CN116895039A - 一种结冰云雾伪颗粒图像识别及特征参数测量方法 - Google Patents
一种结冰云雾伪颗粒图像识别及特征参数测量方法 Download PDFInfo
- Publication number
- CN116895039A CN116895039A CN202311162669.6A CN202311162669A CN116895039A CN 116895039 A CN116895039 A CN 116895039A CN 202311162669 A CN202311162669 A CN 202311162669A CN 116895039 A CN116895039 A CN 116895039A
- Authority
- CN
- China
- Prior art keywords
- image
- shielding
- maximum
- detector
- spot
- 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
- 239000002245 particle Substances 0.000 title claims abstract description 182
- 238000000691 measurement method Methods 0.000 title claims abstract description 7
- 238000000034 method Methods 0.000 claims abstract description 104
- 230000003287 optical effect Effects 0.000 claims abstract description 13
- 239000000523 sample Substances 0.000 claims abstract description 12
- 238000001454 recorded image Methods 0.000 claims abstract description 6
- 239000003595 mist Substances 0.000 claims description 8
- 208000006440 Open Bite Diseases 0.000 claims description 6
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000012876 topography Methods 0.000 abstract 1
- 239000003897 fog Substances 0.000 description 15
- 239000007788 liquid Substances 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 238000005070 sampling Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000011109 contamination Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000003665 fog water Substances 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 239000008276 ice cloud Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及一种结冰云雾伪颗粒图像识别及特征参数测量方法。伪颗粒图像识别方法包括：获取光学阵列探头记录的结冰云雾的离散化颗粒图像；基于离散化颗粒图像，进行伪颗粒图像识别，伪颗粒图像的类型包括丢失数据片图像、端部遮挡图像、非圆形图像和破碎图像中的一种或几种；其中，丢失数据片图像包括图像数据头文件中记录的数据片数大于实际记录的图像片数的图像；端部遮挡图像包括至少遮挡两端探测器中一端探测器的图像；非圆形图像包括在设定圆形形貌阈值范围外的图像；破碎图像包括存在多个不连通的遮挡像素或像素组构成的图像。基于上述伪颗粒图像识别方法，可以更有效地识别出结冰云雾伪颗粒图像，以实现对结冰云雾特征参数更准确测量。
Description
技术领域
本发明涉及航空领域的复杂结冰云雾特征的分析研究，具体涉及一种结冰云雾伪颗粒图像识别及特征参数测量方法。
背景技术
当飞机在云层中飞行时，云层中的过冷水滴（即温度低于冰点的液态水滴）会不断撞击飞机迎风面，导致其表面发生结冰现象。飞机结冰广泛存在于飞行实践中，并严重威胁飞行安全。
结冰风洞是开展飞机结冰研究及飞机部件防除冰系统验证的重要地面试验设备，其在飞机结冰适航审定中扮演着重要角色。结冰云雾环境模拟能力是结冰风洞性能的核心内容。结冰云雾微物理特征的准确测量与评估是结冰风洞准确模拟结冰云雾环境的关键，其中云雾液滴尺寸分布、中值体积直径和云雾水含量是结冰云雾重要的微物理特征。
目前，国内外大型结冰风洞通常采用光学阵列探头（Optical Array Probe, OAP）测量颗粒形貌，记录通过采样区域的颗粒数量，进而通过计算云雾颗粒尺寸和数浓度，实现云雾液滴尺寸分布、中值体积直径（Median Volume Diameter，MVD）和云雾水含量（LiquidWater Content, LWC）的测量。MVD定义为：将云雾液态水含量按照中值体直径参数分为两部分，其中大于中值体直径的液滴总体积与小于该直径的液滴总体积相等。LWC定义为：结冰云雾中单位体积内云雾颗粒质量。典型OAP包括云雾组合探头（Cloud CombinationProbe, CCP）和降水成像探头（Precipitation Imaging Probe, PIP）。
然而，探测到的颗粒存在伪颗粒的现象，如何检测识别到这些伪颗粒，从而剔除这些伪颗粒以实现更准确的结冰云雾微物理特征的测量已经成为一项亟待解决的问题。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本申请要解决的技术问题是提供一种结冰云雾伪颗粒图像识别及特征参数测量方法，具有可以更有效地识别出结冰云雾伪颗粒图像以实现对结冰云雾特征参数更准确测量的特点。
第一方面，一种实施例中提供一种结冰云雾伪颗粒图像识别方法，包括：
获取光学阵列探头记录的结冰云雾的离散化颗粒图像；
基于所述离散化颗粒图像，进行伪颗粒图像识别，所述伪颗粒图像的类型包括丢失数据片图像、端部遮挡图像、非圆形图像和破碎图像中的一种或几种；
其中，所述丢失数据片图像包括，图像数据头文件中记录的数据片数大于实际记录的图像片数的图像；所述端部遮挡图像包括，至少遮挡两端探测器中一端探测器的图像；所述非圆形图像包括，在设定圆形形貌阈值范围外的图像；所述破碎图像包括，存在多个不连通的遮挡像素或像素组构成的图像。
一种实施例中，在所述伪颗粒图像的类型包括丢失数据片图像的情况下，丢失数据片图像的识别方法包括：
提取所述离散化颗粒图像头文件中记录的图像数据片数Ns；
计算所述离散化颗粒图像的最大数据片数L1；
判断是否满足Ns>L1，如果是，则将当前离散化颗粒图像识别为丢失数据片图像。
一种实施例中，在所述伪颗粒图像的类型包括端部遮挡图像的情况下，端部遮挡图像的识别方法包括：
获取所述离散化颗粒图像的最大数据片数L1；
