基于维诺图的粒子图像测速方法及装置

摘要

本发明涉及一种基于维诺图的粒子图像测速方法及装置，该方法采用白光LED作为光源照射在待测颗粒流表面，利用高速CCD相机作为图像探测设备对颗粒流表面的粒子进行连续拍摄，然后用计算机采集相机拍摄的图像，并对采集到的图像进行图像预处理，去除由于非均匀光照等实验环境和设备造成的背景噪声以及目标筛选，将处理后的图像内颗粒目标提取为点状粒子，并用其质心坐标来代替，由此得到一组二维平面的特征点坐标，对其进行维诺图构建，接着用构建好的维诺图进行两帧图像之间的匹配，最后得到粒子速度分布信息。

权利要求

1.一种基于维诺图的粒子图像测速方法，其特征在于：采用白光LED作为光源照射在待测颗粒流表面，利用高速CCD相机作为图像探测设备对颗粒流表面的粒子进行连续拍摄，然后用计算机采集相机拍摄的图像，并对采集到的图像进行图像预处理，去除由于非均匀光照实验环境和设备造成的背景噪声以及目标筛选，将处理后的图像内颗粒目标提取为点状粒子，并用其质心坐标来代替，由此得到一组二维平面的特征点坐标，对其进行维诺图构建，接着用构建好的维诺图进行两帧图像之间的匹配，最后得到粒子速度分布信息；

所述维诺图构建，用构建好的维诺图进行两帧图像之间的匹配，最后得到粒子速度分布信息的具体步骤为：

步骤一：假设有一组相邻的两帧图像，其粒子点的集合为A＝{a1,a2,…,an}和B＝{b1,b2,…,bn}，其中ai,bj分别为对应集合内某一个确定的点，然后分别为A，B建立维诺多边形图层P＝{p1,p2,…,pn},其中pi为P中维诺多边形图层中某一个确定的泰森多边形，Q＝{q1,q2,…,qn}，其中qj为Q中维诺多边形图层中某一个确定的泰森多边形；

步骤二：建立匹配条件：在相邻两帧之间互相筛选颗粒，首先遍历P中的每个要素：pi为ai对应的泰森多边形，找出仅包含一个B中要素：设为bj的所有多边形，计算这些多边形中ai与bj的距离值，借鉴拉依达准则对其改进，将小于μ-δ， 其中μ为平均距离，δ为距离标准差，以及大于μ+δ的值作为异常值剔除，计算出剩余点对的距离均值μ和距离标准差δ，将匹配点对距离小于等于μ+3δ作为选择候选集的条件一；

步骤三：进行匹配计算：查看包含在pi中的B的要素数目

1)若包含在pi中的B中的要素数目为0，则看pi是否存在与其相交且Q中的泰森多边形，pi与qj要满足一定的相似度，即要求pi与qj的相交面积与pi的面积之比大于20％，若不存在符合条件的qj，则表示pi无匹配对象，若仅存一个与pi相交的泰森多边形，则计算两个面中对应点之间的距离是否符合条件一，若符合则将对应点视为匹配对象，若存在多个与pi相交的泰森多边形，先剔除不符合条件一的匹配对象，然后比较符合条件一的对应泰森多边形的形状相似度，将相似度最高的qj视为匹配对象，并建立对应点的匹配关系；

2)若包含在pi中的B中的要素数目为1,则检查其是否满足条件一，若满足则建立对应点的匹配关系，否则记录对应的bj为新增要素；

3)若包含在pi中的B中的要素数目大于等于2，先剔除不符合条件一的匹配对象，然后比较符合条件一的对应泰森多边形的形状相似性，将相似度最高的qj视为匹配对象，并建立对应点的匹配关系；

步骤四：若经过上述匹配计算后点与点之间的匹配关系仍出现一对多的情况，加入反算方法以及概率择优模块，即将原本由第一帧向第二帧的顺匹配反转为由第二帧向第一帧的逆匹配，做第二次匹配，重复上述步骤后得到新的匹配关系，记为F，F蕴含着可能性的积累，利用概率择优模块保留出现频率最高的模块，同时剔除一切分歧性的结果，建立对应点的匹配关系；

步骤五：观察已经建立好的匹配点分别相对于窗口的坐标，可以得到点与点之间的相对位移，记为Δsi,同时通过设置相机的帧率可以获得两帧图像之间的时间间隔，记为Δt,由此通过某一个点的速度Vi计算公式：可以得到某一个粒子在两帧图像之间运动的平均速度，因为图像之间时间间隔很小，故可以用此速度来代替粒子在某一时刻的瞬时速度。

