[发明专利]PIV图像处理方法及系统

说明书

本发明提供了图像处理技术领域内的一种PIV图像处理方法及系统，包括如下步骤：S1，预估位移场：基于互相关方法对原始PIV图像A、图像B进行预处理，对获取的图像A与图像B的位移场进行二维线性插值，使位移场中的位移矢量与PIV实验图像的像素一一对应，得到预估位移场；S2，图像重构：利用步骤S1中获得的位移场估计值对图像A进行重构，获得重构图像B’；S3，修正位移场：基于光流法对重构图像B’与图像B进行分析，得到修正位移场；S4，迭代处理：迭代步骤S2和步骤S3。本发明集合互相关方法及光流法的优势，对于高动态范围的PIV实验图像具有非常好的处理效果，解决了大位移和亚像素级的位移计算精度不能同时满足的矛盾。

技术领域

本发明涉及图像处理技术领域，具体的，涉及一种PIV图像处理方法及系统。

背景技术

粒子图像测速(PIV)是一种常见的非侵入式定量测速技术，因其全流场、高精度及不对流体运动产生干扰的特点，被广泛的应用于流体速度场测量中。

提高PIV图像处理的精度、空间分辨率和动态范围有助于提高PIV实验流动分析水平。现阶段的PIV数字图像处理方法主要有互相关方法(cross-correlation)和光流(optical-flow)两种。

互相关方法是一种基于相关性卷积的统计方法，其缺陷如下：

1、由于采用离散卷积函数，该方法无法获得亚像素精度的位移矢量结果。目前的实验应用中需要采用相关峰插值的方式得到亚像素精度，差值结果的准确性和可靠性不足，尤其是处理亚像素级的位移时。

2、空间分辨率取决于判读区大小。提高分辨率需要缩小判读区大小。当判读区过小时，会因为信噪比过低产生计算错误，因此分辨率存在瓶颈。

3、当流场速度梯度较大时，判读网格会发生严重变形造成相关性降低，造成判读区匹配错误。

光流法是一种被广泛应用于计算机视觉领域，但在近年来的研究中才被尝试用于PIV图像处理中的图像处理方法。现阶段缺陷如下：

1、仅当处理微小位移时精度较高，无法处理大跨度的位移。

2、处理精度受图像噪声影响较大。

在目前的PIV实验中，需要得到更高分辨率的位移场对流场细节进行分析，但通过目前的算法还无法达到这一效果。

经现有技术检索，中国发明专利号为CN201910105156.9，发明名称为一种基于卷积神经网络的粒子图像测速方法，它采用监督学习的方法解决从二维流体粒子图像中提取速度场的问题。该方法包括产生PIV数据集、搭建神经网络模型、读取粒子图像、预处理、网络运行、后处理步骤。其中，PIV数据有两种方式：一是已知速度场生成粒子图，二是已有实验粒子图生成速度场。网络模型是采用卷积神经网络，通过训练参数得到PIV卷积神经网络模型，其输入是两幅图像，输出是图像上每个像素点的速度矢量场。其利用的一种基于相关性卷积的统计方法，其也存在上述中的一个或多个缺陷。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种PIV图像处理方法及系统。

根据本发明提供的一种PIV图像处理方法，包括如下步骤：

S1，预估位移场：基于互相关方法对原始PIV图像A、图像B进行预处理，对获取的图像A与图像B的位移场进行二维线性插值，使位移场中的位移矢量与PIV实验图像的像素一一对应，得到预估位移场；

S2，图像重构：利用步骤S1中获得的位移场估计值对图像A进行重构，获得重构图像B’；

S3，修正位移场：基于光流法对重构图像B’与图像B进行分析，得到修正位移场；

S4，迭代处理：迭代步骤S2和步骤S3。