CN109188020B - 一种基于尾流纹路识别的水面流速测量方法 - Google Patents

Abstract

本发明涉及一种基于尾流纹路识别的水面流速测量方法，其步骤：获取圆柱尾流视频，将视频文件按照播放次序转换为jpg格式的图像文件，得到流形学习样本图像；对流形学习样本图像进行预处理；根据预处理后流形学习样本图像相似度，计算任意两个样本之间的欧式距离，得到n维的距离矩阵；选取k值，根据欧式距离，计算两个样本间的流形距离；并利用等距特征映射算法，对距离矩阵进行降维，得到三维的欧式距离邻接图，并将欧式距离邻接图相应的转化为残值；根据流形学习所得的三维欧式距离邻接图的形状预判雷诺数Re的大小；欧式距离邻接图转化的残值存在拟合关系式；结合雷诺数预判结果，根据残值的拟合关系反推具体的雷诺数Re，最后得到来流流速。

Description

一种基于尾流纹路识别的水面流速测量方法

技术领域

本发明涉及一种水面流速测量方法，特别是关于一种基于尾流纹路识别的水面流速测量方法。

背景技术

水面流速是河流、湖泊的基本参量，流速测量是水文测验的重要手段。流速测量的方法众多，常用的包括毕托管、螺旋桨流速仪等接触式测量方法，以及激光多普勒测速技术(LDV)、声学多普勒测速技术(ADV)等非接触测量方法。自然条件下，流速测量的条件较为苛刻，适用的方法包括浮标追踪法、声学多普勒流速剖面仪、手持雷达等。这些流速测量的方法成本高、操作复杂且耗时长，限制了水面流速测量的广泛展开。

传统的图像测速技术(PIV)和粒子追踪测速技术(PTV)都是在流体中散布粒子，用粒子速度代表流体运动速度。它们的不同之处在于PIV中的粒子浓度更高，无法确定不同帧图像中各粒子的一一对应关系，需要采用自相关或者互相关的方法辨认粒子分布云图；PTV中的粒子浓度较低，可以追踪具体的各个粒子，直接计算粒子的运动速度进而得到流体的运动速度。PIV和PTV测速技术最早用于实验室内的流场测量，其后，许多学者将这些技术应用到自然水域，发展为大尺度粒子图像技术(LSPIV)。PIV或者PTV的设备比较贵重，有学者尝试在手机上实现PIV(PTV)的测量功能，但需要补充距离的测量，限制了手持式图像测速技术的方便使用。

水面流速是河流、湖泊的重要参数，也是水利、环境等学科测量的重要内容。流速测量的方法多种多样，但迄今为止还没有一直基于尾流纹路，以流动的特征参数为纽带的流速测量方法。近年来，随着流形学习等深度学习技术的发展，使得识别复杂图像/图像成为可能，通过数据处理，对复杂图像进行降维，可以获得流动的特征参数。水面形态和水体内部流动密切相关，水面纹路可以反映水下附近的流动。比如，卡门涡街的脱落频率和来流流速存在定量关系，为，

其中，f为脱落频率，U为来流流速，d为圆柱半径，Re为来流雷诺数。这些为根据水面纹路反演水面流速提供了理论支持。

水面纹路是内部流场的外在体现。当前，人们可以根据边界条件、流动参数等，通过模型试验或者数值模拟的方法，获得特定流场的分布。然而，根据已知流场反推流动参数尚存在困难，缺少必要的技术手段。另外，水面与空气接触，还受到风表面张力、风应力的影响，使得纹路的形状更为复杂多变，为水面纹路特征量的获取造成额外的困难。最后，应用卡门涡街频率导致Re数的范围较小，是否有更好的特征参数估算流速。这些问题限制了通过纹路识别估算特征流速的实现。

发明内容

针对上述问题，本发明的目的是提供一种基于尾流纹路识别的水面流速测量方法，该方法利用流形学习方法识别圆柱绕流纹路，确定不同雷诺数条件下的尾流纹路，反推来流流速，操作方便、测量快捷。

为实现上述目的，本发明采取以下技术方案：一种基于尾流纹路识别的水面流速测量方法，其包括以下步骤：1)通过数码相机和智能手机获取圆柱尾流视频，将视频文件按照播放次序转换为一帧一帧的jpg格式的图像文件，得到n个流形学习样本图像

其中，z_i表示第i帧图像；2)对流形学习样本图像进行预处理；3)根据预处理后流形学习样本图像相似度，计算任意样本z_i和样本z_j之间的欧式距离d_z(z_i,z_j)，得到n维的距离矩阵M_n(i,j)∈R^n×n，R^n×n表示n×n的实数矩阵；4)选取k值，根据欧式距离，计算两个样本间的流形距离；并利用等距特征映射算法，对距离矩阵M_n(i,j)进行降维，得到一维、二维和三维的欧式距离邻接图，并将欧式距离邻接图相应的转化为残值r₁、r₂、r₃；5)根据流形学习所得的三维欧式距离邻接图的形状预判雷诺数Re的大小；6)一维、二维、三维欧式距离邻接图转化的残值r₁、r₂、r₃存在拟合关系式；7)结合雷诺数预判结果，根据残值r₁、r₂、r₃的拟合关系反推具体的雷诺数Re，最后得到来流流速。