说明书

基于维诺图的粒子图像测速方法及装置

技术领域

[0001] 本发明涉及一种粒子速度测量方法和装置，具体涉及一种基于维诺图的粒子速度场分布测量方法和装置。

背景技术

[0002] 颗粒流是颗粒物质存在的一种状态，颗粒物质广泛存在于自然界和工业中，如煤炭的运输和储存，泥石流和雪崩现象等都涉及颗粒流问题，因此研究颗粒流的运动特征具有重要意义。

[0003] 在粒子运动速度测量领域，用图像处理的方法进行速度测量主要有粒子图像测速法(PIV)和粒子跟踪测速法(PTV)。PIV和PTV都是上世纪70年代末80年代初发展起来的一种瞬态、多点、无接触式的流体力学测速方法。作为PIV和PTV技术的核心，流场图像分析目前主要采用二维快速Fourier变换实现互相关函数的计算，重庆大学李正浩等人利用这种方法来测量表面流场物体速度，(201710242846.X[一种基于粒子图像测速的表面流场测量方法])，但是这类方法对实验参数较为敏感，且在计算过程中容易产生错误的匹配信息，导致产生速度伪矢量，匹配精度不高。

[0004] 维诺图是计算机几何中的一个重要研究内容，它在气象学，地理学，计算机图形学，机器人学等领域得到广泛应用，而关于维诺图的研究更多的集中于其高效的生成算法以及应用层面，如沈阳建筑大学宋晓宇等人发明了一种利用维诺图的最近邻查询方法(201210430002.5[一种基于维诺图的反K最近邻查询方法])。但至目前为止，在流体学中，尤其是针对流场内运动粒子速度方面的研究还尤为不足。因此利用维诺图来进行粒子匹配进而获得运动粒子速度信息，是一种具有巨大潜力和发展前景的一种粒子速度测量技术。

发明内容

[0005] 本发明是针对目前流体学中PIV和PTV测量法的不足之处(对实验参数敏感，容易产生误匹配，匹配精度不高)，提出的一种基于维诺图的粒子图像测速方法及装置，来实现对颗粒流速度场分布的准确测量。与传统的点与点之间的匹配方法不同，基于维诺图的匹配方法，通过构建维诺图的泰森多边形，实现了面与面之间的匹配，因此，精度更高、稳定性更好、抗干扰能力更强。

[0006] 为实现上述目的，本发明的技术方案是：一种基于维诺图的粒子图像测速方法，采用白光LED作为光源照射在待测颗粒流表面，利用高速CCD相机作为图像探测设备对颗粒流表面的粒子进行连续拍摄，然后用计算机采集相机拍摄的图像，并对采集到的图像进行图像预处理，去除由于非均匀光照等实验环境和设备造成的背景噪声以及目标筛选，将处理后的图像内颗粒目标提取为点状粒子，并用其质心坐标来代替，由此得到一组二维平面的特征点坐标，对其进行维诺图构建，接着用构建好的维诺图进行两帧图像之间的匹配，最后得到粒子速度分布信息。

[0007] 所述维诺图构建，用构建好的维诺图进行两帧图像之间的匹配，最后得到粒子速度分布信息的具体步骤为：

[0008] 步骤一：假设有一组相邻的两帧图像，其粒子点的集合为A＝{a1，a2，...，an}和B＝{b1，b2，...，bn}，其中ai，bj分别为对应集合内某一个确定的点，然后分别为A，B建立维诺多边形图层P＝{p1，p2，...，pn}，其中pi为P中维诺多边形图层中某一个确定的泰森多边形，Q＝{q1，q2，...，qn}，其中qj为Q中维诺多边形图层中某一个确定的泰森多边形；

[0009] 步骤二：建立匹配条件：在相邻两帧之间互相筛选颗粒，首先遍历P中的每个要素：pi为ai对应的泰森多边形，找出仅包含一个B中要素：设为bj的所有多边形，计算这些多边形中ai与bj的距离值，借鉴拉依达准则对其改进，将小于μ-δ其中μ为平均距离，δ为距离标准差，以及大于μ+δ的值作为异常值剔除，计算出剩余点对的距离均值μ和距离标准差δ，将匹配点对距离小于等于μ+3δ作为选择候选集的条件之一；