计算每个数据片一端探测器对应的像素值并进行累加以得到第一累加值，和/或，计算每个数据片另一端探测器对应的像素值并进行累加以得到第二累加值；
判断第一累加值和/或第二累加值是否满足预设条件，如果是，则将当前离散化颗粒图像识别为端部遮挡图像。
一种实施例中，所述的判断第一累加值和/或第二累加值是否满足预设条件，如果是，则将当前离散化颗粒图像识别为端部遮挡图像，包括：
判断第一累加值是否满足/>，和/或，第二累加值是否满足/>，如果是，则将当前离散化颗粒图像识别为端部遮挡图像；
其中，TH为像素点的像素值，被遮挡的情况下，TH=1，X为阵列方向，Y为气流方向，1为一端探测器对应像素点的位置索引，N为另一端探测器对应像素点在X方向上的位置索引。
一种实施例中，在所述伪颗粒图像的类型包括非圆形图像的情况下，非圆形图像的识别方法包括：
获取所述离散化颗粒图像的最大数据片数L1和最大遮挡探测器数量L2，并判断所述最大数据片数L1和最大遮挡探测器数量L2的比值是否满足第一图像圆度阈值条件，和/或，是否满足第二图像圆度阈值条件；
和/或，获取所述离散化颗粒图像的探测器最大遮挡距离L3和最大数据片数L1，并判断所述探测器最大遮挡距离L3和最大数据片数L1的比值是否满足第三图像圆度阈值条件；
和/或，获取所述离散化颗粒图像的数据片最大遮挡距离L4和最大遮挡探测器数量L2，并判断所述数据片最大遮挡距离L4和最大遮挡探测器数量L2的比值是否满足第四图像圆度阈值条件；
和/或，获取所述离散化颗粒图像的最大数据片数L1、最大遮挡探测器数量L2、图像遮挡像素面积Ashade和泊松亮斑像素面积Aspot，并判断所述最大数据片数L1、最大遮挡探测器数量L2、图像遮挡像素面积Ashade和泊松亮斑像素面积Aspot是否满足非圆形像素面积条件；
如果是，则将当前离散化颗粒图像识别为非圆形图像；
其中，所述最大遮挡探测器数量L2包括，所有的数据片中，第一个被遮挡的探测器在阵列方向上的像素点的位置到最后一个被遮挡的探测器在阵列方向上的像素点位置所包含的像素点数量；所述探测器最大遮挡距离L3包括，在气流方向上，单个探测器首次被遮挡到最后一次被遮挡所对应像素点的最大像素距离；所述数据片最大遮挡距离L4包括，单个数据片中，第一个被遮挡的探测器到最后一个被遮挡的探测器所对应像素点的最大像素距离；所述图像遮挡像素面积Ashade包括，被遮挡探测器所对应的像素点总数；所述泊松亮斑像素面积Aspot包括，被遮挡探测器所包围的未遮挡探测器所对应的像素点总数。
一种实施例中，在所述非圆形图像的识别方法包括判断是否满足所述第一图像圆度阈值条件的情况下，所述的判断所述最大数据片数L1和最大遮挡探测器数量L2的比值是否满足第一图像圆度阈值条件，包括：
判断所述最大数据片数L1和最大遮挡探测器数量L2的比值是否满足第一图像圆度阈值条件/>；
和/或，判断所述最大数据片数L1和最大遮挡探测器数量L2的比值是否满足第二图像圆度阈值条件/>；
在所述非圆形图像的识别方法包括判断是否满足所述第二图像圆度阈值条件的情况下，所述的判断所述探测器最大遮挡距离L3和最大数据片数L1的比值是否满足第三图像圆度阈值条件，包括：
判断所述探测器最大遮挡距离L3和最大数据片数L1的比值是否满足第三图像圆度阈值条件/>；
在所述非圆形图像的识别方法包括判断是否满足所述第四图像圆度阈值条件的情况下，所述的判断所述数据片最大遮挡距离L4和最大遮挡探测器数量L2的比值是否满足第四图像圆度阈值条件，包括：
判断判断所述数据片最大遮挡距离L4和最大遮挡探测器数量L2的比值是否满足第四图像圆度阈值条件/>；
在所述非圆形图像的识别方法包括判断是否满足所述非圆形像素面积条件的情况下，所述的判断所述最大数据片数L1、最大遮挡探测器数量L2、图像遮挡像素面积Ashade和泊松亮斑像素面积Aspot是否满足非圆形像素面积条件，包括：
判断是否满足；
其中，THrnd为图像圆度阈值，为一个固定值或条件选择值，在为条件选择值的情况下，；Aedge,x= Ashade + Aspot,x，Aedge,y = Ashade + Aspot,y，Aspot,x包括，所有数据片中，存在两端遮挡的两端遮挡探测器之间未遮挡探测器对应的像素数之和，Aspot,y包括，所有探测器中，存在两次遮挡的首次遮挡到最后一次遮挡之间未遮挡对应的像素数之和，Aedge为图像边界像素面积，Aedge= Ashade+Aspot，Aspot=max（Aspot,x，Aspot,y）。
一种实施例中，在所述伪颗粒图像的类型包括破碎图像的情况下，破碎图像的识别方法包括：
获取所述离散化颗粒图像的最大数据片数L1、最大遮挡探测器数量L2、图像遮挡像素面积Ashade和图像边界像素面积Aedge；
判断是否满足条件，且，/>；
和/或，判断是否满足条件；
和/或，判断在L1＞10和/或L2＞10的情况下，是否满足；
和/或，判断在L1＞15和/或L2＞15的情况下，是否满足；
和/或，判断在L1＞20和/或L2＞20的情况下，是否满足；
和/或，判断在L1＞35和/或L2＞35的情况下，是否满足；
和/或，判断在L1≤5和/或L2≤5的情况下，是否满足；
和/或，判断在L1＞5且L2＞5的情况下，是否满足；
如果是，则将当前离散化颗粒图像识别为破碎图像；
其中，所述图像遮挡像素面积Ashade包括，被遮挡探测器所对应的像素点总数；Aedge= Ashade +Aspot，Aspot=max（Aspot,x，Aspot,y），Aspot为泊松亮斑像素面积，包括被遮挡探测器所包围的未遮挡探测器所对应的像素点总数；Aedge,x= Ashade + Aspot,x，Aedge,y = Ashade + Aspot,y，Aspot,x包括，所有数据片中，存在两端遮挡的两端遮挡探测器之间未遮挡探测器对应的像素数之和，Aspot,y包括，所有探测器中，存在两次遮挡的首次遮挡到最后一次遮挡之间未遮挡对应的像素数之和；a、b、c均为探测器对应像素点在X方向上的位置索引，且满足a＜b＜c。
第二方面，一种实施例中提供一种结冰云雾特征参数测量方法，包括：
获取光学阵列探头记录的结冰云雾的离散化颗粒图像；
基于所述离散化颗粒图像，采用上述任意一项的结冰云雾伪颗粒图像识别方法对伪颗粒图像进行识别；
剔除识别到的伪颗粒图像，并对剔除后的剩余图像进行结冰云雾特征参数测量。
第三方面，一种实施例中提供一种计算机可读存储介质，所述介质中存储有程序，所述程序能够被处理器加载并执行上述任意一项所述的结冰云雾伪颗粒图像识别方法和/或上述的结冰云雾特征参数测量方法。
由于基于离散化颗粒图像，进行伪颗粒图像识别，伪颗粒图像的类型包括丢失数据片图像、端部遮挡图像、非圆形图像和破碎图像中的一种或几种，从而可以更有效地识别出结冰云雾伪颗粒图像，以实现对结冰云雾特征参数更准确测量。
附图说明
图1是本申请一种实施例的伪颗粒识别方法流程示意图；
图2是本申请一种实施例的离散化颗粒图像特征参数定义示意图；
图3是本申请另一种实施例的离散化颗粒图像特征参数定义示意图；
图4是本申请丢失数据片图像识别方法一种实施例的流程示意图；
图5是本申请端部遮挡图像识别方法一种实施例的流程示意图；
图6是本申请一种实施例的OAP记录的颗粒图像条的示意图；
图7是图6所示实施例中得到一种实施例的丢失数据片图像示意图；
图8是图6所示实施例中得到一种实施例的端部遮挡图像示意图；
图9是图6所示实施例中得到一种实施例的非圆形图像示意图；
图10是图6所示实施例中得到一种实施例的破碎图像示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。
本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本申请所说“连接”、“联接”，如无特别说明，均包括直接和间接连接（联接）。
为便于对本申请的发明构思进行说明，以下对结冰云雾伪颗粒图像识别技术进行简要说明。
OAP利用单颗粒光成像原理，通过扫描测量颗粒形成的菲涅尔衍射图样（由明暗相间的衍射条纹组成），进而获得颗粒形貌及尺寸特征。具体而言，OAP采用激光二极管（LaserDiode）在仪器采样区域内产生平行光束，并利用光电二极管线性阵列（Linear Array ofPhotodiodes）接收和记录光强信号。当颗粒通过采样区域内的平行光束时，颗粒阴影将会通过透镜组投射到线性阵列探测器表面，此时线性阵列各探测器将会记录投射到其表面上的光线强度变化。当投射到OAP探测器表面的平均光线强度相对于入射光强度的比例小于某些阈值时（对于常规OAP仅有单一阈值，通常为50%），OAP认为该探测器处于遮挡状态，对应探测器输出遮挡信号。为了实现颗粒二维图像的采集，线性阵列各探测器将以特定频率f记录颗粒通过平行激光束时其表面上的光线强度变化，每次记录的阵列信号称为一个数据片（Data Slice），对应的采样频率f则通常称为片率（Slice Rate），表示为颗粒通过激光束的速度与OAP颗粒尺寸分辨率之比。最后，组合记录的数据片，即可获得颗粒阴影的二值或者灰度离散化图像，进而实现液滴形貌二维图像的测量。
但是，针对大型结冰风洞中的结冰云雾，OAP记录的颗粒图像中存在大量伪颗粒图像，导致测量得到的云雾液滴尺寸分布、MVD和LWC存在显著偏差。因此，发展基于光学阵列探头的结冰云雾伪颗粒图像识别方法，对于大型结冰风洞中结冰云雾的准确测量具有重要的工程意义和应用价值。
基于上述问题，本申请提供了一种针对大型结冰风洞中的结冰云雾伪颗粒图像识别方法，请参考图1，包括：
步骤S1，获取光学阵列探头记录的结冰云雾的离散化颗粒图像。
本申请的一些实施例中，针对OAP记录的离散化颗粒图像，定义遮挡像素为灰度大于或等于50%的像素，请参考图2和图3，该离散化颗粒图像X方向为探测器阵列方向，Y方向为气流方向，在Y值相同的情况下，每个X方向上的像素点对应一个探测器，不同的像素点对应不同的探测器，即每一排为一个数据片，每个数据片中不同的像素点对应不同的探测器，每个数据片代表记录了一次阵列信号。在X值相同的情况下，Y方向不同像素点对应同一个探测器的不同次的扫描。
可以理解地，对于遮挡像素的定义，有可以根据实际情况定义其他阈值，均在本申请的保护范围之内。
步骤S2，基于获取的离散化颗粒图像，进行伪颗粒图像识别，伪颗粒图像的类型包括丢失数据片图像、端部遮挡图像、非圆形图像和破碎图像中的一种或几种。
其中，丢失数据片图像包括，图像数据头文件中记录的数据片数大于实际记录的图像片数的图像；端部遮挡图像包括，至少遮挡两端探测器中一端探测器的图像；非圆形图像包括，在设定圆形形貌阈值范围外的图像；破碎图像包括，存在多个不连通的遮挡像素或像素组构成的图像。
基于本申请提出的基于光学阵列探头的伪颗粒识别方法，可以快速高效识别伪颗粒图像，显著提高真实颗粒识别率，为大型结冰风洞结冰云雾精细化测量提供了重要技术支撑。
为了更好地理解本申请当中的各种识别方法，请参考图2和图3，首先给出了需要获取的各种参数的定义：
1）最大数据片数L1：颗粒图像中包含的最大数据片数，即得到的颗粒图像中Y方向第一个数据片到最后一个数据片所包含的数据片数。
2）最大遮挡探测器数L2：所有的数据片中，第一个被遮挡的探测器在阵列方向（X方向）上的像素点的位置到最后一个被遮挡的探测器在阵列方向上的像素点位置所包含的像素点数量，该两个位置可能在同一个数据片中，也可能不在同一个数据片中（如图2和图3所示的，不在同一个数据片中）。
3）探测器最大遮挡距离L3：在气流方向上，单个探测器（即单列当中）首次被遮挡到最后一次被遮挡所对应像素点的最大像素距离。
4）数据片最大遮挡距离L4：单个数据片（即单行）中，第一个被遮挡的探测器到最后一个被遮挡的探测器所对应像素点的最大像素距离。
5）图像遮挡像素面积Ashade：被遮挡探测器所对应的像素点总数。
6）泊松亮斑像素面积Aspot：被遮挡探测器所包围的未遮挡探测器所对应的像素点总数。
7）图像边界像素面积Aedge：图像遮挡像素面积与泊松亮斑像素面积之和，即Aedge=Ashade +Aspot。
需要说明的是，图2和图3均是遮挡像素连续的图像，对于遮挡像素不连续的图像，泊松亮斑像素面积和图像边界像素面积难以简单计算得到，为解决该问题，申请的一些实施例中，引入X方向未遮挡像素面积Aspot,x和Y方向未遮挡像素面积Aspot,y。其中Aspot,x是指所有数据片中，存在两端遮挡的两端遮挡探测器之间未遮挡探测器对应的像素数之和，如果某个数据片（同一行）中只有一端遮挡，则不进行计数；Aspot,y是指所有探测器中，存在两次遮挡的首次遮挡到最后一次遮挡之间未遮挡对应的像素数之和，如果同一列中，只存在一次遮挡，则不进行计数。对应的，定义X方向图像边界像素面积Aedge,x= Ashade + Aspot,x和Y方向图像边界像素面积Aedge,y = Ashade + Aspot,y。进而将该情况下，泊松亮斑像素面积Aspot定义为横向未遮挡像素面积Aspot,x和纵向未遮挡像素面积Aspot,y之间的最大值，即Aspot=max（Aspot,x，Aspot,y）。
对于丢失数据片图像的识别方法，一种实施例中，是指图像数据头文件中记录的数据片数大于实际记录的图像片数，因此，请参考图4，我们可以得到丢失数据片图像的识别方法包括：
步骤S2011，提取离散化颗粒图像头文件中记录的图像数据片数Ns。
离散化颗粒图像都文件中记录的图像数据片数根据OAP的设置应该扫描到的扫描片数，会记录在离散化颗粒图像的头文件当中。
步骤S2012，计算离散化颗粒图像的最大数据片数L1。
由于存储等问题，存储的离散化颗粒图像可能不是完整的，即存储的图像的数据片数少于OAP的设置应该得到的扫描片数，因此，针对每一个离散化颗粒图像，需要去计算所包含的最大数据片数L1。
步骤S2013，判断是否满足Ns>L1，如果是，则将当前离散化颗粒图像识别为丢失数据片图像。
如果得到L1小于Ns，此时，则表明存储的离散化颗粒图像的不完整，则将当前离散化颗粒图像识别为丢失数据片图像。
对于端部遮挡图像的识别方法，一种实施例中，我们可以分为单侧遮挡和双侧遮挡两种类型，以64个阵列探测器为例，单侧遮挡则为遮挡1号或64号探测器的图像，而双侧遮挡则为同时遮挡1号或64号探测器的图像。基于此，请参照图5，我们可以得到端部遮挡图像的识别方法包括：
步骤S2021，获取离散化颗粒图像的最大数据片数L1。
可以理解地，对于单个离散化颗粒图像，如果不属于上述的丢失数据片图像的情况下，则L1=Ns。
步骤S2022，计算每个数据片一端探测器对应的像素值并进行累加以得到第一累加值，和/或，计算每个数据片另一端探测器对应的像素值并进行累加以得到第二累加值。
单侧遮挡情况下，则需要计算单侧探测器对应的像素值进行累加以得到对应的累加值，双侧遮挡的情况下，则需要计算双侧探测器对应的像素值进行累加以得到对应的累加值。
步骤S2023，判断第一累加值和/或第二累加值是否满足预设条件，如果是，则将当前离散化颗粒图像识别为端部遮挡图像。
对于单侧遮挡的情况下，计算单侧的累加值是否满足预设条件即可，双侧遮挡的情况下，则两侧的累加值均需要满足预设条件。由此，一种实施例中，我们得到了一种计算判断方法，包括：
判断第一累加值是否满足/>，和/或，第二累加值是否满足/>，如果是，则将当前离散化颗粒图像识别为端部遮挡图像。
其中，TH为像素点的像素值，被遮挡的情况下，TH=1，X为阵列方向，Y为气流方向，1为一端探测器对应像素点的位置索引，N为另一端探测器对应像素点在X方向上的位置索引。
当上述的“和/或”关系中为或的关系的时候，是对单侧遮挡的判断，为和的关系的时候，为均满足的关系，是对双侧遮挡的判断。
对于非圆形图像，是指形貌显著偏离圆形的图像，该类型伪颗粒图像仅适用于液态水滴云雾，不适用于冰晶云雾。申请人在研究中发现，非圆形图像通常分为以下四类：（1）形状显著偏离圆形的图像，例如杆状图像；（2）仪器镜片沾污造成的线状图像；（3）仪器过度采样或欠采样产生的长条状或扁状图像，该图像通常源于仪器片率（Slice Rate）与颗粒运动速度不匹配；（4）深度重叠的颗粒图像，例如哑铃型。基于此，一种实施例中，对于非圆形图像的识别方法可以包括以下五种方法种的任意一种或几种。
方法一，获取离散化颗粒图像的最大数据片数L1和最大遮挡探测器数量L2，并判断最大数据片数L1和最大遮挡探测器数量L2的比值是否满足第一图像圆度阈值条件，一种实施例中，具体包括，判断所述最大数据片数L1和最大遮挡探测器数量L2的比值是否满足第一图像圆度阈值条件/>，如果是，则将当前离散化颗粒图像识别为非圆形图像。
方法二，获取离散化颗粒图像的最大数据片数L1和最大遮挡探测器数量L2，并判断最大数据片数L1和最大遮挡探测器数量L2的比值是否满足第二图像圆度阈值条件，一种实施例中，具体包括，判断最大数据片数L1和最大遮挡探测器数量L2的比值是否满足第二图像圆度阈值条件/>，如果是，则将当前离散化颗粒图像识别为非圆形图像。
方法三，获取离散化颗粒图像的探测器最大遮挡距离L3和最大数据片数L1，并判断探测器最大遮挡距离L3和最大数据片数L1的比值是否满足第三图像圆度阈值条件，一种实施例中，具体包括，判断探测器最大遮挡距离L3和最大数据片数L1的比值是否满足第三图像圆度阈值条件/>，如果是，则将当前离散化颗粒图像识别为非圆形图像。
方法四，获取离散化颗粒图像的数据片最大遮挡距离L4和最大遮挡探测器数量L2，并判断数据片最大遮挡距离L4和最大遮挡探测器数量L2的比值是否满足第四图像圆度阈值条件，一种实施例中，具体包括，判断判断所述数据片最大遮挡距离L4和最大遮挡探测器数量L2的比值是否满足第四图像圆度阈值条件/>，如果是，则将当前离散化颗粒图像识别为非圆形图像
方法五，获取离散化颗粒图像的最大数据片数L1、最大遮挡探测器数量L2、图像遮挡像素面积Ashade和泊松亮斑像素面积Aspot，并判断最大数据片数L1、最大遮挡探测器数量L2、图像遮挡像素面积Ashade和泊松亮斑像素面积Aspot是否满足非圆形像素面积条件，一种实施例中，具体包括，判断是否满足，如果是，则将当前离散化颗粒图像识别为非圆形图像。
其中，THrnd为图像圆度阈值，为一个固定值或条件选择值，在为条件选择值的情况下，。
对于破碎图像，是指多个不连通的遮挡像素或像素组构成的图像。申请人在研究中发现，破碎图像通常分为以下四类：（1）耦合误差（Coincidence errors）图像，这类图像主要是由于仪器在测量高浓度颗粒云雾时，会将多个空间距离较小的小尺寸颗粒图像识别为一个大尺寸颗粒图像而产生的；（2）深度离焦颗粒图像，这类图像主要是由于当颗粒深度离焦时，颗粒对入射光的遮挡较差，其衍射图谱内的遮挡区域较少，导致其离散化图像将会呈现不连续的破碎特征；（3）物理破碎颗粒图像，这类颗粒主要是由于颗粒撞击仪器测量臂前缘后，在破碎或飞溅效应的影响下，会产生大量空间距离较小的小尺寸破碎颗粒，此时仪器将会把记录到的小尺寸破碎颗粒群的图像识别为单一大尺寸颗粒图像；（4）点线噪声图像，这类图像是由于仪器系统噪声使线阵探测器产生伪颗粒遮挡信号，进而形成不连续的点线噪音图像。基于此，一些实施例中，破碎图像的识别方法可以包括以下八种识别方法中的一种或几种。
方法一，获取离散化颗粒图像的最大数据片数L1、最大遮挡探测器数量L2、图像遮挡像素面积Ashade和图像边界像素面积Aedge；判断是否满足条件，且，；如果是，则将当前离散化颗粒图像识别为破碎图像。
方法二，获取离散化颗粒图像的最大数据片数L1；判断是否满足条件；如果是，则将当前离散化颗粒图像识别为破碎图像。其中，a、b、c均为探测器对应像素点在X方向上的位置索引，且满足a＜b＜c。
方法三，获取离散化颗粒图像的最大数据片数L1、最大遮挡探测器数量L2、图像遮挡像素面积Ashade和图像边界像素面积Aedge；判断在L1＞10和/或L2＞10的情况下，是否满足；如果是，则将当前离散化颗粒图像识别为破碎图像。
方法四，获取离散化颗粒图像的最大数据片数L1、最大遮挡探测器数量L2、图像遮挡像素面积Ashade和图像边界像素面积Aedge；判断在L1＞15和/或L2＞15的情况下，是否满足；如果是，则将当前离散化颗粒图像识别为破碎图像。
方法五，获取离散化颗粒图像的最大数据片数L1、最大遮挡探测器数量L2、图像遮挡像素面积Ashade和图像边界像素面积Aedge；判断在L1＞20和/或L2＞20的情况下，是否满足；如果是，则将当前离散化颗粒图像识别为破碎图像。
方法六，获取离散化颗粒图像的最大数据片数L1、最大遮挡探测器数量L2、图像遮挡像素面积Ashade和图像边界像素面积Aedge；判断在L1＞35和/或L2＞35的情况下，是否满足；如果是，则将当前离散化颗粒图像识别为破碎图像。
方法七，获取离散化颗粒图像的最大数据片数L1、最大遮挡探测器数量L2、图像遮挡像素面积Ashade和图像边界像素面积Aedge；判断在L1≤5和/或L2≤5的情况下，是否满足；如果是，则将当前离散化颗粒图像识别为破碎图像。
方法八，获取离散化颗粒图像的最大数据片数L1、最大遮挡探测器数量L2、图像遮挡像素面积Ashade和图像边界像素面积Aedge；判断在L1＞5且L2＞5的情况下，是否满足；如果是，则将当前离散化颗粒图像识别为破碎图像。
可以理解地，上述八种方法存在多种的情况下，可以无执行顺序，也可以有执行顺序，例如可以先执行方法一，在不满足方法一的情况下，再执行其他方法。也可以先找到L1和L2先满足的大小区间，再进行判断是否满足相应的条件。基于上数据方案构思上的等同变换均在本申请的保护范围之内。
本申请的一种实施例中，为降低资源占用率，在伪颗粒图像识别的类型包括丢失数据片图像类型和其他类型的情况下，基于离散化颗粒图像，进行伪颗粒图像识别，包括：先识别伪颗粒图像是否是丢失数据片图像，如果否，再识别伪颗粒图像是否是端部遮挡图像、非圆形图像或破碎图像。
请参照图6，为一个实施例中给出的OAP记录的颗粒图像条，基于该图像条内的所有颗粒图像，基于上述伪颗粒识别方法，图7为识别出的丢失数据片图像，图8为识别数的端部遮挡图像，图9为识别出的非圆形图像，图10为识别出的破碎图像。
本申请的一种实施例中提供一种结冰云雾特征参数测量方法，包括：获取光学阵列探头记录的结冰云雾的离散化颗粒图像；基于离散化颗粒图像，采用上述任意一项的结冰云雾伪颗粒图像识别方法对伪颗粒图像进行识别；剔除识别到的伪颗粒图像，并对剔除后的剩余图像进行结冰云雾特征参数测量。
基于上述伪颗粒识别方法，从而可以快速高效识别伪颗粒图像，显著提高真实颗粒识别率，从而实现对结冰云雾特征参数更准确测量。
本申请的一种实施例中提供一种计算机可读存储介质，该介质中存储有程序，存储的程序能够被处理器加载并执行上述任意一项结冰云雾伪颗粒图像识别方法和/或上述的结冰云雾特征参数测量方法。
本领域技术人员可以理解，上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现，也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘、光盘、硬盘等，通过计算机执行该程序以实现上述功能。例如，将程序存储在设备的存储器中，当通过处理器执行存储器中程序，即可实现上述全部或部分功能。另外，当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中，通过下载或复制保存到本地设备的存储器中，或对本地设备的系统进行版本更新，当通过处理器执行存储器中的程序时，即可实现上述实施方式中全部或部分功能。
以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。
Claims (10)
1.一种结冰云雾伪颗粒图像识别方法，其特征在于，包括：
获取光学阵列探头记录的结冰云雾的离散化颗粒图像；
基于所述离散化颗粒图像，进行伪颗粒图像识别，所述伪颗粒图像的类型包括丢失数据片图像、端部遮挡图像、非圆形图像和破碎图像中的一种或几种；
其中，所述丢失数据片图像包括，图像数据头文件中记录的数据片数大于实际记录的图像片数的图像；所述端部遮挡图像包括，至少遮挡两端探测器中一端探测器的图像；所述非圆形图像包括，在设定圆形形貌阈值范围外的图像；所述破碎图像包括，存在多个不连通的遮挡像素或像素组构成的图像。
2.如权利要求1所述的结冰云雾伪颗粒图像识别方法，其特征在于，在所述伪颗粒图像的类型包括丢失数据片图像的情况下，丢失数据片图像的识别方法包括：
提取所述离散化颗粒图像头文件中记录的图像数据片数Ns；
计算所述离散化颗粒图像的最大数据片数L1；
判断是否满足Ns>L1，如果是，则将当前离散化颗粒图像识别为丢失数据片图像。
3.如权利要求1所述的结冰云雾伪颗粒图像识别方法，其特征在于，在所述伪颗粒图像的类型包括端部遮挡图像的情况下，端部遮挡图像的识别方法包括：
获取所述离散化颗粒图像的最大数据片数L1；
计算每个数据片一端探测器对应的像素值并进行累加以得到第一累加值，和/或，计算每个数据片另一端探测器对应的像素值并进行累加以得到第二累加值；
判断第一累加值和/或第二累加值是否满足预设条件，如果是，则将当前离散化颗粒图像识别为端部遮挡图像。
4.如权利要求3所述的结冰云雾伪颗粒图像识别方法，其特征在于，所述的判断第一累加值和/或第二累加值是否满足预设条件，如果是，则将当前离散化颗粒图像识别为端部遮挡图像，包括：
判断第一累加值是否满足/>，和/或，第二累加值/>是否满足/>，如果是，则将当前离散化颗粒图像识别为端部遮挡图像；
其中，TH为像素点的像素值，被遮挡的情况下，TH=1，X为阵列方向，Y为气流方向，1为一端探测器对应像素点的位置索引，N为另一端探测器对应像素点在X方向上的位置索引。
5.如权利要求1所述的结冰云雾伪颗粒图像识别方法，其特征在于，在所述伪颗粒图像的类型包括非圆形图像的情况下，非圆形图像的识别方法包括：
获取所述离散化颗粒图像的最大数据片数L1和最大遮挡探测器数量L2，并判断所述最大数据片数L1和最大遮挡探测器数量L2的比值是否满足第一图像圆度阈值条件，和/或，是否满足第二图像圆度阈值条件；
和/或，获取所述离散化颗粒图像的探测器最大遮挡距离L3和最大数据片数L1，并判断所述探测器最大遮挡距离L3和最大数据片数L1的比值是否满足第三图像圆度阈值条件；
和/或，获取所述离散化颗粒图像的数据片最大遮挡距离L4和最大遮挡探测器数量L2，并判断所述数据片最大遮挡距离L4和最大遮挡探测器数量L2的比值是否满足第四图像圆度阈值条件；
和/或，获取所述离散化颗粒图像的最大数据片数L1、最大遮挡探测器数量L2、图像遮挡像素面积Ashade和泊松亮斑像素面积Aspot，并判断所述最大数据片数L1、最大遮挡探测器数量L2、图像遮挡像素面积Ashade和泊松亮斑像素面积Aspot是否满足非圆形像素面积条件；
如果是，则将当前离散化颗粒图像识别为非圆形图像；
其中，所述最大遮挡探测器数量L2包括，所有的数据片中，第一个被遮挡的探测器在阵列方向上的像素点的位置到最后一个被遮挡的探测器在阵列方向上的像素点位置所包含的像素点数量；所述探测器最大遮挡距离L3包括，在气流方向上，单个探测器首次被遮挡到最后一次被遮挡所对应像素点的最大像素距离；所述数据片最大遮挡距离L4包括，单个数据片中，第一个被遮挡的探测器到最后一个被遮挡的探测器所对应像素点的最大像素距离；所述图像遮挡像素面积Ashade包括，被遮挡探测器所对应的像素点总数；所述泊松亮斑像素面积Aspot包括，被遮挡探测器所包围的未遮挡探测器所对应的像素点总数。
6.如权利要求5所述的结冰云雾伪颗粒图像识别方法，其特征在于，在所述非圆形图像的识别方法包括判断是否满足所述第一图像圆度阈值条件的情况下，所述的判断所述最大数据片数L1和最大遮挡探测器数量L2的比值是否满足第一图像圆度阈值条件，包括：
判断所述最大数据片数L1和最大遮挡探测器数量L2的比值是否满足第一图像圆度阈值条件/>；
和/或，判断所述最大数据片数L1和最大遮挡探测器数量L2的比值是否满足第二图像圆度阈值条件/>；
在所述非圆形图像的识别方法包括判断是否满足所述第二图像圆度阈值条件的情况下，所述的判断所述探测器最大遮挡距离L3和最大数据片数L1的比值是否满足第三图像圆度阈值条件，包括：
判断所述探测器最大遮挡距离L3和最大数据片数L1的比值是否满足第三图像圆度阈值条件/>；
在所述非圆形图像的识别方法包括判断是否满足所述第四图像圆度阈值条件的情况下，所述的判断所述数据片最大遮挡距离L4和最大遮挡探测器数量L2的比值是否满足第四图像圆度阈值条件，包括：
判断判断所述数据片最大遮挡距离L4和最大遮挡探测器数量L2的比值是否满足第四图像圆度阈值条件/>；
在所述非圆形图像的识别方法包括判断是否满足所述非圆形像素面积条件的情况下，所述的判断所述最大数据片数L1、最大遮挡探测器数量L2、图像遮挡像素面积Ashade和泊松亮斑像素面积Aspot是否满足非圆形像素面积条件，包括：
判断是否满足；
其中，THrnd为图像圆度阈值，为一个固定值或条件选择值，在为条件选择值的情况下，；Aedge,x= Ashade + Aspot,x，Aedge,y = Ashade + Aspot,y，Aspot,x包括，所有数据片中，存在两端遮挡的两端遮挡探测器之间未遮挡探测器对应的像素数之和，Aspot,y包括，所有探测器中，存在两次遮挡的首次遮挡到最后一次遮挡之间未遮挡对应的像素数之和，Aedge为图像边界像素面积，Aedge= Ashade+Aspot，Aspot=max（Aspot,x，Aspot,y）。
7.如权利要求1所述的结冰云雾伪颗粒图像识别方法，其特征在于，在所述伪颗粒图像的类型包括破碎图像的情况下，破碎图像的识别方法包括：
获取所述离散化颗粒图像的最大数据片数L1、最大遮挡探测器数量L2、图像遮挡像素面积Ashade和图像边界像素面积Aedge；
判断是否满足条件，且，/>；
和/或，判断是否满足条件；
和/或，判断在L1＞10和/或L2＞10的情况下，是否满足；
和/或，判断在L1＞15和/或L2＞15的情况下，是否满足；
