CN115239731A - 一种基于内燃机缸内浓度场的检测方法 - Google Patents
一种基于内燃机缸内浓度场的检测方法 Download PDFInfo
- Publication number
- CN115239731A CN115239731A CN202211161445.9A CN202211161445A CN115239731A CN 115239731 A CN115239731 A CN 115239731A CN 202211161445 A CN202211161445 A CN 202211161445A CN 115239731 A CN115239731 A CN 115239731A
- Authority
- CN
- China
- Prior art keywords
- background image
- image
- threshold
- light signal
- internal combustion
- 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
- 238000002485 combustion reaction Methods 0.000 title claims abstract description 61
- 238000001514 detection method Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000009466 transformation Effects 0.000 claims abstract description 38
- 239000004071 soot Substances 0.000 claims abstract description 22
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000011282 treatment Methods 0.000 abstract description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 6
- 229910052799 carbon Inorganic materials 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 239000000779 smoke Substances 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 235000002566 Capsicum Nutrition 0.000 description 1
- 101000694017 Homo sapiens Sodium channel protein type 5 subunit alpha Proteins 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 244000203593 Piper nigrum Species 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000191 radiation effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- 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
- G06T2207/20064—Wavelet transform [DWT]
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及碳烟浓度场检测领域,具体涉及一种基于内燃机缸内浓度场的检测方法。获取内燃机缸内炽光信号图像、第一背景图像以及第二背景图像;计算噪声信号方差;获取中心阈值;计算第一背景图像和第二背景图像的结构相似性,对中心阈值进行扩展得到多个中心阈值的扩展值;分别对第一背景图像和第二背景图像进行小波变换去噪,计算每个阈值下的联合信噪比,获取最优阈值,利用最优阈值对炽光信号图像进行小波变换去噪,得到去噪后的炽光信号图像;根据去噪后炽光信号图像对缸内浓度场进行检测。本发明通过炽光信号背景图像的对比来获取最优阈值,进而进行对图像进行去噪处理,提高了碳烟浓度场的计算精确度。
Description
技术领域
本发明涉及碳烟浓度场检测领域,具体涉及一种基于内燃机缸内浓度场的检测方法。
背景技术
内燃机作为当前生产生活火种广泛使用的一种动力机械,在国民工业经济生活领域发挥着重要作用。近年来,现代光学可视化方法和计算机技术在内燃机燃烧过程的研究中发挥重要作用。燃料在不同的燃烧条件下,在内燃机缸内燃烧会导致缸内的温度场密度场和碳烟浓度场发生不同的变化,而碳烟浓度场的变化可以反映内燃机的性能变化,因此对内燃机缸内碳烟浓度场的精确高效检测对内燃机整体的发展进步有重要作用。
