内的流场。同时，氢气泡在湍流边界层内产生，实验得到的图像中氢气泡区和背景区对比度低，需要对图像进行有效特征强化处理。
发明内容
本发明的目的在于提供一种成本低、具有较高的应用价值的、简单易行的获取湍流边界层内流体速度矢量分布的方法。本发明的目的是这样实现的：通过专门实验装置获取氢气泡图像，并将得到的实验图像依次经过输入图像、直方图均衡算法、图像特征提取、FCM聚类分割、边界识别与跟踪、局部速度分布、提取速度最大值、设定快速傅里叶变换互相关算法最佳检测窗口、快速傅里叶变换互相关算法、速度矢量分布等处理过程最终得到湍流边界层内拟序结构的速度矢量分布。
本发明提供的方法构建了采用专门的氢气泡发生装置获取湍流边界层内流体氢气泡实验图像，采用最优参数后的直方图图像增强算法增强图像的有用特征，通过边界示踪法得到流场的局部速度分布，并将其结果作为快速傅里叶互相关算法的参数选择程序的一部分，编写MATALB程序并检测湍流边界层拟序结构，得到流场的速度矢量分布并进行定量分析。
与现有技术相比，本发明的优势在于：
1.建立一个适用于获取湍流边界层流场信息的氢气泡图像测速法；
2.提出氢气泡图像边界示踪法，并将实现快速傅里叶变换互相关算法的参数自动选取，同时并作为算法检测结果验证的一个可靠途径；
3.氢气泡可以直观地看出湍流边界层内大尺度拟序结构过程，可以人为选取存在这些结构的图像进行处理，提高效率；
4.本发明简单易行，成本低，可以较为准确地测得湍流边界层流体的速度矢量分布，应用范围广泛，对于其他湍流条件下的流体流动也适用；
5.将实验结果由定性分析拓展到定量研究，从得到的速度矢量分布中可以自动获取拟序结构间的距离，可以代替传统人工手动测量的繁琐流程，并能实时获取流场信息并得到最佳算法参数，自动化程度高。同时可以减小人工统计误差，检测结果对后续研究湍流拟序结构起到了指导作用；
6.本发明可以实现氢气泡图像不同区域分块处理，通过边界示踪法得到每一区域流场的局部最大速度，实现不同区域最佳参数选择，从而使检测得到的结果具有更加完善的局部信息，提高算法的精度。
附图说明
图1参数实时自动选取快速傅里叶变换互相关算法流程图；
图2(a)为第一帧标准PIV图像；
图2(b)为第二帧标准PIV图像；
图3为商用PIV检测速度矢量图；
图4为本专利检测速度矢量图；
图5为相同位置处的速度测试点；
图6为两种方法相对误差；
图7为氢气泡图像和待处理区域；
图8为FCM聚类结果；
图9(a)为第一帧图像氢气泡线边界标记结果；
图9(b)为第二帧图像氢气泡线边界标记结果；
图9(c)为第三帧图像氢气泡线边界标记结果；
图9(d)为第四帧图像氢气泡线边界标记结果；
图9(e)为第五帧图像氢气泡线边界标记结果；
图10为5帧图像边界示踪位移分布；
图11为本发明方法检测位移分布；
图12为两种方法相对误差；
图13为拟序结构氢气泡图像；
图14(a)为第一帧拟序结构氢气泡图像；
图14(b)为第二帧拟序结构氢气泡图像；
图15(a)为第一帧图像特征强化后的图像；
图15(b)为第二帧图像特征强化后的图像；
图16为采用本专利方法得到的速度矢量分布；
图17(a)为氢气泡图像不同位置标记；
图17(b)为标记1位置流向速度分布图；
图17(c)为标记2位置流向速度分布图；
图17(d)为标记3位置流向速度分布图；
图17(e)为标记4位置流向速度分布图；
图18(a)为三猝发过程不同位置标记以及长条带间距；
图18(b)为标记A对应的流向速度分布图；
图18(c)为标记B对应的流向速度分布图。
具体实施方式
下面结合附图对本发明做进一步的说明。
本发明所提供的方法具体步骤如下：
(1)运用专门氢气泡发生装置，在不同壁面高度和不同流向位置处对湍流边界层内部流体进行实验，获取并储存实验图像数据和对图像像素间距与实际距离的比例进行标定，并按照时间顺序逐一自动读取待处理的氢气泡图像；
(2)根据氢气泡图像特点试验选取图像增强算法的最优参数，并通过MATLAB软件实现，以增大背景与氢气泡对比度，使特征强化后得到图像数据特征得到最佳强化效果；
(3)然后对强化后的图像进行FCM聚类分割，首先选择最佳的聚类中心，然后采用FCM聚类分割算法对上述区域进行检测，得到最佳的分类灰度级，并据此进行图像区域划分，得到二值化后的图像；