和/或，判断在L1＞20和/或L2＞20的情况下，是否满足；
和/或，判断在L1＞35和/或L2＞35的情况下，是否满足；
和/或，判断在L1≤5和/或L2≤5的情况下，是否满足；
和/或，判断在L1＞5且L2＞5的情况下，是否满足；
如果是，则将当前离散化颗粒图像识别为破碎图像；
其中，所述图像遮挡像素面积Ashade包括，被遮挡探测器所对应的像素点总数；Aedge=Ashade +Aspot，Aspot=max（Aspot,x，Aspot,y），Aspot为泊松亮斑像素面积，包括被遮挡探测器所包围的未遮挡探测器所对应的像素点总数；Aedge,x= Ashade + Aspot,x，Aedge,y = Ashade + Aspot,y，Aspot,x包括，所有数据片中，存在两端遮挡的两端遮挡探测器之间未遮挡探测器对应的像素数之和，Aspot,y包括，所有探测器中，存在两次遮挡的首次遮挡到最后一次遮挡之间未遮挡对应的像素数之和；a、b、c均为探测器对应像素点在X方向上的位置索引，且满足a＜b＜c。
8.如权利要求1到7中任意一项所述的结冰云雾伪颗粒图像识别方法，其特征在于，包括：在伪颗粒图像识别的类型包括丢失数据片图像类型和其他类型的情况下，所述的基于所述离散化颗粒图像，进行伪颗粒图像识别，包括：先识别所述伪颗粒图像是否是丢失数据片图像，如果否，再识别所述伪颗粒图像是否是端部遮挡图像、非圆形图像或破碎图像。
9.一种结冰云雾特征参数测量方法，其特征在于，包括：
获取光学阵列探头记录的结冰云雾的离散化颗粒图像；
基于所述离散化颗粒图像，采用如权利要求1到8中任意一项所述的结冰云雾伪颗粒图像识别方法对伪颗粒图像进行识别；
剔除识别到的伪颗粒图像，并对剔除后的剩余图像进行结冰云雾特征参数测量。
10.一种计算机可读存储介质，其特征在于，所述介质中存储有程序，所述程序能够被处理器加载并执行如权利要求1到8之一所述的结冰云雾伪颗粒图像识别方法和/或如权利要求9所述的结冰云雾特征参数测量方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311162669.6A CN116895039B (zh) | 2023-09-11 | 2023-09-11 | 一种结冰云雾伪颗粒图像识别及特征参数测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311162669.6A CN116895039B (zh) | 2023-09-11 | 2023-09-11 | 一种结冰云雾伪颗粒图像识别及特征参数测量方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116895039A true CN116895039A (zh) | 2023-10-17 |
| CN116895039B CN116895039B (zh) | 2023-11-17 |
Family
ID=88315307
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311162669.6A Active CN116895039B (zh) | 2023-09-11 | 2023-09-11 | 一种结冰云雾伪颗粒图像识别及特征参数测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116895039B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117890068A (zh) * | 2024-03-14 | 2024-04-16 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种结冰云雾颗粒尺寸重构方法及计算机可读存储介质 |
Citations (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3669618A (en) * | 1969-03-03 | 1972-06-13 | Republic Steel Corp | Method of producing dicalcium ferrite sinter |
| CN1155614A (zh) * | 1996-11-25 | 1997-07-30 | 石油勘探开发科学研究院石油地球物理研究所 | 用统一格式描述单井、多井测井信息的方法 |
| CN101673296A (zh) * | 2009-09-02 | 2010-03-17 | 太仓市同维电子有限公司 | 数据通讯过程中文件校验的方法 |
| CN103033857A (zh) * | 2012-12-25 | 2013-04-10 | 中国人民解放军理工大学 | 基于平行光大视场的降水降雪自动观测方法 |
| CN104268399A (zh) * | 2014-09-24 | 2015-01-07 | 空气动力学国家重点实验室 | 过冷大水滴条件下结冰风洞试验中模型参数的计算方法 |
| CN106254806A (zh) * | 2016-07-28 | 2016-12-21 | 福州瑞芯微电子股份有限公司 | 一种录像数据保护方法和装置 |
| US20180124328A1 (en) * | 2016-11-02 | 2018-05-03 | National University Of Defense Technology | Method for measurement and 3D reconstruction of precipitation particles based on orthogonal dual-view imaging |
| CN108009991A (zh) * | 2016-10-27 | 2018-05-08 | 中国科学院大气物理研究所 | 一种机载光阵探头测量过程中云降水粒子图像伪迹识别与剔除 |
| CN108983132A (zh) * | 2017-06-02 | 2018-12-11 | 布鲁克碧奥斯平Mri有限公司 | 用于利用mri系统确定铁磁性的颗粒或者铁磁性颗粒束的位置的快速的方法 |
| CN111238759A (zh) * | 2020-03-31 | 2020-06-05 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种结冰风洞测压试验方法 |
| US20200182741A1 (en) * | 2018-12-10 | 2020-06-11 | The Boeing Company | Ice Crystal Icing Condition Simulation Method and System |
| CN111837192A (zh) * | 2018-01-22 | 2020-10-27 | 苹果公司 | 用于显示汇总的健康记录的系统和方法 |
| CN111860571A (zh) * | 2020-06-03 | 2020-10-30 | 成都信息工程大学 | 一种基于cip数据质量控制的云微粒子分类方法 |
| CN113899663A (zh) * | 2021-12-08 | 2022-01-07 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种大型结冰风洞中复杂结冰云雾mvd测量方法 |
| CN113899527A (zh) * | 2021-12-06 | 2022-01-07 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种试验模型表面温度的修正方法 |
| CN113901591A (zh) * | 2021-12-08 | 2022-01-07 | 中国空气动力研究与发展中心低速空气动力研究所 | 热线单元干功率计算方法及基于此的液态水含量计算方法 |
| CN114676560A (zh) * | 2022-03-07 | 2022-06-28 | 中国空气动力研究与发展中心低速空气动力研究所 | 基于光纤结冰探测的云雾参数计算及冰形预测方法、介质 |
| CN115761532A (zh) * | 2022-10-19 | 2023-03-07 | 国网电力空间技术有限公司 | 一种用于输电线路航巡影像的自动检测系统 |
| CN115790456A (zh) * | 2023-02-08 | 2023-03-14 | 中国空气动力研究与发展中心低速空气动力研究所 | 结冰云雾模拟喷嘴雾化锥角测量装置及方法 |
| CN116046617A (zh) * | 2023-01-17 | 2023-05-02 | 西安交通大学 | 一种用于高速云雾场的双视场宽域粒径高精度测量装置及方法 |
| CN116309749A (zh) * | 2023-03-15 | 2023-06-23 | 西安工程大学 | 一种基于地面-空间图像联合的多波段太阳图像配准方法 |
| US20230202660A1 (en) * | 2021-12-27 | 2023-06-29 | The Boeing Company | Ice protection system for an aircraft |
-
2023
- 2023-09-11 CN CN202311162669.6A patent/CN116895039B/zh active Active
Patent Citations (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3669618A (en) * | 1969-03-03 | 1972-06-13 | Republic Steel Corp | Method of producing dicalcium ferrite sinter |
| CN1155614A (zh) * | 1996-11-25 | 1997-07-30 | 石油勘探开发科学研究院石油地球物理研究所 | 用统一格式描述单井、多井测井信息的方法 |
| CN101673296A (zh) * | 2009-09-02 | 2010-03-17 | 太仓市同维电子有限公司 | 数据通讯过程中文件校验的方法 |
| CN103033857A (zh) * | 2012-12-25 | 2013-04-10 | 中国人民解放军理工大学 | 基于平行光大视场的降水降雪自动观测方法 |
| CN104268399A (zh) * | 2014-09-24 | 2015-01-07 | 空气动力学国家重点实验室 | 过冷大水滴条件下结冰风洞试验中模型参数的计算方法 |
| CN106254806A (zh) * | 2016-07-28 | 2016-12-21 | 福州瑞芯微电子股份有限公司 | 一种录像数据保护方法和装置 |
| CN108009991A (zh) * | 2016-10-27 | 2018-05-08 | 中国科学院大气物理研究所 | 一种机载光阵探头测量过程中云降水粒子图像伪迹识别与剔除 |
| US20180124328A1 (en) * | 2016-11-02 | 2018-05-03 | National University Of Defense Technology | Method for measurement and 3D reconstruction of precipitation particles based on orthogonal dual-view imaging |
| CN108983132A (zh) * | 2017-06-02 | 2018-12-11 | 布鲁克碧奥斯平Mri有限公司 | 用于利用mri系统确定铁磁性的颗粒或者铁磁性颗粒束的位置的快速的方法 |
| CN111837192A (zh) * | 2018-01-22 | 2020-10-27 | 苹果公司 | 用于显示汇总的健康记录的系统和方法 |
| US20200182741A1 (en) * | 2018-12-10 | 2020-06-11 | The Boeing Company | Ice Crystal Icing Condition Simulation Method and System |
| CN111238759A (zh) * | 2020-03-31 | 2020-06-05 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种结冰风洞测压试验方法 |
| CN111860571A (zh) * | 2020-06-03 | 2020-10-30 | 成都信息工程大学 | 一种基于cip数据质量控制的云微粒子分类方法 |
| CN113899527A (zh) * | 2021-12-06 | 2022-01-07 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种试验模型表面温度的修正方法 |
| CN113899663A (zh) * | 2021-12-08 | 2022-01-07 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种大型结冰风洞中复杂结冰云雾mvd测量方法 |
| CN113901591A (zh) * | 2021-12-08 | 2022-01-07 | 中国空气动力研究与发展中心低速空气动力研究所 | 热线单元干功率计算方法及基于此的液态水含量计算方法 |
| US20230202660A1 (en) * | 2021-12-27 | 2023-06-29 | The Boeing Company | Ice protection system for an aircraft |
| CN114676560A (zh) * | 2022-03-07 | 2022-06-28 | 中国空气动力研究与发展中心低速空气动力研究所 | 基于光纤结冰探测的云雾参数计算及冰形预测方法、介质 |
| CN115761532A (zh) * | 2022-10-19 | 2023-03-07 | 国网电力空间技术有限公司 | 一种用于输电线路航巡影像的自动检测系统 |
| CN116046617A (zh) * | 2023-01-17 | 2023-05-02 | 西安交通大学 | 一种用于高速云雾场的双视场宽域粒径高精度测量装置及方法 |
| CN115790456A (zh) * | 2023-02-08 | 2023-03-14 | 中国空气动力研究与发展中心低速空气动力研究所 | 结冰云雾模拟喷嘴雾化锥角测量装置及方法 |
| CN116309749A (zh) * | 2023-03-15 | 2023-06-23 | 西安工程大学 | 一种基于地面-空间图像联合的多波段太阳图像配准方法 |
Non-Patent Citations (3)
| Title |
|---|
| LA ´SZLO ´ E. KOLLA ´R等: "Modeling droplet collision and coalescence in an icing wind tunnel and the influence of these processes on droplet size distribution", 《INTERNATIONAL JOURNAL OF MULTIPHASE FLOW》, vol. 31, no. 1, pages 69 - 92 * |
| 朱东宇等: "FL-61结冰风洞热气防冰系统试验方法研究", 《气动研究与试验》, vol. 1, no. 5, pages 107 - 112 * |
| 郭向东等: "大型结冰风洞中冰晶热/力平衡特性数值研究", 《航空动力学报》, vol. 37, no. 3, pages 478 - 491 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117890068A (zh) * | 2024-03-14 | 2024-04-16 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种结冰云雾颗粒尺寸重构方法及计算机可读存储介质 |
| CN117890068B (zh) * | 2024-03-14 | 2024-05-24 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种结冰云雾颗粒尺寸重构方法及计算机可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116895039B (zh) | 2023-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Fugal et al. | Cloud particle size distributions measured with an airborne digital in-line holographic instrument | |
| CN116895039B (zh) | 一种结冰云雾伪颗粒图像识别及特征参数测量方法 | |
| US7916933B2 (en) | Automatic target recognition system for detection and classification of objects in water | |
| Ishizaka et al. | A new method for identifying the main type of solid hydrometeors contributing to snowfall from measured size-fall speed relationship | |
| EP2496932B1 (en) | Inclusion detection in polished gemstones | |
| AU2012384518B2 (en) | Infrared image based early detection of oil spills in water | |
| JP4588901B2 (ja) | コンクリートの欠陥検査方法およびコンクリートの欠陥検査装置 | |
| CA2792185C (en) | System and method for identifying individual trees in lidar data using local view | |
| US20110182495A1 (en) | System and method for automatic defect recognition of an inspection image | |
| Faber et al. | Laboratory and in-flight evaluation of measurement uncertainties from a commercial Cloud Droplet Probe (CDP) | |
| Davies et al. | Evaluating unsupervised methods to size and classify suspended particles using digital in-line holography | |
| CN117890068B (zh) | 一种结冰云雾颗粒尺寸重构方法及计算机可读存储介质 | |
| Wang et al. | An adaptive ellipsoid searching filter for airborne single-photon lidar | |
| Arge et al. | Cleaning massive sonar point clouds | |
| O'Shea et al. | Revisiting particle sizing using greyscale optical array probes: evaluation using laboratory experiments and synthetic data | |
| JPH10187991A (ja) | パターン検出のための方法と装置 | |
| O'shea et al. | Characterising optical array particle imaging probes: implications for small-ice-crystal observations | |
| KR101415362B1 (ko) | 강수입자 분류 시스템 및 그 방법 | |
| Phan et al. | Pavement crack extraction method from mobile laser scanning point cloud | |
| Tsatsoulis et al. | Identifying ice floes and computing ice floe distributions in SAR images | |
| CN112085725A (zh) | 基于启发式迭代算法的残膜残留量检测方法及预警系统 | |
| Maahn et al. | Introducing the video in situ snowfall sensor (VISSS) | |
| CN110517245A (zh) | 一种机械设备故障诊断系统 | |
| CN118111663B (zh) | 一种结冰云雾液滴尺寸和速度同步测量方法及介质 | |
| Kim et al. | Detecting Individual Tree Position and Height Using Airborne LiDAR Data in Chollipo Arboretum, South Korea. |
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 |