[发明专利]一种级联注意力机制的PWC-Net的示踪粒子图像速度场分析方法

权利要求书

1.一种级联注意力机制的PWC-Net的示踪粒子图像速度场分析方法，其特征在于，包括以下步骤：

步骤1：准备示踪粒子图像数据集；

步骤2：搭建光流神经网络并进行训练；

步骤3：读取示踪粒子图像；

步骤4：对读取的示踪粒子图像进行预处理；

步骤5：用训练好的网络模型计算速度场。

2.根据权利要求1所述的级联注意力机制的PWC-Net的示踪粒子图像速度场分析方法，其特征在于，步骤1具体为：使用公共数据集PIV_dataset训练光流神经网络，包含示踪粒子图像及其对应的速度场标签；每个用于训练的数据项中包含连续的两帧示踪粒子图像I₁，I₂和对应的速度矢量场ω，数据项是以下面两种方式的一种方式产生：A.由已有的速度场ω生成示踪粒子图像；B.由已有的示踪粒子图像生成速度场ω。

3.根据权利要求2所述的级联注意力机制的PWC-Net的示踪粒子图像速度场分析方法，其特征在于，所述由已有的速度场ω生成示踪粒子图像的过程为：先随机地生成一幅示踪粒子图像I，再将已有的速度矢量场ω作用于生成的示踪粒子图像I上，从而得到示踪粒子图像对I₁，I₂；所述示踪粒子图像I由示踪粒子图像仿真器产生，示踪粒子图像中每个粒子的形态满足如下的高斯分布：

其中，(x,y)为示踪粒子图像中的2-D坐标，(x₀,y₀)为示踪粒子的中心位置，I为单个粒子的灰度，I₀为粒子中心的灰度，d_p为粒子直径；示踪粒子图像中的粒子个数由粒子密度ρ决定，在选定ρ以确定示踪粒子图像内粒子个数后，再指定每个粒子的I₀、d_p和(x₀,y₀)数值，即可确定一幅示踪粒子图像；速度矢量场ω包含均匀流场、反向阶梯流场、圆柱绕流流场、自由湍流流场、海洋表面洋流流场、各向同性的湍流流场在内的多种流体运动场景。

4.根据权利要求2所述的级联注意力机制的PWC-Net的示踪粒子图像速度场分析方法，其特征在于，所述由已有的示踪粒子图像生成速度场ω的过程为：根据已有两帧示踪粒子图像I₁，I₂的粒子分布，用光流法计算得到速度场ω。

5.根据权利要求2所述的级联注意力机制的PWC-Net的示踪粒子图像速度场分析方法，其特征在于，所述步骤2包含如下步骤：

(1)获取网络模型ω＝F(I₁,I₂)，其中I₁，I₂为输入的两帧示踪粒子图像，ω为输出两帧示踪粒子图像之间的速度矢量场，F为光流神经网络的映射函数关系；

(2)设置网络的目标函数：目标函数设置为输出速度场与标签速度场误差，按以下公式进行：

其中，k为不同层级，L_k为第k层输出速度场与标签速度场的误差，λ_k为第k层误差的权重；

(3)用步骤1产生的示踪粒子图像数据集训练网络，从而得到可用于示踪粒子图像速度场分析的光流神经网络模型。

6.根据权利要求5所述的级联注意力机制的PWC-Net的示踪粒子图像速度场分析方法，其特征在于，步骤3中，所述读取示踪粒子图像，是指在Δt的时间间隔内获取两帧原始示踪粒子图像I₁₁，I₁₂。

7.根据权利要求6所述的级联注意力机制的PWC-Net的示踪粒子图像速度场分析方法，其特征在于，步骤4中，先采用大小为5×5、方差为1的高斯滤波函数对获取的两帧原始示踪粒子图像I₁₁，I₁₂进行滤波处理，再对滤波处理后的示踪粒子图像进行灰度化和归一化处理。