(4)根据图像中氢气泡覆盖区域与背景区域的灰度值差异，对增强后的图像进行图像特征提取，将具有规则氢气泡线的区域提取出来，并采用高斯滤波对图像进行去噪；
(5)采用灰度梯度法识别上述二值化后的图像中氢气泡区与背景区的边界，对实时连续多帧图像进行边界跟踪、记录并存储边界像素值所在的坐标位置，进而得到流体局部流体分布，并得到局部瞬时最大速度；
(6)根据快速傅里叶变换互相关算法要求所检测的两幅图像间流体的最大位移在横向和纵向不能超过检测窗口的三分之一，以保证算法的检测精度。将上述得到的局部速度分布作为快速傅里叶变换互相关算法设定尺寸的依据，对于不同流速区域选取不同的检测窗口，从局部确保检测窗口大小满足三分之一原理，从而实现全局最优化处理结果，同时实现算法参数实时自动选取；
(7)可以根据图像特征得到流体随时间的位移分布，并通坐标转换得到实际流体的瞬时最大流向速度。该方法可以根据局部流场信息实时获取快速傅里叶变换互相关算法的最佳检测窗口，简化操作流程，并可程序化处理，自动化程度高，同时该方法也是对算法处理结果的一种可靠性验证；
(8)依据上述改进后的算法流程，编写MATLAB代码并对增强图像特征后的图像进行检测，并运用中值滤波对检测结果进行后处理，消除噪声引起的误差。然后运用程序和商用PIV仪器分别对标准PIV图像进一步验证本发明的可靠性；
(9)运用程序对处于猝发过程的图像数据进行处理，得到不同时刻的速度矢量分布，并对检测结果进行定量研究。
本发明适用于低和较高雷诺数下流体流动下的氢气泡图像测速。一方面利用氢气泡为示踪粒子的优点，使实验现象可视化效果明显，实现算法参数的自动选取，提高对图像的检测精度，可操作性强，便于实现。另一方面对湍流边界层内存在的大尺度结构进行定量分析，补充了以氢气泡为示踪粒子湍流边界层拟序结构定量研究的空白。
结合附图，对本发明提供的方法通过验证与实例做进一步补充，但本发明并不限于以下所提验证与实例。
验证1：标准图验证法
采用标准PIV图像验证程序的正确性，图2(a)和图2(b)是采用的两幅标准PIV图像，图3是商用PIV仪器处理结果，图4是本发明程序处理结果。从图2和图3中可以看出，本发明得到的结果与商用PIV仪器的结果趋于一致。为进一步说明检测结果的正确性，图5给出了图3和图4相同位置处的速度测试点，图6给出了两种方法的计算误差，最大误差满足在3.5％以下，说明本发明程序的正确性。
验证2：氢气泡图像边界示踪法
由于商用PIV仪器有效地检测以氢气泡为示踪粒子的图像，所以本发明提出一种检测程序对氢气泡图像处理有效性的方法。该方法包括图像特征提取、FCM聚类分割和边界识别与跟踪过程。图7是氢气泡图像，红色区间为待检测域。通过FCM聚类分割提取氢气泡线边界信息，如图8所示。然后对图7的氢气泡线边界进行标记和跟踪，如图9所示。为减少中间误差，用图9(e)的边界位移减去图9(a)的边界位移，可以得到4帧时间间隔的位移分布，如图10所示。根据图10得到最大位移值为9个像素值，则快速傅里叶变化互相关算法的检测窗口大小应该大于27个像素值，则检测窗口自动选择为32×32。用本专利方法对图9的5帧图像进行处理，得到相同位置氢气泡线移动位移，如图11所示。图12给出了两种方法的相对误差，从图12中可以看出，本发明提供的方法对氢气泡图像的处理是有效的。
实施例1：
通过实验得到处于双猝发过程中的图像，如图13所示。并选择时间间隔很近两帧处于该猝发过程的图像，如图14(a)和图14(b)所示。将选定的图像运用图像增强程序处理，增强氢气泡图像特征，如图15(a)和图15(b)所示。之后对这两幅图像进行预处理，该过程包括均值滤波和高斯滤波，然后采用本专利方法对其进行处理，并通过后处理可得到速度矢量分布图，如图16所示。然后对图16进行速度提取，可以得到不同位置的速度分布图，如图17(a)，图17(b)，图17(c)，图17(d)和图17(e)所示。对三猝发过程进行以检测过程，可以得到三猝发不同位置处的速度分布，如图18(a)，图18(b)和图18(c)所示，并且从图中可以看出，长条带所处位置基本与慢斑最小速度所对应的位置相同，如图18(a)所示的长条带间距为L1和L2。

Claims (6)

1.一种基于边界示踪的湍流边界层流场测速方法，其特征在于：所述方法步骤如下，通过专门实验装置获取氢气泡图像，并将得到的实验图像依次经过：(1)输入图像；(2)直方图均衡算法；(3)图像特征提取；(4)FCM聚类分割；(5)边界识别与跟踪；(6)局部速度分布；(7)提取速度最大值；(8)设定快速傅里叶变换互相关算法最佳检测窗口；(9)进行快速傅里叶变换互相关算法；(10)获取速度矢量分布；所述的设定快速傅里叶变换互相关算法最佳检测窗口的过程如下，快速傅里叶变换互相关算法要求所检测的两幅图像间流体的最大位移在横向和纵向不能超过检测窗口的三分之一，将得到的局部速度分布作为快速傅里叶变换互相关算法设定尺寸的依据，对于不同流速区域选取不同的检测窗口，从局部确保检测窗口大小满足三分之一原理，从而实现全局最优化处理结果，同时实现算法参数实时自动选取。
2.根据权利要求1所述的一种基于边界示踪的湍流边界层流场测速方法，其特征在于：所述的步骤(1)具体如下，运用专门氢气泡发生装置，在不同壁面高度和不同流向位置处对湍流边界层内部流体进行实验，获取并储存实验图像数据和对图像像素间距与实际距离的比例进行标定，并按照时间顺序逐一自动读取待处理的氢气泡图像。
3.根据权利要求1所述的一种基于边界示踪的湍流边界层流场测速方法，其特征在于：所述的图像特征提取过程如下，根据氢气泡图像特点试验选取图像增强算法的最优参数，并通过MATLAB软件实现，增大背景与氢气泡对比度，使特征强化后得到图像数据特征得到最佳强化效果。
4.根据权利要求1所述的一种基于边界示踪的湍流边界层流场测速方法，其特征在于：所述的FCM聚类分割如下，首先对强化后的图像选择最佳的聚类中心，然后采用FCM聚类分割算法对对强化后的图像区域进行检测，得到最佳的分类灰度级，并据此进行图像区域划分，得到二值化后的图像。
5.根据权利要求1所述的一种基于边界示踪的湍流边界层流场测速方法，其特征在于：所述的边界识别与跟踪的过程如下，根据图像中氢气泡覆盖区域与背景区域的灰度值差异，图像特征提取后将具有规则氢气泡线的区域提取出来，并采用高斯滤波对图像进行去噪；采用灰度梯度法识别二值化后的图像中氢气泡区与背景区的边界，对实时连续多帧图像进行边界跟踪、记录并存储边界像素值所在的坐标位置。
6.根据权利要求5所述的一种基于边界示踪的湍流边界层流场测速方法，其特征在于：所述的快速傅里叶变换互相关算法处理结果的验证过程如下，根据图像特征得到流体随时间的位移分布，并通坐标转换得到实际流体的瞬时最大流向速度，根据局部流场信息实时获取快速傅里叶变换互相关算法的最佳检测窗口。
CN201710722268.XA 2017-08-22 2017-08-22 一种基于边界示踪的湍流边界层流场测速方法 Active CN107705318B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710722268.XA CN107705318B (zh) 2017-08-22 2017-08-22 一种基于边界示踪的湍流边界层流场测速方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710722268.XA CN107705318B (zh) 2017-08-22 2017-08-22 一种基于边界示踪的湍流边界层流场测速方法

Publications (2)

Publication Number Publication Date
CN107705318A CN107705318A (zh) 2018-02-16
CN107705318B true CN107705318B (zh) 2021-03-30

Family

ID=61169823

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710722268.XA Active CN107705318B (zh) 2017-08-22 2017-08-22 一种基于边界示踪的湍流边界层流场测速方法

Country Status (1)

Country Link
CN (1) CN107705318B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109188020B (zh) * 2018-09-10 2020-09-25 中国长江三峡集团有限公司 一种基于尾流纹路识别的水面流速测量方法
CN110082558A (zh) * 2019-05-20 2019-08-02 郑州工程技术学院 一种烟草卷接包车间的通风流场测量方法
CN111024980B (zh) * 2019-12-18 2021-04-02 北京大学 自由界面附近层析粒子图像测速方法
CN111595550B (zh) * 2020-05-06 2022-07-15 三峡大学 一种得到岩石裂缝中液体驱替面位置的装置及方法
CN114235340B (zh) * 2020-06-09 2023-11-10 重庆交通大学 河道泡漩结构跟踪方法及通航预警方法
CN112067842B (zh) * 2020-09-04 2022-08-30 天津大学 一种基于非均匀查询窗口粒子图像测速技术的湍流边界层处理方法
CN112699583B (zh) * 2020-12-28 2023-06-20 中国航天空气动力技术研究院 一种用于热图技术的数据空间分块处理方法
CN113432829B (zh) * 2021-06-22 2023-01-31 刘雪岭 一种用于气、固、液多相云雾燃爆湍流场piv测量集成系统
CN114463653B (zh) 2022-04-12 2022-06-28 浙江大学 一种高浓度微群泡形态识别及轨迹追踪测速方法
CN115901168B (zh) * 2023-03-13 2023-05-16 中国空气动力研究与发展中心低速空气动力研究所 基于介质阻挡放电等离子体激励器的流场测量装置和方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5020374A (en) * 1989-11-17 1991-06-04 Ads Environmental Services, Inc. Velocity measurement system
CA2559190C (en) * 2004-03-10 2013-07-23 Cidra Corporation Method and apparatus for measuring parameters of a stratified flow
CN100348980C (zh) * 2005-01-18 2007-11-14 浙江大学 两相流数字粒子图像测速的方法
JP2007212271A (ja) * 2006-02-09 2007-08-23 Gunma Univ 流体速度計測方法およびその装置
CN101852814B (zh) * 2010-04-29 2012-05-30 中国农业大学 一种滴灌灌水器迷宫流道内流动的全场测试方法
CN103698554B (zh) * 2013-12-17 2017-04-19 华中科技大学 一种流场实时精确测量系统及方法

Also Published As

Publication number Publication date
CN107705318A (zh) 2018-02-16

Similar Documents

Publication Publication Date Title
CN107705318B (zh) 一种基于边界示踪的湍流边界层流场测速方法
Scharnowski et al. Particle image velocimetry-classical operating rules from today’s perspective
Fu et al. Development of a robust image processing technique for bubbly flow measurement in a narrow rectangular channel
US20220412732A1 (en) Gas-mapping 3d imager measurement techniques and method of data processing
CN104268883A (zh) 一种基于边缘检测的时频谱曲线提取方法
CN103218816B (zh) 一种基于视频分析的人群密度估计方法与人流量统计方法
CN103455813A (zh) 一种ccd图像测量系统光斑中心定位的方法
CN102274051B (zh) 一种超声图像膀胱容积自动测量方法及系统
CN104751473B (zh) 碳酸岩多尺度孔洞特征的确定方法及装置
CN103593849A (zh) 一种用于影像序列椭圆形人工目标点快速识别与跟踪方法
Zhao et al. An improvement of the Space-Time Image Velocimetry combined with a new denoising method for estimating river discharge
CN106340010B (zh) 一种基于二阶轮廓差分的角点检测方法
Mathai et al. Translational and rotational dynamics of a large buoyant sphere in turbulence
Conan et al. Sand erosion technique applied to wind resource assessment
CN102819740A (zh) 一种单帧红外图像弱小目标检测和定位方法
CN104457703A (zh) 基于多视觉小通道气液两相流参数测量系统及方法
Qureshi et al. Performance comparison of particle tracking velocimetry (PTV) and particle image velocimetry (PIV) with long-exposure particle streaks
Yeh et al. Applying adaptive LS-PIV with dynamically adjusting detection region approach on the surface velocity measurement of river flow
CN104766322A (zh) 基于测地线的脑血管长度及弯曲度度量方法
CN113588208A (zh) 基于图像法的Liutex积分定量流场测量方法
Yu et al. Correlation analysis of spatio-temporal images for estimating two-dimensional flow velocity field in a rotating flow condition
CN104574417A (zh) 一种图像边缘灰度起伏性度量与自适应检测方法
CN104569923A (zh) 基于速度约束的Hough变换快速航迹起始方法
Camussi et al. Statistical properties of vortical structures with spanwise vorticity in zero pressure gradient turbulent boundary layers
CN105374045A (zh) 一种基于形态学的图像特定形状尺寸目标快速分割方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant