[发明专利]基于PCA混合特征融合的气液两相流流型识别方法

说明书

技术领域

本发明涉及气液两相流测量技术领域，尤其是涉及基于PCA混合特征融合的气液两相流流型识别的方法。

背景技术

自然界和工程领域中广泛存在着两相流，在石油、动力、制冷、核能、冶金、水利、环境保护、建筑及航天等领域都有着广泛的应用。而气液两相流是两相流动中最为常见的形式之一。两相流体的传热、传质特性会受到流型的影响，而且两相流其他参数的准确测量也往往依赖于对流型的了解。它是决定传热与流动的计算依据，尤其流型判断准确与否决定着压降计算的精度,根据流型来选择相应的压降计算公式,能提高压降计算结果的准确性。流道中流型的变化往往也会引发流阻、流动的稳定性改变以及出现不良的传热危机。因此研究气液两相流流型的判别就显得尤为重要。

两相流流型及其转变特性的研究，是两相流研究中最基本也是最重要的问题之一。目前，流型识别方法可以分为两类：一类是根据两相流流动图像的形式直接确定流型，如目测法，人眼捕捉并识别流型，在高速管道中准确率不高；射线吸收法，利用射线通过介质发生吸收衰减的原理确定流型，但很难得到稳定的射线源，且射线本身的辐射性也是需要注意防护的；过程层析成像法，主要是利用传感器进行图像重建实现在线检测，其速度较低，不能满足所需的实时性要求。另一类是间接方法，波动信号分析法，通过对反映两相流流动特性的波动信号进行处理分析，提取流型特征，进而识别流型。不论是利用压差波动信号的提取还是对电导波动信号的提取都存在干扰流场的问题；数字图像处理法，是一种较为新兴的方法，通过对图像信号进行处理获取定性的分析，可视化强，信息量丰富，客观反映流动现象，而且不干扰流场。但是数字图像处理方法中，针对特征提取时，特征信息较为单一，只包括一种信息，不能全面表达图像信息。而混合特征维数又较高，复杂度较大，不易计算，因而关于在线自动检测方面的应用依然有限，仍需继续研究。

发明内容

本发明的目的是克服现有技术的不足，提取三种特征，图像信息较为全面，且有效地降低混合特征维数，减少计算量，识别速度高，识别准确性高、可靠性高、通用性强、支持在线自动检测的基于PCA混合特征融合的气液两相流流型的识别方法。

为实现上述目的，以下为该发明的技术方案：

基于PCA混合特征融合的气液两相流流型识别方法，它包括以下步骤：

1)由高速摄影机获得精馏塔中不同状态下的气液两相流的流型图像；

2)提取图像感兴趣区域(ROI区域)，对图像进行中值滤波和对比度增强对流型图像进行去除噪声预处理；

3)分析步骤2)预处理后的两相流图像的形状和纹理特征，提取图像不变矩、灰度共生矩阵和LBP特征；

4)将步骤3)三种特征融合后，利用PCA技术，对融合后的混合特征进行降维，得到一个新的特征向量，该新的特征向量包括纹理特征和几何特征信息；

5)采用步骤4)中新的特征向量分别与三种单独特征进行对比实验，分别利用支持向量机、BP神经网络和概率神经网络进行训练和识别。

优选的，所述步骤1)中的流型图像为不同的气液流量下的弹状流、波状流、雾环状流3种典型流型的流型图像。

所述步骤1)对弹状流、波状流、雾环状流3种典型流型采集到大小为600×600的典型流型图像。

所述步骤2)对图像进行感兴趣区域提取的处理，大小为300×60。

所述步骤2)所述中值滤波处理，将图像局部区域的像素按灰度等级进行排序，取该邻域中灰度的中值作为当前像素的灰度值；令邻域的像素值接近的真实值，从而消除孤立的噪声点，其表达式如下：

g(x,y)＝med{f(x-k,y-l),(k,l∈W)}

式中，f(x,y)和g(x,y)分别为原始图像和处理后图像，W为二维模板，选用3×3区域；

所述步骤2)所述对比度增强预处理为采用对比度增强中的直方图均衡化方法：设原始图像在(x,y)处的灰度为g，而改变后的图像为h，则对图像增强的方法可表述为将在(x,y)处的灰度g映射为h。在灰度直方图均衡化处理中对图像的映射函数可定义为：

h＝EQ(g)。

优选的，所述步骤3)所述不变矩特征主要表征了图像区域的形状特征，其具有旋转、平移、尺度等特性的不变特征，灰度共生矩阵是通过研究灰度的空间相关特性来描述图像纹理，LBP特征能度量和提取图像局部的纹理信息，对光照具有不变性。