当前基于光学技术和计算机技术的发展,利用该技术对内燃机缸内浓度场的检测也成为现实,然而当前主流的利用激光诱导炽光法通过计算两个不同的波长在内燃机的反射强度得到炽光信号图像中的炽光强度,进而通过炽光强度计算得到温度矩阵,然后对温度矩阵进行处理得到碳烟浓度场,然而在激光器得到的炽光信号图像时,激光信号本身就是一种干扰信号,因此现有技术中最终生成的炽光信号图像含有大量的椒盐噪声,带有噪声的炽光信号图像会影响到最终碳烟浓度场的检测结果。
因此为了解决现有技术中生成的炽光信号包含噪声,会影响最终碳烟浓度场检测结果的问题,本发明提出了一种基于内燃机缸内浓度场的检测方法。
发明内容
本发明提供一种基于内燃机缸内浓度场的检测方法,以解决现有的问题,包括:
获取内燃机缸内炽光信号图像、第一背景图像以及第二背景图像;计算噪声信号方差;获取中心阈值;计算第一背景图像和第二背景图像的结构相似性,对中心阈值进行扩展得到多个中心阈值的扩展值;分别对第一背景图像和第二背景图像进行小波变换去噪,计算每个阈值下的联合信噪比,获取最优阈值,利用最优阈值对炽光信号图像进行小波变换去噪,得到去噪后的炽光信号图像;根据去噪后炽光信号图像对缸内浓度场进行检测。
根据本发明提出的技术手段,根据炽光信号背景图像的对比对小波变换的阈值进行筛选从而获取最优阈值,进而利用最优阈值对图像进行去噪处理,能够实现小波变换去噪的阈值自适应的同时,保留了炽光信号本身的特征,最终能够得到准确去除噪声的炽光信号图像,从而提高了碳烟浓度场的计算精确度。
本发明采用如下技术方案,一种基于内燃机缸内浓度场的检测方法,包括:
获取内燃机缸内炽光信号图像及内燃机缸内第一背景图像,根据炽光信号图像及其第一背景图像获取第二背景图像。
对第二背景图像进行小波变换,得到第二背景图像的小波系数,根据第二背景图像的小波系数获取噪声信号方差;根据噪声信号方差以及第二背景图像中像素点的个数获取中心阈值。
计算第一背景图像和第二背景图像的结构相似性,利用第一背景图像和第二背景图像的结构相似性对中心阈值进行扩展得到多个中心阈值的扩展值;将中心阈值和中心阈值的扩展值作为小波变换的新阈值。
利用每一个新阈值分别对第一背景图像和第二背景图像进行小波变换去噪,计算第一背景图像和第二背景图像在每一个新阈值下进行小波变换去噪后的峰值信噪比。
根据第一背景图像和第二背景图像在每一个新阈值下进行小波去噪后的峰值信噪比计算该新阈值下的联合信噪比;获取所有新阈值对应的联合信噪比,将联合信噪比最大值对应的新阈值作为最优阈值。
利用最优阈值对炽光信号图像进行小波变换去噪,得到去噪后的炽光信号图像;根据去噪后的炽光信号图像对内燃机缸内浓度场进行检测。
进一步的,一种基于内燃机缸内浓度场的检测方法,获取中心阈值的方法为:
获取第二背景图像的小波系数中大于中值的所有小波系数,根据大于中值的所有小波系数的均值计算噪声信号方差;
获取第二背景图像中像素点的个数,根据噪声信号方差以及第二背景图像中像素点的个数计算中心阈值,表达式为:
进一步的,一种基于内燃机缸内浓度场的检测方法,计算第一背景图像和第二背景图像的结构相似性的方法为:
分别获取第一背景图像和第二背景图像中像素点的灰度值均值以及灰度值方差;
计算第一背景图像和第二背景图像之间的灰度值协方差;
根据第一背景图像和第二背景图像中像素点的灰度值均值、灰度值方差以及灰度值协方差计算第一背景图像和第二背景图像的结构相似性,表达式为:
其中,表示第一背景图像B和第二背景图像D的结构相似性,分别表示第一背景图像B和第二背景图像D的灰度均值,表示第一背景图像B和第二背景图像D协方差,分别表示第一背景图像B和第二背景图像D的灰度值方差,,为固定值参数。
进一步的,一种基于内燃机缸内浓度场的检测方法,对中心阈值进行扩展得到多个中心阈值的扩展值的方法为:
根据第一背景图像和第二背景图像的结构相似性计算中心阈值的扩展步幅;
以中心阈值为中心,以中心阈值的扩展步幅分别对中心阈值左右两侧进行扩展,得到多个扩展值;
根据得到的多个扩展值构建扩展值序列为:
进一步的,一种基于内燃机缸内浓度场的检测方法,计算每个阈值下的联合信噪比的方法为:
将每个阈值下第一背景图像的峰值信噪比与第二背景图像的峰值信噪比之和作为每个阈值下的联合信噪比。
进一步的,一种基于内燃机缸内浓度场的检测方法,利用最优阈值对炽光信号图像进行小波变换去噪的方法为:
对炽光信号图像进行小波变换,获取炽光信号图像的小波系数;
当炽光信号图像的小波系数大于阈值时,将对应小波系数保留;
当炽光信号图像的小波系数小于阈值时,对应小波系数为噪声,将该小波系数去除;
将炽光信号图像的小波系数中所有噪声去除,对去噪后的小波系数进行图像重构,得到去噪后的炽光信号图像。
进一步的,一种基于内燃机缸内浓度场的检测方法,根据去噪后的炽光信号图像对内燃机缸内浓度场进行检测的方法为:
根据去噪后炽光信号图像中对应的亮度和温度曲线计算内燃机缸内温度场;
将内燃机缸内温度场代入碳烟浓度计算公式,得到内燃机缸内碳烟浓度场。
本发明的有益效果是:
本发明通过获取第一背景图像和第二背景图像,可以得到两幅不同的含有噪声的背景图像,根据两张背景图像获取中心阈值,即首先确定最初的阈值,利用结构相似性表征图像中的噪声大小,再根据背景图像受噪声干扰程度不同对确定的最初的阈值进行扩张,计算每一个新阈值下进行小波变换去噪后的峰值信噪比,对阈值进行筛选从而获得最优阈值。相较于直接使用小波变换而言,本发明能够根据图像受噪声干扰的程度自适应的获取小波变换的最优阈值,使得去噪结果较优。同时,在利用最优阈值对图像进行去噪处理时,保留了炽光信号自身的特征,能够得到较为准确的炽光信号图像,从而提高了碳烟浓度场的计算精确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的一种基于内燃机缸内浓度场的检测方法结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,给出了本发明实施例的一种基于内燃机缸内浓度场的检测方法结构示意图,包括:
101.获取内燃机缸内炽光信号图像及内燃机缸内第一背景图像,根据炽光信号图像及其第一背景图像获取第二背景图像。
本发明针对的情景为:光学发动机的出现以及光学技术和计算技术的发展为内燃机工作过程中的缸内浓度场的研究变得更加直观,通过激光在缸内的反射辐射效果生成的炽光信号图像能够得到缸内的温度场,进而经过一系列的细算得到缸内碳烟浓度场。
明亮的火焰中存在很多的碳烟粒子,碳烟粒子的多寡影响内燃机的工作性能,而碳烟粒子会不段的辐射固体辐射波,且碳烟粒子的温度和周围温度近似,根据辐射学原理可以得到辐射强度和燃烧场温度之间的关系,因此通过激光器产生的点光通过片光源系统生成均匀的片光源,经过狭缝到被测区域,激发碳烟产生炽光信号,炽光信号经过一系列的处理,通过双色镜,滤光片和镜头,最终形成一幅炽光信号图像被ICCD相机接收。
在实验过程中激光信号本身就是一种干扰信号,因此得到的炽光信号图像A含有大量的噪声,对图像产生较大影响,通过将燃烧器熄灭,在相同条件下采集图像,可以得到背景图像B(即第一背景图像)。
通过第一背景图像B和炽光信号图像A得到仅仅包含炽光信号的图像C,对C中的图像将炽光信号的图像分割出来得到仅含有两个波长的去除一部分噪声的炽光信号图像,将含有噪声的整幅炽光信号图像A中的不同波长的对应的炽光信号图像去除,即通过图像A减去图像,得到第二背景图像。
102.对第二背景图像进行小波变换,得到第二背景图像的小波系数,根据第二背景图像的小波系数获取噪声信号方差;根据噪声信号方差以及第二背景图像中像素点的个数获取中心阈值。
本发明获取了两幅不同的含有噪声的背景图像,分别为第一背景图像以及第二背景图像D,本发明需要对炽光信号中的噪声进行去除,由于噪声的不确定性,单纯的对去噪前后图像的变化来对去噪效果进行判断不够准确,本发明通过相同条件下的两幅背景图像通过小波变换进行去噪,根据去噪后两个图像的相似性来确定最优的阈值,实现阈值的自适应。
根据背景图像结合传统全局阈值的确定方法,确定最初的阈值中心点。
本发明中炽光信号图像的两幅背景图像中其他特征不明显,多为噪声的相关特征,因此依然用小波系数中值的办法确定噪声方差是不科学的,因为此时图像噪声较多,噪声的方差偏大,本发明通过中值将小波系数分为两部分,最终以大于中值的小波系数的均值取代中值求取噪声的方差。
式中为炽光信号背景图像小波变换后的小波系数,且集合中元素从大道小排列,为小波系数的中值,则最终中值将小波系数分为两部分,一部分为该部分小波系数较大,另一部分为该部分小波系数较小,本发明以较大小波系数的均值取代中值求得噪声的方差,则有:
则最终求得的噪声方差为:
获取中心阈值的方法为:
获取第二背景图像的小波系数中大于中值的所有小波系数,根据大于中值的所有小波系数的均值计算噪声信号方差;
获取第二背景图像中像素点的个数,根据噪声信号方差以及第二背景图像中像素点的个数计算中心阈值,表达式为:
103.计算第一背景图像和第二背景图像的结构相似性,利用第一背景图像和第二背景图像的结构相似性对中心阈值进行扩展得到多个中心阈值的扩展值;将中心阈值和中心阈值的扩展值作为小波变换的新阈值。
本发明以中心阈值为点向大小两个方向进行阈值扩展,得到一个不同阈值组成的组合,然后利用阈值集合进行小波变换去噪判断最优阈值。在进行阈值扩展时需要确定阈值扩展的步幅,以及扩展范围,本发明根据背景图像的特性来确定步幅的大小。
炽光信号的背景图像受噪声干扰较大,因此当炽光信号背景的噪声越大时,阈值扩张的步幅就应该远大,相比正常图像而言,炽光信号背景图像的噪声占据的图像信号的大多数能量,而噪声的随机性很强,背景中含有的噪声越多表明图像的随机性越强,因此得到的两幅背景图像之间的相似性越差,因此本发明通过两幅背景图像的结构相似性来表征噪声的大小。
计算第一背景图像和第二背景图像的结构相似性的方法为:
分别获取第一背景图像和第二背景图像中像素点的灰度值均值以及灰度值方差;
计算第一背景图像和第二背景图像之间的灰度值协方差;
根据第一背景图像和第二背景图像中像素点的灰度值均值、灰度值方差以及灰度值协方差计算第一背景图像和第二背景图像的结构相似性,表达式为:
其中,表示第一背景图像B和第二背景图像D的结构相似性,分别表示第一背景图像B和第二背景图像D的灰度均值,表示第一背景图像B和第二背景图像D协方差,分别表示第一背景图像B和第二背景图像D的灰度值方差,,为固定值参数,,,H表示信号图像中的灰度值最大值,对于本发明中的两幅背景图像,其相似性越大表明噪声含量越小,反之则表明噪声含量越大。
则扩展步幅的大小为:
上式中f表示扩展步幅,表示系数调节因子,防止与差距过大或过小,的含义在于相似性越小应该加大步幅,由于两幅图像的相似性越小表明其噪声含量越大,因此需要将中心阈值的扩展步幅设定的较大一点,从而使得中心阈值在进行滤波去噪时能够范围更大,从而保证具有较好的去噪效果。
根据第一背景图像和第二背景图像的结构相似性计算中心阈值的扩展步幅;
以中心阈值为中心,以中心阈值的扩展步幅分别对中心阈值左右两侧进行扩展,得到多个扩展值;
根据得到的多个扩展值构建扩展值序列为:
104.利用每一个新阈值分别对第一背景图像和第二背景图像进行小波变换去噪,计算第一背景图像和第二背景图像在每一个新阈值下进行小波变换去噪后的峰值信噪比。
本发明通过对第一背景图像以及第二背景图像D两幅背景图像进行不同阈值下的小波变换去噪,然后对比变换后的图像的对比得到最优阈值的选取,计算两幅背景图像在阈值集合中阈值作用下进行小波变换去噪操作,得到不同的去噪后的峰值信噪比值。
105.根据第一背景图像和第二背景图像在每一个新阈值下进行小波去噪后的峰值信噪比计算该新阈值下的联合信噪比;获取所有新阈值对应的联合信噪比,将联合信噪比最大值对应的新阈值作为最优阈值。
通过两幅图像信噪比的和即联合峰值信噪比来确定最优阈值,计算每个阈值下的联合信噪比的方法为:
将每个阈值下第一背景图像的峰值信噪比与第二背景图像的峰值信噪比之和作为每个阈值下的联合信噪比。
106.利用最优阈值对炽光信号图像进行小波变换去噪,得到去噪后的炽光信号图像;根据去噪后的炽光信号图像对内燃机缸内浓度场进行检测。
利用最优阈值对炽光信号图像进行小波变换去噪的方法为:
对炽光信号图像进行小波变换,获取炽光信号图像的小波系数;
当炽光信号图像的小波系数大于阈值时,将对应小波系数保留;
当炽光信号图像的小波系数小于阈值时,对应小波系数为噪声,将该小波系数去除;
将炽光信号图像的小波系数中所有噪声去除,对去噪后的小波系数进行图像重构,得到去噪后的炽光信号图像。
在最优阈值条件下对第一背景图像B以及炽光信号图像A进行小波变换去噪,对两幅图像分别进行小波变换得到的小波系数为:
式中,分别为对炽光信号图像A和第一背景图像B进行小波变换后得到的小波系数,在图像中,经过小波变换后噪声对应的幅值较小,真实图像对应的幅值较大,因此通过阈值的确定,来进行判断大于该阈值的小波系数为正常小波系数,小于阈值的小波系数为噪声系数,上述通过一系列计算结合炽光信号图像的特点对阈值的确定进行了自适应的确定,则在该阈值下对小波变换中的小波系数进行阈值分割:
通过上述操作最终保留了炽光信号图像A和第一背景图像B中的正常图像的小波系数,去除了噪声对应的小波系数,达到了去噪的目的。
获取内燃机缸内浓度场的方法为:
根据去噪后炽光信号图像中对应的亮度和温度曲线计算内燃机缸内温度场;
根据内燃机缸内温度场计算得到内燃机缸内碳烟浓度场。
得到炽光信号图像后根据标定炽光信号图像和对应的亮度温度之间的曲线,得到亮度温度,然后根据公式:
上式中为第二普朗克常数,为两个波长,为根据炽光信号图像的灰度值通过标定实验得到的曲线得到的,为系数,不同波长对应不同的系数,炽光信号的灰度值能够表征内燃机的温度,因此根据去噪后的炽光信号图像的灰度值进行计算,从而通过数值法求得真实温度T,最终得到缸内的温度场。
则根据碳烟浓度计算公式可计算得到碳烟浓度:
上式中碳烟浓度,为检测到的在内燃机缸内辐射信号,为炽光信号和辐射强度的比值,为系统增益,c表示光速,h为普朗克常数,k为波尔兹曼常数,表示信号能量,表示片光源厚度,上述数值都可以通过一系列的计算得到,经过上式得计算最终得到了内燃机缸内碳烟浓度场。
根据本发明提出的技术手段,根据炽光信号背景图像的对比对小波变换的阈值进行筛选从而获取最优阈值,进而利用最优阈值对图像进行去噪处理,能够实现小波变换去噪的阈值自适应的同时,保留了炽光信号本身的特征,最终能够得到准确去除噪声的炽光信号图像,从而提高了碳烟浓度场的计算精确度。
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,凡在本发明的范围之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于内燃机缸内浓度场的检测方法,其特征在于,包括:
获取内燃机缸内炽光信号图像及内燃机缸内第一背景图像,根据炽光信号图像及其第一背景图像获取第二背景图像;
对第二背景图像进行小波变换,得到第二背景图像的小波系数,根据第二背景图像的小波系数获取噪声信号方差;根据噪声信号方差以及第二背景图像中像素点的个数获取中心阈值;
计算第一背景图像和第二背景图像的结构相似性,利用第一背景图像和第二背景图像的结构相似性对中心阈值进行扩展得到多个中心阈值的扩展值;将中心阈值和中心阈值的扩展值作为小波变换的新阈值;
利用每一个新阈值分别对第一背景图像和第二背景图像进行小波变换去噪,计算第一背景图像和第二背景图像在每一个新阈值下进行小波变换去噪后的峰值信噪比;