[0010] 步骤三：进行匹配计算：查看包含在pi中的B的要素数目

[0011] 1)若包含在pi中的B中的要素数目为0，则看pi是否存在与其相交且Q中的泰森多边形，pi与qj要满足一定的相似度，即要求pi与qj的相交面积与pi的面积之比大于20％，若不存在符合条件qj，则表示pi无匹配对象，若仅存一个与pi相交的泰森多边形，则计算两个面中对应点之间的距离是否符合条件一，若符合则将对应点视为匹配对象，若存在多个与pi相交的泰森多边形，先剔除不符合条件一的匹配对象，然后比较符合条件一的对应对应泰森多边形的形状相似度，将相似度最高的qj视为匹配对象，并建立对应点的匹配关系；

[0012] 2)若包含在pi中的B中的要素数目为1，则检查其是否满足条件一，若满足则建立对应点的匹配关系，否则记录对应的bj为新增要素；

[0013] 3)若包含在pi中的B中的要素数目大于等于2，先剔除不符合条件一的匹配对象，然后比较符合条件一的对应泰森多边形的形状相似性，将相似度最高的qj视为匹配对象，并建立对应点的匹配关系；

[0014] 步骤四：若经过上述匹配计算后点与点之间的匹配关系仍出现一对多的情况，可以考虑加入反算方法以及概率择优模块，即将原本由第一帧向第二帧的顺匹配反转为由第二帧向第一帧的逆匹配，做第二次匹配，重复上述步骤后得到新的匹配关系，记为F，F蕴含着可能性的积累，可以利用概率择优模块保留出现频率最高的模块，同时剔除一切分歧性的结果，建立对应点的匹配关系；

[0015] 步骤五：观察已经建立好的匹配点分别相对于窗口的坐标，可以得到点与点之间的相对位移，记为 同时通过设置相机的帧率可以获得两帧图像之间的时间间隔，记为Δt，由此通过某一个点的速度Vi计算公式：

[0016]

[0017] 可以得到某一个粒子在两帧图像之间运动的平均速度，因为图像之间时间间隔很小，故可以用此速度来代替粒子在某一时刻的瞬时速度。

[0018] 所述泰森多边形相似度计算方法：

[0019]

[0020]

[0021] 其中ρArea(ai，bj)表示面积相似度，从一定程度上可以反映多边形位置和形状相似性，计算方法见公式1；T为面积相似度阈值，S为两个多边形相交部分的面积大小，min为取两个多边形面积最小的那个，当两泰森多边形面积重叠度较高时，建议采用面积相似度作为评判对应泰森多边形的依据；ρShape(ai，bj)表示对应泰森多边形的轮廓形状相似度，其计算方法借鉴于折线段方位编码方法，即将多边形的轮廓形状通过各边的方位编码来描述；当边的方位角恰好位于圆周分割线上时，需要将计算出的编码降为该编码的下一级，为了便于待匹配多边形之间各边方位的比较，计算方位编码前需要将两个待匹配的多变性上的节点统一按顺时针或者逆时针进行排列，每个边的方位编码可以采用公式(3)：

[0022]

[0023] 其中Chr为将数值转换为编码字符(A～X)的函数，Nl、Nl+1为折线上的两个相邻接点，(NlNl+1)表示其所构成的向量的方位角，int为取整函数。

[0024] 一种基于维诺图的粒子图像测速装置，包括一台计算机，一白色LED光源，一带镜头的高速CCD相机，一可以进行粒子速度场研究的二维圆盘，二维圆盘内放入体积总量为圆盘容积40％的2mm-5mm均匀的球形陶瓷颗粒，并垂直放置于由电动机驱动的匀速转台上，白色LED光源均匀照射在二维圆盘内球形陶瓷颗粒表面，带有镜头的高速CCD相机固定于支架上，并与计算机相连，用来处理带有镜头的高速CCD采集到的图片。

[0025] 本发明的有益效果是：

[0026] 针对于现有的速度测量方法的不足之处，本发明提出的方法较传统方法更有优势：对实验参数的选取不敏感；算法的复杂度不高；很大程度上提高了匹配精确度，经实验论证可达92％-94％的匹配准确性；对实验环境的要求不高，测量系统相对简单。

附图说明

[0027] 图1为泰森多边形形状相似度的圆周角度分区；

[0028] 图2为在反算概念中用到的概率择优模块；

[0029] 图3为测量二维圆盘转动粒子速度场的实验装置示意图；

[0030] 图4为二维圆盘侧面粒子速度场测量流程图。

[0031] 图5为根据粒子位置构建的维诺图；

[0032] 图6为对连续两帧图像对应的维诺图进行匹配的示意图；

[0033] 其中：(a)圆圈和实线是给定的一组点构成的Voronoi图，由十字形和虚线构成的是给定点经过Δt后得到的Voronoi图，(b)阴影部分为Voronoi多边形的重合面积，根据面积相似度筛选候选匹配颗粒，(c)Voronoi图匹配扩展后得到的速度矢量图，(d)对c图中的速度矢量进行平滑处理；

[0034] 图7为二维圆盘内粒子运动速度场的分布。

具体实施方式

[0035] 为了使本发明原理与技术特征更为浅显易懂，下文以本发明测量二维转盘内颗粒流的速度场分布为例，结合附图和具体实施步骤，对测量方法和原理做进一步阐释说明。

[0036] 实验所用的基于维诺图的粒子图像测速装置，如图3所示，包括一台计算机1，一白色LED光源2，一带镜头的高速CCD相机3，一可以进行粒子速度场研究的二维圆盘4。

[0037] 二维圆盘(厚度10mm)内放入体积总量大致为圆盘容积40％的2mm-5mm均匀的球形陶瓷颗粒(氮化硅)，将其垂直放置于靠电动机驱动的匀速转台上(0.16转/秒)，白色LED光源均匀照射在二维圆盘内粒子表面，将带有镜头的高速CCD相机固定于支架上(面阵CCD使用Teledyne公司的Spyder系列镜头，拥有1024像素，单个像素尺寸为14μm，行频输入范围最大为36kHz，镜头为NIKON公司的定焦镜头，镜头焦距35mm。)，并与计算机相连，用来处理CCD相机采集到的图片。

[0038] 一种基于维诺图的粒子图像测速方法，采用白光LED作为光源照射在待测颗粒流表面，利用高速CCD相机作为图像探测设备对颗粒流表面的粒子进行连续拍摄，然后用计算机采集相机拍摄的图像，并对采集到的图像进行图像预处理(包括：滤波，阈值，特征提取等)，去除由于非均匀光照等实验环境和设备造成的背景噪声以及目标筛选，将处理后的图像内颗粒目标提取为点状粒子，并用其质心坐标来代替，由此得到一组二维平面的特征点坐标，对其进行维诺图构建，接着用构建好的维诺图进行两帧图像之间的匹配，最后得到粒子速度分布信息。

[0039] 所述维诺图构建，用构建好的维诺图进行两帧图像之间的匹配，最后得到粒子速度分布信息的具体步骤为：

[0040] 步骤一：假设有一组相邻的两帧图像，其粒子点的集合为A＝{a1，a2，...，an}和B＝{b1，b2，...，bn}，其中ai，bj分别为对应集合内某一个确定的点，然后分别为A，B建立维诺多边形图层P＝{p1，p2，...，pn}，其中pi为P中维诺多边形图层中某一个确定的泰森多边形，Q＝{q1，q2，...，qn}，其中qj为Q中维诺多边形图层中某一个确定的泰森多边形；

[0041] 步骤二：建立匹配条件：在相邻两帧之间互相筛选颗粒，首先遍历P中的每个要素：pi为ai对应的泰森多边形，找出仅包含一个B中要素：设为bj的所有多边形，计算这些多边形中ai与bj的距离值，借鉴拉依达准则对其改进，将小于μ-δ其中μ为平均距离，δ为距离标准差，以及大于μ+δ的值作为异常值剔除，计算出剩余点对的距离均值μ和距离标准差δ，将匹配点对距离小于等于μ+3δ作为选择候选集的条件之一；

[0042] 步骤三：进行匹配计算：查看包含在pi中的B的要素数目

[0043] 1)若包含在pi中的B中的要素数目为0，则看pi是否存在与其相交且Q中的泰森多边形，pi与qj要满足一定的相似度，即要求pi与qj的相交面积与pi的面积之比大于20％，若不存在符合条件qj，则表示pi无匹配对象，若仅存一个与pi相交的泰森多边形，则计算两个面中对应点之间的距离是否符合条件一，若符合则将对应点视为匹配对象，若存在多个与pi相交的泰森多边形，先剔除不符合条件一的匹配对象，然后比较符合条件一的对应对应泰森多边形的形状相似度，将相似度(计算方法见公式1)最高的qj视为匹配对象，并建立对应点的匹配关系；

[0044] 2)若包含在pi中的B中的要素数目为1，则检查其是否满足条件一，若满足则建立对应点的匹配关系，否则记录对应的bj为新增要素；

[0045] 3)若包含在pi中的B中的要素数目大于等于2，先剔除不符合条件一的匹配对象，然后比较符合条件一的对应泰森多边形的形状相似性，将相似度(计算方法见公式1)最高的qj视为匹配对象，并建立对应点的匹配关系；

[0046] 泰森多边形相似度计算方法：

[0047]

[0048]

[0049] 其中ρArea(ai，bj)表示面积相似度，从一定程度上可以反映多边形位置和形状相似性，计算方法见公式1；T为面积相似度阈值，S为两个多边形相交部分的面积大小，min为取两个多边形面积最小的那个，当两泰森多边形面积重叠度较高时，建议采用面积相似度作为评判对应泰森多边形的依据；ρShape(ai，bj)表示对应泰森多边形的轮廓形状相似度，其计算方法借鉴于折线段方位编码方法，即将多边形的轮廓形状通过各边的方位编码来描述，如图1所示。当边的方位角恰好位于圆周分割线上时，需要将计算出的编码降为它的下一级。为了便于待匹配多边形之间各边方位的比较，计算方位编码前需要将两个待匹配的多变性上的节点统一按顺时针或者逆时针进行排列，每个边的方位编码可以采用公式3：

[0050]

[0051] 其中Chr为将数值转换为编码字符(A～X)的函数，Nl、Nl+1为折线上的两个相邻接点，(NlNl+1)表示其所构成的向量的方位角，int为取整函数。

[0052] 步骤四：若经过上述匹配计算后点与点之间的匹配关系仍出现一对多的情况，可以考虑加入反算方法以及概率择优模块，即将原本由第一帧向第二帧的顺匹配反转为由第二帧向第一帧的逆匹配，做第二次匹配，重复上述步骤后得到新的匹配关系，记为F，F蕴含着可能性的积累，可以利用概率择优模块(如图2所示)保留出现频率最高的模块，同时剔除一切分歧性的结果，建立对应点的匹配关系。

[0053] 步骤五：观察已经建立好的匹配点分别相对于窗口的坐标，可以得到点与点之间的相对位移，记为 同时通过设置相机的帧率可以获得两帧图像之间的时间间隔，记为Δt，由此通过某一个点的速度Vi计算公式：

[0054]

[0055] 可以得到某一个粒子在两帧图像之间运动的平均速度，因为图像之间时间间隔很小，故可以用此速度来代替粒子在某一时刻的瞬时速度。

[0056] 下面将结合流程图(如图4所示)对每一步骤做具体说明：

[0057] 步骤一：对采集到的图像进行图像预处理，所用到的软件为德国MVtec公司开发的Halcon机器视觉算法包。首先对图像进行中值滤波，去除一部分的背景噪声，然后观察光照是否均匀，选择统一灰度阈值或者动态阈值分割，随后根据特征目标的大小形状位置等信息进行目标的筛选，由此得到去除了背景信息后的一组特征目标。

[0058] 步骤二：由于上一步中得到的特征目标都由一个一个的像素点构成，因此，需要对所得到的每一个特征目标取其质心点以此来代替和其对应的特征目标，并由这些质心点坐标建立二维平面，构建Voronoi图，同时建立这一帧的颗粒点集A＝{a1，a2，...，an}以及Voronoi多边形图层元素P＝{p1，p2，...，pn}，，如图5所示。

[0059] 步骤三：将下一帧的图像也进行步骤一和步骤二的处理，得到颗粒点集为B＝{b1，b2，...，bn}，Voronoi多边形图层元素Q＝{q1，q2，...，qn}，对前后两张图片进行Voronoi图匹配运算。即先计算出距离阈值作为匹配条件，筛选出待匹配粒子候选点集。然后查看包含在pi中的B的要素数目，对包含数目为0，1和大于等于2三种情况作不同处理，选取面积相似度匹配方法或者形状相似度匹配方法。由此建立粒子层面的匹配关系。

[0060] 步骤四：若经过上述三个步骤所建立的匹配关系仍出现一对多的情况，可以考虑加入反算概念以及概率择优模块选取概率最大的匹配关系，同时删除分歧性结果。实验结果如图6(a)，(b)，(c)，(d)所示。

[0061] 步骤五：由得到的粒子匹配关系可以在二维平面建立二维圆盘内粒子运动速度场的分布状况，如图7所示。