[发明专利]基于序贯图像矢量平均的时均流场重建方法

说明书

技术领域

本发明涉及一种二维时均流场重建方法，尤其涉及一种基于序贯图像矢量平均的时均流场重建方法，属于非接触式明渠测流技术领域。

背景技术

天然河流中的水体在河槽中运动时受到断面形状、坡度、糙率、水深、弯道、风、气压、潮汐等因素的影响而产生紊流。紊流内部水质点的瞬时流速在大小和方向上均随时间变化，呈现出脉动现象，但在足够长的时段内其均值保持稳定。因此，对于面向断面流量监测的河流水面成像测速系统而言，时均流场的重建比瞬时流场的获取更为重要。然而在天然河流中，由于水面示踪物密度低、时空分布不均及水面光学噪声的影响，视场中的某些待测区域可能会暂时性地缺乏明显的示踪物，导致无法估计出这些区域的瞬时矢量或出现错误矢量。

对于基于灰度相关匹配法的运动矢量估计，按照求平均操作在处理流程中所处的阶段及作用对象的不同，可以分为图像平均、相关平均和矢量平均三种时均流场重建策略。图像平均策略的优点是仅需计算一次相关测度，运算速度快；缺点是需要一次读入完整的图像序列，占用大量存储空间；并且受到平均帧数的限制，对图像质量有较高的要求。相关平均策略的优点是能够有效提高相关曲面的信噪比，降低出现错误矢量的概率；缺点是对相关曲面的直流偏置噪声敏感，依赖于有效的图像背景抑制方法。矢量平均策略的优点是灵活、高效，可以处理任意方法获得的网格化矢量场；由于是时均流场重建的最高层次，可以获得瞬时流场以及特征级的中间参数，具有较高的容错性；缺点是当示踪物密度较低时，对相关曲面信噪比低下引起的错误矢量敏感。以上策略都在一定程度上提高了位移估计的可靠性，但当错误矢量个数超过一定比例（如30%）时，直接采用线性求平均的方法都将导致时均流场重建精度过低。因此错误矢量的识别和修正对低信噪比条件下的时均流场重建具有重要意义。

发明内容

本发明针对现有方法存在的不足，提供了一种基于序贯图像矢量平均的时均流场重建方法。

该方法通过以下技术手段实现：

方法首先载入两帧连续图像作为一组图像对，并采用预先设定的掩膜提取图像对中的有效水面区域；其次采用快速傅立叶变换互相关算法对图像对中的所有分析区域IA进行运动矢量估计；然后采用全局角度直方图检测流动主方向并识别瞬时流场中的错误矢量；接下来进行流场时间滤波，舍弃当前错误的瞬时矢量，并用当前正确的瞬时矢量替代此前错误的时均矢量，用当前正确的瞬时矢量平均此前正确的时均矢量；最后进行错误矢量插值和流场平滑滤波得到重建的时均流场。

所述的错误矢量识别方法，其实现过程如下：对于i时刻的瞬时流场，首先计算所有矢量S_i(x,y)与x方向的夹角θ_i(x,y)，得到瞬时流场中矢量角度的极坐标分布：

θ_i(x,y)＝arctan(Δy_i/Δx_i)   (1)

其中，(x,y)表示矢量的图像坐标，Δx、Δy分别表示矢量在x和y方向的大小；然后以Δθ为角度区间建立矢量方向在0-359°范围内的全局角度直方图；接下来依次搜索各角度区间，将矢量数量最多的区间标记为流动主方向θ_M；最后以角度阈值θ_TH为判别窗口识别每个矢量的类型，并建立矢量类型标志如下：