根据第一背景图像和第二背景图像在每一个新阈值下进行小波去噪后的峰值信噪比计算该新阈值下的联合信噪比;获取所有新阈值对应的联合信噪比,将联合信噪比最大值对应的新阈值作为最优阈值;
利用最优阈值对炽光信号图像进行小波变换去噪,得到去噪后的炽光信号图像;根据去噪后的炽光信号图像对内燃机缸内浓度场进行检测。
5.根据权利要求1所述的一种基于内燃机缸内浓度场的检测方法,其特征在于,计算每个阈值下的联合信噪比的方法为:
将每个阈值下第一背景图像的峰值信噪比与第二背景图像的峰值信噪比之和作为每个阈值下的联合信噪比。
6.根据权利要求1所述的一种基于内燃机缸内浓度场的检测方法,其特征在于,利用最优阈值对炽光信号图像进行小波变换去噪的方法为:
对炽光信号图像进行小波变换,获取炽光信号图像的小波系数;
当炽光信号图像的小波系数大于阈值时,将对应小波系数保留;
当炽光信号图像的小波系数小于阈值时,对应小波系数为噪声,将该小波系数去除;
将炽光信号图像的小波系数中所有噪声去除,对去噪后的小波系数进行图像重构,得到去噪后的炽光信号图像。
7.根据权利要求1所述的一种基于内燃机缸内浓度场的检测方法,其特征在于,根据去噪后的炽光信号图像对内燃机缸内浓度场进行检测的方法为:
根据去噪后炽光信号图像中对应的亮度和温度曲线计算内燃机缸内温度场;
将内燃机缸内温度场代入碳烟浓度计算公式,得到内燃机缸内碳烟浓度场。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211161445.9A CN115239731B (zh) | 2022-09-23 | 2022-09-23 | 一种基于内燃机缸内浓度场的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211161445.9A CN115239731B (zh) | 2022-09-23 | 2022-09-23 | 一种基于内燃机缸内浓度场的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115239731A true CN115239731A (zh) | 2022-10-25 |
CN115239731B CN115239731B (zh) | 2023-12-05 |
Family
ID=83667485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211161445.9A Active CN115239731B (zh) | 2022-09-23 | 2022-09-23 | 一种基于内燃机缸内浓度场的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115239731B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104833665A (zh) * | 2015-03-30 | 2015-08-12 | 天津大学 | 一种光学发动机缸内燃烧过程中多组分同时测量装置 |
CN104865227A (zh) * | 2015-03-30 | 2015-08-26 | 天津大学 | 一种光学发动机缸内燃烧过程碳烟体积分数定量测量装置 |
CN108846366A (zh) * | 2018-06-21 | 2018-11-20 | 江苏大学 | 计算内燃机缸内浓度场的方法及装置 |
CN110376129A (zh) * | 2019-07-30 | 2019-10-25 | 华中科技大学 | 一种燃烧温度场及碳烟浓度场同步测量的方法及装置 |
-
2022
- 2022-09-23 CN CN202211161445.9A patent/CN115239731B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104833665A (zh) * | 2015-03-30 | 2015-08-12 | 天津大学 | 一种光学发动机缸内燃烧过程中多组分同时测量装置 |
CN104865227A (zh) * | 2015-03-30 | 2015-08-26 | 天津大学 | 一种光学发动机缸内燃烧过程碳烟体积分数定量测量装置 |
CN108846366A (zh) * | 2018-06-21 | 2018-11-20 | 江苏大学 | 计算内燃机缸内浓度场的方法及装置 |
CN110376129A (zh) * | 2019-07-30 | 2019-10-25 | 华中科技大学 | 一种燃烧温度场及碳烟浓度场同步测量的方法及装置 |
Non-Patent Citations (1)
Title |
---|