进一步，所述步骤2)中，对流形学习样本图像进行预处理包括以下步骤：2.1)将流形学习样本图像转换为灰度图并增强对比度，提高图片的可识别度；2.2)根据每帧图片的特征点，调整抖动等带来的误差；2.3)根据纹理特点，截取w×h像素的图片，形成d＝w×h维的学习样本，其中，w为图片宽度的像素数，h为图片高度的像素数，d为总像素数。

进一步，所述步骤4)中，k值的选取：选取距离某个点最近的k个点，采用k-isomap方法计算欧式距离，根据预先设定的精度和计算效率选取k的取值。

进一步，所述步骤5)中，根据三维欧式距离邻接图的形状预判雷诺数Re的大小：线性特征为低雷诺数Re<40，圆柱形状为中雷诺数40<Re<400，不规则形状为高雷诺数Re>400。

进一步，所述步骤6)中，残值r₁、r₂、r₃存在的拟合关系式为：

r_j＝α_jReexp(-β_j Re)，

式中，r_j表示残值，j＝1、2、3表示降维后的维数；α_j和β_j表示拟合系数；

进一步，所述步骤7)中，如果三维流形学习结果为中雷诺数的圆柱形状，对应卡门涡街，则利用图像获得涡旋的脱落频率，通过卡门涡街的脱落频率和来流流速存在定量关系反推流速，并对来流流速估算进行修正。

进一步，卡门涡街的脱落频率和来流流速存在定量关系为：

其中，f为脱落频率，U为来流流速，d为圆柱半径，Re为雷诺数。

本发明由于采取以上技术方案，其具有以下优点：1、本发明基于流形学习方法，利用圆柱绕流尾流纹路测量水面流速；基于便携的数码相机或者智能手机的影像，操作简便，易于推广，适合野外调研踏勘的流速测量。该方法可应用于小流域流速的测量，可提升小流域水文数据的精度和密度。2、本发明基于圆柱绕流尾流的纹路变化，利用流形学习的方法确定尾流变化的频率、残差等特征参数，进而能够快速估算来流的流速，操作方便、快捷。3、本发明基于图像技术测定水面流速，采用流形学习方法对水面纹路的图像数据进行降维，确定水面纹路的变化频率，根据频率、残差等特征参数和流速的关系，反推来流流速。

具体实施方式

为了提高流速估算的精度，本发明采用圆柱绕流的尾流纹路。圆柱绕流在自然界广泛存在，比如桥墩、芦苇后的尾流；即使没有现成的尾流，利用木棒等也很容易制造尾流。同时，圆柱绕流的研究比较深入，尾流的形态和纹路与来流流速密切相关，呈连续变化规律，对于流速估算具有良好的区分度。下面结合实施例对本发明进行详细的描述。

本发明提供一种基于尾流纹路识别的水面流速测量方法，该方法包括以下步骤：

1)通过数码相机和智能手机获取圆柱尾流视频，将视频文件按照播放次序转换为一帧一帧的jpg格式的图像文件，得到n个流形学习样本图像

其中，z_i表示第i帧图像。

2)对流形学习样本图像进行预处理：

2.1)将流形学习样本图像转换为灰度图并增强对比度，提高图片的可识别度；

2.2)根据每帧图片的特征点，调整抖动等带来的误差；

2.3)根据纹理特点，截取w×h像素的图片，形成d＝w×h维的学习样本，其中，w为图片宽度的像素数，h为图片高度的像素数，d为总像素数。

3)根据预处理后流形学习样本图像相似度，计算任意样本z_i和样本z_j之间的欧式距离d_z(z_i,z_j)，得到n维的距离矩阵M_n(i,j)∈R^n×n，R^n×n表示n×n的实数矩阵。

4)选取k值，根据欧式距离，计算两个样本间的流形距离；并利用等距特征映射(Isomap)算法，对距离矩阵M_n(i,j)进行降维，得到一维、二维和三维的欧式距离邻接图，并将欧式距离邻接图相应的转化为残值r₁、r₂、r₃；

其中，k值的选取：选取距离某个点最近的k个点，采用k-isomap方法计算欧式距离，根据预先设定的精度和计算效率选取k的取值，在本实施例中，k值优选为4～6个。

5)根据流形学习所得的三维欧式距离邻接图的形状预判雷诺数Re的大小：线性特征为低雷诺数(Re<40)，圆柱形状为中雷诺数(40<Re<400)，不规则形状为高雷诺数(Re>400)。

6)一维、二维、三维欧式距离邻接图转化的残值r₁、r₂、r₃存在良好的拟合关系，表示为：

r_j＝α_j Reexp(-β_j Re)，

式中，r_j表示残值，j＝1、2、3表示降维后的维数；α_j和β_j表示拟合系数。

7)结合雷诺数预判结果，根据残值r₁、r₂、r₃的拟合关系反推具体的雷诺数Re，最后得到来流流速；如果三维流形学习结果为中雷诺数的圆柱形状(对应卡门涡街)，利用图像获得涡旋的脱落频率，通过卡门涡街的脱落频率和来流流速存在定量关系反推流速，并对来流流速估算进行修正；

卡门涡街的脱落频率和来流流速存在定量关系为：

综上所述，本发明采用流形学习方法的等距特征映射(Isomap)算法对圆柱绕流的流场进行识别。流形学习的基本假设是某些高维数据实际是一种低维的流形结构嵌入在高维空间当中，因此，高维的数据都存在低维的本征结构。流形学习方法的主要思想是将高维的数据映射到低维,使该低维的数据能够反映原高维数据的某些本质结构特。Isomap是一种等距映射算法，它保证降维后的各点，两两之间距离不变，能保证高维数据的局部特征。

本发明通过降维计算，将复杂的流场视频数据，降维成一维、二维或三维数据；并通过低维数据，获取流场的特征参数，确定流场流速。本发明采用两种途径获得流动参数：一种途径是通过三维数据获得卡门涡街的涡旋脱落频率，进而估算来流流速；另外一种是根据一维数据、二维数据、三维数据的残值，估算来流流速。两种途径相结合，可以得到大范围变化Re的来流流速。

上述各实施例仅用于说明本发明，各部件的结构、尺寸、设置位置及形状都是可以有所变化的，在本发明技术方案的基础上，凡根据本发明原理对个别部件进行的改进和等同变换，均不应排除在本发明的保护范围之外。

Claims (7)

1.一种基于尾流纹路识别的水面流速测量方法，其特征在于，包括以下步骤：

1)通过数码相机和智能手机获取圆柱尾流视频，将视频文件按照播放次序转换为一帧一帧的jpg格式的图像文件，得到n个流形学习样本图像

其中，z_i表示第i帧图像；

2)对流形学习样本图像进行预处理；

3)根据预处理后流形学习样本图像相似度，计算任意样本z_i和样本z_j之间的欧式距离d_z(z_i,z_j)，得到n维的距离矩阵M_n(i,j)∈R^n×n，R^n×n表示n×n的实数矩阵；

4)选取k值，根据欧式距离，计算两个样本间的流形距离；并利用等距特征映射算法，对距离矩阵M_n(i,j)进行降维，得到一维、二维和三维的欧式距离邻接图，并将欧式距离邻接图相应的转化为残值r₁、r₂、r₃；

5)根据流形学习所得的三维欧式距离邻接图的形状预判雷诺数Re的大小；

6)一维、二维、三维欧式距离邻接图转化的残值r₁、r₂、r₃存在拟合关系式；

7)结合雷诺数预判结果，根据残值r₁、r₂、r₃的拟合关系反推具体的雷诺数Re，最后得到来流流速。

2.如权利要求1所述方法，其特征在于：所述步骤2)中，对流形学习样本图像进行预处理包括以下步骤：

2.1)将流形学习样本图像转换为灰度图并增强对比度，提高图片的可识别度；

2.2)根据每帧图片的特征点，调整抖动带来的误差；

2.3)根据纹理特点，截取w×h像素的图片，形成d＝w×h维的学习样本，其中，w为图片宽度的像素数，h为图片高度的像素数，d为总像素数。

3.如权利要求1所述方法，其特征在于：所述步骤4)中，k值的选取：选取距离某个点最近的k个点，采用k-isomap方法计算欧式距离，根据预先设定的精度和计算效率选取k的取值。

4.如权利要求1所述方法，其特征在于：所述步骤5)中，根据三维欧式距离邻接图的形状预判雷诺数Re的大小：线性特征为低雷诺数Re<40，圆柱形状为中雷诺数40<Re<400，不规则形状为高雷诺数Re>400。

5.如权利要求1所述方法，其特征在于：所述步骤6)中，残值r₁、r₂、r₃存在的拟合关系式为：

r_j＝α_j Reexp(-β_j Re)，

式中，r_j表示残值，j＝1、2、3表示降维后的维数；α_j和β_j表示拟合系数。

6.如权利要求1所述方法，其特征在于：所述步骤7)中，如果三维流形学习结果为中雷诺数的圆柱形状，对应卡门涡街，则利用图像获得涡旋的脱落频率，通过卡门涡街的脱落频率和来流流速存在定量关系反推流速，并对来流流速估算进行修正。

7.如权利要求6所述方法，其特征在于：卡门涡街的脱落频率和来流流速存在定量关系为：

其中，f为脱落频率，U为来流流速，d为圆柱半径，Re为雷诺数。