CN109741282A - 一种基于预估校正的多帧气泡流图像处理方法 - Google Patents
一种基于预估校正的多帧气泡流图像处理方法 Download PDFInfo
- Publication number
- CN109741282A CN109741282A CN201910039297.5A CN201910039297A CN109741282A CN 109741282 A CN109741282 A CN 109741282A CN 201910039297 A CN201910039297 A CN 201910039297A CN 109741282 A CN109741282 A CN 109741282A
- Authority
- CN
- China
- Prior art keywords
- bubble
- image
- target
- mass center
- size
- 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.)
- Granted
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及一种基于预估校正的多帧气泡流图像处理方法,其特征在于,包括以下步骤:1)对当前帧气泡阴影图像进行处理,得到当前帧气泡的弧段图像;2)根据已知帧气泡阴影图像中各目标气泡质心和大小数据,预估当前帧气泡阴影图像中各目标气泡的质心大小;3)根据预估的当前帧气泡阴影图像中各目标气泡的质心和大小,对弧段图像中的各弧段进行分组匹配;4)校正弧段图像中各目标气泡的质心和大小;5)将校正后各目标气泡的质心和大小作为已知帧气泡阴影图像中各目标气泡的质心和大小数据,进入步骤1),对其他帧气泡阴影图像进行处理,直至完成多帧气泡阴影图像中所有目标气泡的质心和大小的校正,本发明可广泛用于环境模拟实验技术领域中。
Description
技术领域
本发明是关于一种基于预估校正的多帧气泡流图像处理方法,属于环境模拟实验技术领域。
背景技术
气泡流的动力学特性研究在环境、化工等领域均有广泛的应用背景。在实验室条件下,常采用高速相机拍摄记录气泡流运动的高频图像。对气泡阴影图像进行进一步处理,得到气泡的形态信息和运动特征,进而研究气泡流的内部结构和发展规律。在气泡流的实验研究中,图像处理方法是核心,合理有效的图像处理方法可以为气泡流研究提供高效率、高精度的测量手段。
目前,低含气率气泡流实验的图像处理已有较成熟简单的方法,而高含气率气泡流实验由于气泡图像重叠程度高,气泡形状复杂,其图像处理一直是研究人员努力解决的问题之一。近年来,不少学者提出各种重叠气泡图像处理方法,但是对于气泡重叠度高、甚至发生完全遮挡的情况,仍存在识别率和准确率不高的问题,且已有的相关研究大多基于单帧气泡阴影图像信息。
发明内容
针对上述问题,本发明的目的是提供一种识别率和准确率高的基于预估校正的多帧气泡流图像处理方法。
为实现上述目的,本发明采取以下技术方案:一种基于预估校正的多帧气泡流图像处理方法,其特征在于,包括以下步骤:1)对当前帧气泡阴影图像进行处理,得到当前帧气泡的弧段图像;2)根据已知帧气泡阴影图像中各目标气泡的质心和大小数据,预估当前帧气泡阴影图像中各目标气泡的质心和大小;3)根据预估的当前帧气泡阴影图像中各目标气泡的质心和大小,对弧段图像中的各弧段进行分组匹配;4)采用最小二乘法,对同组弧段进行椭圆拟合,校正弧段图像中各目标气泡的质心和大小;5)将校正后各目标气泡的质心和大小作为已知帧气泡阴影图像中各目标气泡的质心和大小数据,进入步骤1),对其他帧气泡阴影图像进行处理,直至完成多帧气泡阴影图像中所有目标气泡的质心和大小的校正。
进一步,所述步骤1)中对当前帧气泡阴影图像进行处理,得到当前帧气泡的弧段图像,具体过程为:1.1)对当前帧气泡阴影图像依次进行滤波和二值化处理,得到当前帧气泡的二值数字图像;1.2)提取二值数字图像中各目标气泡连通区域的边界,得到当前帧气泡的边界图像;1.3)获取边界图像中的边界连接点,并根据获取的边界连接点,将边界分成若干弧段,得到当前帧气泡的弧段图像。
进一步,所述边界连接点为边界上各点曲率的曲率变化极值点。
进一步,当边界连接点的个数为0时,该边界仅包含一个弧段。
进一步,所述步骤2)的具体过程为:2.1)根据相邻两帧气泡阴影图像中各目标气泡的位置,得到各目标气泡的速度;2.2)根据各目标气泡的速度,预估当前帧气泡阴影图像中各目标气泡的质心和大小。
进一步,所述步骤3)的具体过程为:3.1)根据当前帧气泡阴影图像中各目标气泡的质心和大小,生成各目标气泡的对应预估泡。3.2)将包含在同一预估泡内的弧段划分为同组弧段,每一同组弧段均属于一相应目标气泡。
进一步,对于未匹配到任何弧段的目标气泡,在当前帧气泡阴影图像中的质心和大小采用预估的质心和大小表示。
本发明由于采取以上技术方案,其具有以下优点:1、本发明综合已知帧气泡阴影图像中目标气泡的信息,运用曲率法对重叠目标气泡进行边界分割,采用预估校正法对弧段进行分组,能够处理高含气率时气泡图像高重叠和气泡形状复杂的情况,提高气泡识别率和准确率,实现气泡的全过程追踪。2、本发明采用最小二乘法对气泡进行椭圆拟合重构,能够提高重叠目标中气泡的还原程度,为气泡流实验提供一种高精度的观测分析手段,可用于研究气泡羽流的内部结构及其输移扩散规律,适用于更大的初始流量范围。此外,本发明还可拓展应用于鱼卵输移运动、泥沙输移运动、海底溢油水下运动过程等基于高速摄像观测的实验研究中。
附图说明
图1是本发明方法的流程示意图;
图2是本发明方法的预估原理示意图;
图3是本发明方法的弧段分组方法示意图。
具体实施方式
以下结合附图来对本发明进行详细的描绘。然而应当理解,附图的提供仅为了更好地理解本发明,它们不应该理解成对本发明的限制。
如图1所示,本发明提供的基于预估校正的多帧气泡流图像处理方法,包括以下步骤:
1)对当前帧气泡阴影图像进行处理,得到当前帧气泡的弧段图像,具体为:
1.1)对当前帧气泡阴影图像依次进行滤波和二值化处理,得到当前帧气泡的二值数字图像。
1.2)提取二值数字图像中各目标气泡连通区域的边界,得到当前帧气泡的边界图像。
1.3)采用曲率法,获取边界图像中的边界连接点,并根据获取的边界连接点,将边界分成若干弧段,得到当前帧气泡的弧段图像,即:
计算各目标气泡连通区域的边界上各点的曲率,将曲率变化极值点作为边界连接点,当边界连接点的个数为0时,该边界仅包含一个弧段。
2)基于图像中目标气泡运动的连续性,根据已知帧气泡阴影图像中各目标气泡的质心和大小数据,预估当前帧气泡阴影图像中各目标气泡的质心和大小,具体为:
2.1)根据相邻两帧气泡阴影图像(即当前帧气泡阴影图像与位于当前帧后一帧的气泡阴影图像)中各目标气泡的位置,得到各目标气泡的速度,其中,位于最后一帧的气泡阴影图像可以与第一帧气泡阴影图像相邻,或者与最后一帧的前一帧气泡阴影图像相邻。
2.2)根据各目标气泡的速度,预估当前帧气泡阴影图像中各目标气泡的质心和大小。
如图2所示,W1表示目标气泡W在帧1(即当前帧)中的位置,W2表示目标气泡W在帧2(即当前帧的后一帧)中的位置,根据两帧气泡阴影图像中目标气泡W的位置和两帧时间差,计算得到的气泡速度,近似估算当前帧气泡阴影图像中目标气泡的质心位置。考虑目标气泡的大小形态变化不大,因此,当前帧气泡阴影图像中的目标气泡具有前一帧中目标气泡的特征尺度。
3)根据预估的当前帧气泡阴影图像中各目标气泡的质心和大小,对弧段图像中的各弧段进行分组匹配,具体为:
根据当前帧气泡阴影图像中各目标气泡的质心和大小,生成各目标气泡的对应预估泡(图3中的虚线所示),与弧段图像中的弧段匹配,即将包含在同一预估泡内的弧段划分为同组弧段,每一同组弧段均属于一相应目标气泡。
如图3所示,弧段S1属于目标气泡W,弧段S2属于目标气泡X,弧段S4属于目标气泡Z,弧段S3和弧段S5同属于目标气泡Y。
对于未匹配到任何弧段的目标气泡,即被完全遮挡的目标气泡,在当前帧气泡阴影图像中的质心和大小采用预估的质心和大小近似表示。
4)采用最小二乘法,对同组弧段进行椭圆拟合,重构弧段图像中的各目标气泡,校正各目标气泡的质心和大小,其中,最小二乘法可以采用现有技术公开的方法,具体过程在此不做赘述。
5)将校正后各目标气泡的质心和大小作为已知帧气泡阴影图像中各目标气泡的质心和大小数据,进入步骤1),对其他帧气泡阴影图像进行处理,直至完成多帧气泡阴影图像中所有目标气泡的质心和大小的校正。
6)输出校正后所有气泡阴影图像中所有气泡的运动速度场和形态分布等分析数据。
上述各实施例仅用于说明本发明,其中各部件的结构、连接方式和制作工艺等都是可以有所变化的,凡是在本发明技术方案的基础上进行的等同变换和改进,均不应排除在本发明的保护范围之外。
Claims (7)
1.一种基于预估校正的多帧气泡流图像处理方法,其特征在于,包括以下步骤:
1)对当前帧气泡阴影图像进行处理,得到当前帧气泡的弧段图像;
2)根据已知帧气泡阴影图像中各目标气泡的质心和大小数据,预估当前帧气泡阴影图像中各目标气泡的质心和大小;
3)根据预估的当前帧气泡阴影图像中各目标气泡的质心和大小,对弧段图像中的各弧段进行分组匹配;
4)采用最小二乘法,对同组弧段进行椭圆拟合,校正弧段图像中各目标气泡的质心和大小;
5)将校正后各目标气泡的质心和大小作为已知帧气泡阴影图像中各目标气泡的质心和大小数据,进入步骤1),对其他帧气泡阴影图像进行处理,直至完成多帧气泡阴影图像中所有目标气泡的质心和大小的校正。
2.如权利要求1所述的一种基于预估校正的多帧气泡流图像处理方法,其特征在于,所述步骤1)中对当前帧气泡阴影图像进行处理,得到当前帧气泡的弧段图像,具体过程为:
1.1)对当前帧气泡阴影图像依次进行滤波和二值化处理,得到当前帧气泡的二值数字图像;
1.2)提取二值数字图像中各目标气泡连通区域的边界,得到当前帧气泡的边界图像;
1.3)获取边界图像中的边界连接点,并根据获取的边界连接点,将边界分成若干弧段,得到当前帧气泡的弧段图像。
3.如权利要求2所述的一种基于预估校正的多帧气泡流图像处理方法,其特征在于,所述边界连接点为边界上各点曲率的曲率变化极值点。
4.如权利要求3所述的一种基于预估校正的多帧气泡流图像处理方法,其特征在于,当边界连接点的个数为0时,该边界仅包含一个弧段。
5.如权利要求1所述的一种基于预估校正的多帧气泡流图像处理方法,其特征在于,所述步骤2)的具体过程为:
2.1)根据相邻两帧气泡阴影图像中各目标气泡的位置,得到各目标气泡的速度;
2.2)根据各目标气泡的速度,预估当前帧气泡阴影图像中各目标气泡的质心和大小。
6.如权利要求1所述的一种基于预估校正的多帧气泡流图像处理方法,其特征在于,所述步骤3)的具体过程为:
3.1)根据当前帧气泡阴影图像中各目标气泡的质心和大小,生成各目标气泡的对应预估泡。
3.2)将包含在同一预估泡内的弧段划分为同组弧段,每一同组弧段均属于一相应目标气泡。
7.如权利要求6所述的一种基于预估校正的多帧气泡流图像处理方法,其特征在于,对于未匹配到任何弧段的目标气泡,在当前帧气泡阴影图像中的质心和大小采用预估的质心和大小表示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910039297.5A CN109741282B (zh) | 2019-01-16 | 2019-01-16 | 一种基于预估校正的多帧气泡流图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910039297.5A CN109741282B (zh) | 2019-01-16 | 2019-01-16 | 一种基于预估校正的多帧气泡流图像处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109741282A true CN109741282A (zh) | 2019-05-10 |
CN109741282B CN109741282B (zh) | 2021-03-12 |
Family
ID=66364949
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910039297.5A Active CN109741282B (zh) | 2019-01-16 | 2019-01-16 | 一种基于预估校正的多帧气泡流图像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109741282B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111415348A (zh) * | 2020-03-25 | 2020-07-14 | 中国计量大学 | 一种汽车制动管道内气泡特征的提取方法 |
CN114943833A (zh) * | 2022-03-28 | 2022-08-26 | 台州学院 | 一种气液反应器中气泡流的气泡识别图像处理方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1830004A (zh) * | 2003-06-16 | 2006-09-06 | 戴纳皮克斯智能成像股份有限公司 | 凝胶电泳图像的分割和数据挖掘 |
CN101216885A (zh) * | 2008-01-04 | 2008-07-09 | 中山大学 | 一种基于视频的行人人脸检测与跟踪算法 |
CN101359400A (zh) * | 2008-09-17 | 2009-02-04 | 湖南大学 | 一种基于视觉的管口空间位置定位方法 |
CN102646279A (zh) * | 2012-02-29 | 2012-08-22 | 北京航空航天大学 | 一种基于运动预测与多子块模板匹配相结合的抗遮挡跟踪方法 |
CN103150723A (zh) * | 2013-01-25 | 2013-06-12 | 西安电子科技大学 | 基于形状和椭圆拟合的胃部ct图像淋巴结检测系统及方法 |
CN104050687A (zh) * | 2014-06-26 | 2014-09-17 | 中国矿业大学(北京) | 一种浮选泡沫运动模式的分析处理方法 |
US9087372B2 (en) * | 2009-05-15 | 2015-07-21 | General Electric Company | Automated fly through review mechanism |
CN106331518A (zh) * | 2016-09-30 | 2017-01-11 | 北京旷视科技有限公司 | 图像处理方法及装置和电子系统 |
CN108548817A (zh) * | 2018-03-26 | 2018-09-18 | 清华大学 | 多相浮射流实验发生装置及油滴气泡阴影图像处理方法 |
CN108896574A (zh) * | 2018-05-11 | 2018-11-27 | 四川大学 | 一种基于机器视觉的瓶装白酒杂质检测方法及系统 |
CN109102018A (zh) * | 2018-08-10 | 2018-12-28 | 深圳市瑞图生物技术有限公司 | 妇科分泌物图像的多标签分类方法 |
-
2019
- 2019-01-16 CN CN201910039297.5A patent/CN109741282B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1830004A (zh) * | 2003-06-16 | 2006-09-06 | 戴纳皮克斯智能成像股份有限公司 | 凝胶电泳图像的分割和数据挖掘 |
CN101216885A (zh) * | 2008-01-04 | 2008-07-09 | 中山大学 | 一种基于视频的行人人脸检测与跟踪算法 |
CN101359400A (zh) * | 2008-09-17 | 2009-02-04 | 湖南大学 | 一种基于视觉的管口空间位置定位方法 |
US9087372B2 (en) * | 2009-05-15 | 2015-07-21 | General Electric Company | Automated fly through review mechanism |
CN102646279A (zh) * | 2012-02-29 | 2012-08-22 | 北京航空航天大学 | 一种基于运动预测与多子块模板匹配相结合的抗遮挡跟踪方法 |
CN103150723A (zh) * | 2013-01-25 | 2013-06-12 | 西安电子科技大学 | 基于形状和椭圆拟合的胃部ct图像淋巴结检测系统及方法 |
CN104050687A (zh) * | 2014-06-26 | 2014-09-17 | 中国矿业大学(北京) | 一种浮选泡沫运动模式的分析处理方法 |
CN106331518A (zh) * | 2016-09-30 | 2017-01-11 | 北京旷视科技有限公司 | 图像处理方法及装置和电子系统 |
CN108548817A (zh) * | 2018-03-26 | 2018-09-18 | 清华大学 | 多相浮射流实验发生装置及油滴气泡阴影图像处理方法 |
CN108896574A (zh) * | 2018-05-11 | 2018-11-27 | 四川大学 | 一种基于机器视觉的瓶装白酒杂质检测方法及系统 |
CN109102018A (zh) * | 2018-08-10 | 2018-12-28 | 深圳市瑞图生物技术有限公司 | 妇科分泌物图像的多标签分类方法 |
Non-Patent Citations (3)
Title |
---|
周豪杰等: "气泡羽流内部结构的实验测量和图像处理方法", 《第十届全国流体力学学术会议——实验流体力学摘要集合》 * |
胡海鸥等: "基于弧段组合的直接最小二乘椭圆拟合", 《杭州师范大学学报(自然科学版)》 * |
蔡真: "基于光特性的水下气泡探测技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111415348A (zh) * | 2020-03-25 | 2020-07-14 | 中国计量大学 | 一种汽车制动管道内气泡特征的提取方法 |
CN114943833A (zh) * | 2022-03-28 | 2022-08-26 | 台州学院 | 一种气液反应器中气泡流的气泡识别图像处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109741282B (zh) | 2021-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108898610B (zh) | 一种基于mask-RCNN的物体轮廓提取方法 | |
CN109840471B (zh) | 一种基于改进Unet网络模型的可行道路分割方法 | |
CN108121991B (zh) | 一种基于边缘候选区域提取的深度学习舰船目标检测方法 | |
CN103955949B (zh) | 基于Mean-shift算法的运动目标检测方法 | |
CN107680116A (zh) | 一种监测视频图像中运动目标的方法 | |
CN110706191B (zh) | 一种基于红外图像拼接融合算法的高压容器检测方法 | |
CN111325165A (zh) | 考虑空间关系信息的城市遥感影像场景分类方法 | |
CN109767459A (zh) | 新型眼底图配准方法 | |
CN109741282A (zh) | 一种基于预估校正的多帧气泡流图像处理方法 | |
CN113888461A (zh) | 基于深度学习的小五金件缺陷检测方法、系统及设备 | |
CN104966095B (zh) | 图像目标检测方法及装置 | |
CN112507904B (zh) | 一种基于多尺度特征的教室人体姿态实时检测方法 | |
CN110335280A (zh) | 一种基于移动端的金融单据图像分割与矫正方法 | |
CN107609509A (zh) | 一种基于运动显著性区域检测的动作识别方法 | |
CN110827304A (zh) | 一种基于深度卷积网络与水平集方法的中医舌像定位方法和系统 | |
CN108961301A (zh) | 一种基于无监督逐像素分类的角毛藻图像分割方法 | |
CN114781514A (zh) | 一种融合注意力机制的漂浮物目标检测方法及系统 | |
CN112926486A (zh) | 一种舰船小目标的改进RFBnet目标检测算法 | |
CN113989261A (zh) | 基于Unet改进的无人机视角下红外图像光伏板边界分割方法 | |
CN106529441A (zh) | 基于模糊边界分片的深度动作图人体行为识别方法 | |
CN111461976A (zh) | 基于高效轻量级坐标神经网络的图像超分辨率方法 | |
CN105931191B (zh) | 基于凹凸混合正则先验的图像盲去卷积方法 | |
CN106997583A (zh) | 一种水下机器人自适应图像增强和特征提取方法 | |
CN104331700B (zh) | 基于轨迹能量扩散图的组行为识别方法 | |
CN105913084A (zh) | 一种基于密集轨迹和dhog的超声心动视频影像分类方法 |
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 |