INIT_BIN: "《小波阈值图像去噪》", 《HTTPS://BLOG.CSDN.NET/PAOXUNGAN5156/ARTICLE/DETAILS/83961739》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115239731B (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8983222B2 (en) | Automated underwater image restoration via denoised deconvolution | |
Hu et al. | Single image defogging based on illumination decomposition for visual maritime surveillance | |
CN107784642A (zh) | 一种红外视频和可见光视频自适应融合方法 | |
CN113837974A (zh) | 一种基于改进beeps滤波算法的nsst域电力设备红外图像增强方法 | |
Wang et al. | Low-light image joint enhancement optimization algorithm based on frame accumulation and multi-scale Retinex | |
CN109155058A (zh) | 补偿光学相干断层成像术扫描 | |
Rahman et al. | Image enhancement, image quality, and noise | |
CN114386456A (zh) | 一种太赫兹时域信号降噪方法、图像重建方法和系统 | |
CN115797335B (zh) | 用于桥梁振动测量的欧拉运动放大效果评估及优化方法 | |
CN111986098A (zh) | 一种含固定背景的被动式太赫兹图像增强方法 | |
CN114897882B (zh) | 一种基于加权平均曲率滤波分解的遥感图像融合方法 | |
CN112215787A (zh) | 基于显著度分析及自适应滤波器的红外和可见光图像融合方法 | |
CN113592729A (zh) | 基于nsct域的电力设备红外图像增强方法 | |
CN115239731A (zh) | 一种基于内燃机缸内浓度场的检测方法 | |
Deng et al. | State of the art of the underwater image processing methods | |
CN111260588A (zh) | 一种高清数字cmos成像组件图像增强方法 | |
CN112288644A (zh) | 一种基于图像分层的实时高效红外图像细节增强方法 | |
CN111650591A (zh) | 一种主动声纳宽带空间谱回波亮点增强及自动提取方法 | |
Noll | Restoration of degraded images with maximum entropy | |
CN115760749A (zh) | 一种毫米波辐射图像火点检测识别方法及系统 | |
Hu et al. | An infrared dim and small target image preprocessing algorithm based on improved bilateral filtering | |
Lei et al. | Research on Image Defogging Enhancement Technology Based on Retinex Algorithm | |
Li | Texture feature extraction of a landscape design image based on the contour wave transform | |
CN111861907B (zh) | 一种高动态范围激光焦斑图像的去噪方法 | |
Hwang et al. | Infrared ship image enhancement method based on gray interval segmentation |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20231027 Address after: No. 1 Shihuang Road, Qiaohuang Community, Liangxu Street, Jiangyan District, Taizhou City, Jiangsu Province, 225300 Applicant after: DATANG TAIZHOU THERMOELECTRICITY Co.,Ltd. Address before: 226000 No.268, Group 8, Xinghe Village, Chahe Town, Rudong County, Nantong City, Jiangsu Province Applicant before: Nantong Aiyue Machinery Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |