一种采用多角度直方图信息进行非均匀温度分布重建的方法

摘要

本发明提供一种采用多角度直方图信息进行非均匀温度分布重建的方法。包括以下步骤：在被测温度区域周围的水平、垂直、左对角线和右对角线四个方向上布置多条测量路径，并依次获得每个方向每条路径上的直方图信息，组成四个直方图矩阵；利用逻辑判断及遍历的算法将四个直方图矩阵进行组合，生成一个包含多角度直方图全部信息的概率矩阵；通过分析概率矩阵重建温度矩阵，最终实现二维温度分布重建。本发明的效果是在测量角度受限的情况下，利用有限角度的测量数据实现非均匀温度场的分布重建，该方法可以在保证重建质量的同时，有效降低计算的复杂度，简单易用，具有广泛的应用前景。

权利要求

1.一种采用多角度直方图信息进行非均匀温度分布重建的方法，该方法包括以下步骤：

步骤一，在被测温度区域周围的水平、垂直、左对角线和右对角线四个方向上布置多条测量路径，依次获得每个方向每条路径上的直方图信息，组成四个直方图矩阵，四个方向的温度直方图矩阵分别由H,V,L和R表示；

步骤二，由步骤一得到的四方向直方图矩阵H,V,L,R生成概率矩阵，该概率矩阵表明温度矩阵对应位置的元素为某一值的概率，概率矩阵中的元素计算过程如下：四个方向直方图矩阵H,V,L和R中通过某同一位置点的四个行向量，进行Hadamard乘积，计算值大于1时取

1，等于零时取零；

假设H’,V’,L’,R’为温度值已确定的直方图矩阵，每确定一个温度值，该直方图矩阵就会更新一次，概率矩阵随之更新，更新过程如下：四个方向直方图矩阵H-H’,V-V’,L-L’和R-R’中通过某同一位置点的四个行向量，进行Hadamard乘积，并规定计算值大于1时取1，等于零时取零；

步骤三，将H’,V’,L’,R’初始化为零矩阵，由步骤二所述方法生成概率矩阵，如果概率矩阵中包含单值行，则温度矩阵对应位置上的元素即可确定，更新H’，V’，L’，R’；否则，遍历概率矩阵寻找行和最小的行，并将其进行分支操作转换为单值行，如此循环，确定所有待定位置的温度值，并将重建值映射回原始温度范围，构成最终的温度矩阵，完成非均匀二维温度分布重建。

说明书

一种采用多角度直方图信息进行非均匀温度分布重建的方法

技术领域

[0001] 本发明涉及一种非均匀温度分布重建方法，具体涉及一种采用多角度直方图信息进行非均匀温度分布重建的方法。

背景技术

[0002] 在很多实际应用中，由于热传导、冷边界层和气体扩散等效应，温度场的分布往往存在明显的不均匀性。就非均匀温度场分布的测量而言，除了借助光辐射测温和激光诱导荧光等通过高速相机直接得到火焰图像进而实现二维温度测量外，还可以借助CT温度场分布重建，如声学CT成像技术及激光吸收光谱CT 成像技术。

[0003] 激光吸收光谱因其无需预处理、测量响应速度快、数据准确、可多参数同时检测等优点被广泛应用于燃烧过程中多参数的非接触式测量中。采用TDLAS技术测量温度分布无需采集样气，激光器和探测器直接安装在测量现场，且测量设备本身与被测气体完全隔离，具有极好的环境适应性。一般地，利用单一测量角度只能得到该测量路径上温度的平均值而无法获得参数的空间分布信息；少角度测量数据无法保证图像重建的精度。近年来，利用多角度激光吸收光技术结合CT成像技术实现非均匀温度场分布的测量研究取得了一定进展，如2015年Liu Chang等发表于《光学快报》(Optics Express)的23卷17期，第22494-22511 页，题为《基于扇形束TDLAS的气体温度、浓度快速成像传感器研究》(A Development of a fan-beam TDLAS-based tomographic sensor for rapid imaging of temperature and gas concentration)的文章；上述方法需要在被测区域周围安装多角度、多组传感器，采用多角度的投射数据进行分布重建。然而，在实际应用中，受限于现场环境等因素，无法在被测区域周围布置足够多的激光光路和探测器，同时，大量的实验数据也会降低温度场重建速度、增大系统的运行负担和检测成本。因此，如何利用较少的测量角度进行温度场分布的快速、精确重建是温度场重建方法的研究重点。

[0004] 在高光谱激光吸收光谱技术中，在单条光路上布置有多条吸收谱线，可以获得更丰富的参数信息，如温度分布的直方图信息。例如，2016年Trevor York发表于《应用物理B》(Applied Physics B)的122卷 1期，第3(1-9)页，题为《基于单路TDLAS的甲烷-空气火焰非均匀温度场测量》(Characterization of temperature non-uniformity over a premixed CH4–air flame based on line-of-sight TDLAS)的文章中，利用高光谱层析成像技术，在单条光路上布置多条吸收光谱，获得了该路径上的温度直方图信息。单一角度的温度直方图信息较之温度平均值而言，包含了更丰富的数据，增加了单个角度的信息量。以往利用高光谱进行直方图重建的工作，旨在反演得到路径上的温度直方图信息，并未涉及到温度的二维分布重建。本发明结合高光谱激光吸收光谱技术，利用少角度直方图信息进行温度场分布的快速、精确重建。

[0005] 采用四个角度的直方图信息来重建非均匀温度分布，在被测温度区域周围的水平、垂直、左对角线和右对角线四个方向上布置多条测量路径，并依次获得每个方向每条路径上的直方图信息，组成四个直方图矩阵；生成一个包含四角度直方图全部信息的概率矩阵；通过分析概率矩阵重建温度矩阵，最终实现二维温度分布重建。

发明内容

[0006] 为了在测量角度受限的情况下，利用有限角度的测量数据实现非均匀温度场的分布重建，本发明提供一种采用多角度直方图信息进行非均匀温度分布重建的方法，该方法可以在保证重建质量的同时，减少对测量角度和数据量的需求，有效降低计算的复杂度。本发明所采用的技术方案如下：

[0007] 1.一种采用多角度直方图信息进行非均匀温度分布重建的方法，该方法包括以下步骤：

[0008] 步骤一，在被测温度区域周围的水平、垂直、左对角线和右对角线四个方向上布置多条测量路径，依次获得每个方向每条路径上的直方图信息，组成四个直方图矩阵；四个方向的温度直方图矩阵分别由H,V, L和R表示。

[0009] 步骤二，由步骤一得到的四方向直方图矩阵H,V,L,R生成概率矩阵(PM，probability matrix)，该概率矩阵表明温度矩阵对应位置的元素为某一值的概率。PM中的元素计算过程如下：四个方向直方图矩阵 H,V,L和R中通过某同一位置点的四个行向量，进行Hadamard乘积，并规定计算值大于1时取1，等于零时取零。

[0010] 假设H’,V’,L’,R’为温度值已确定的直方图矩阵，每确定一个温度值，该直方图矩阵就会更新一次， PM矩阵随之更新，更新过程如下：四个方向直方图矩阵H-H’,V-V’,L-L’和R-R’中通过某同一位置点的四个行向量，进行Hadamard乘积，计算值大于1时取1，等于零时取零。

[0011] 步骤三，将H’,V’,L’,R’初始化为零矩阵，由式(3)生成PM矩阵。如果PM中包含单值行，则温度矩阵对应位置上的元素即可确定，更新H’，V’，L’，R’。否则，遍历矩阵寻找行和最小的行，并将其进行分支操作转换为单值行。如此循环，确定所有待定位置的温度值，并将重建值映射回原始温度范围，构成最终的温度矩阵，完成非均匀二维温度分布重建。

附图说明

[0012] 图1是水平、垂直、左对角线和右对角线四个方向的测量路径布置示意图[0013] 图2是基于直方图信息的分布重建算法流程图

[0014] 图3温度矩阵1的(a)原始分布和(b)重建结果

[0015] 图4温度矩阵2的(a)原始分布和(b)重建结果

具体实施方式

[0016] 在本实施例中，利用多光谱激光吸收光谱技术被测区域温度直方图的测量，以被划分为2×2的网格点的方形温度区域为例，详细说明了本方法的实施过程。然后以两组分别被划分为14×14和16×16的网格点的温度分布为例，验证了算法的有效性。利用所述一种采用多角度直方图信息进行非均匀温度分布重建的方法重建该区域内的温度分布。与传统的图像重建算法相比，所述采用多角度直方图信息进行非均匀温度分布重建的方法，可以在保证重建质量的同时，减少对测量角度和数据量的需求，并降低计算的复杂度。

[0017] 下面结合附图对本发明作进一步的说明：

[0018] 步骤一，在被测区域周围布置水平、垂直、左对角线和右对角线四个方向的激光路径，利用多光谱激光吸收光谱技术实现被测区域温度直方图的测量，测量系统包含1个可调谐激光器，激光器输出的激光通过光纤分路器分为多束激光，单条激光光束上包含有多条吸收谱线，激光经准直镜准直后穿过被测区域并被探测器接收。图1是如何获得直方图矩阵的示意。图中，温度区域被划分为2×2的网格点，温度值被离散化为3等份，并映射到0，1和2；实际温度矩阵T表示如下，

[0019]

[0020] 通过多光谱激光吸收光谱技术可以获得四个方向每条路径上温度值为0，1和2所占的归一化百分比，即温度直方图信息。得到直方图信息后，由以下步骤得到直方图矩阵：图中箭头代表了测量路径及方向，箭头的个数等于直方图矩阵的行数i，温度的份数等于直方图矩阵的列数j。四个角度下的直方图矩阵分别由H,V,L和R表示。矩阵H中元素hij的值等于水平直方图第i条路径上值等于(j-1)的温度的个数，对于 V,L和R同理。四个方向的直方图矩阵可以写作：

[0021]

[0022]

[0023]

[0024]

[0025] 步骤二，由步骤一得到的四方向直方图矩阵H,V,L,R生成概率矩阵(PM，probability matrix)，该概率矩阵表明温度矩阵对应位置的元素为某一值的概率。

[0026]

[0027] PM矩阵中的元素pij对应矩阵T中的元素tij，并表示其可能的取值。若pij第m列为1，则表示tij的值可能等于第m列所对应的温度值；如果为0，则tij的值不可能为第m列所对应的温度值。向量pij由四个直方图矩阵中经过点tij的行向量计算Hadamard乘积得到，如式(10)所示，并规定计算值大于1时取 1，等于零时取零。

[0028] p11＝h1.*v1.*l1.*r2＝[h11v11l11r21 h12v12l12r22 h13v13l13r23]   (7)[0029] 例如，若pij等于[0 0 1]，则tij唯一可能的取值为2。矩阵PM中只有一列等于1的行向量被称为单值行。

[0030] 假设H’,V’,L’,R’为温度值已确定的直方图矩阵，每确定一个温度值，该直方图矩阵就会更新一次。例如，若已确定t12的值为2，t21的值为0，则

[0031]

[0032] 直方图矩阵更新为H-H',V-V',L-L',R-R'，对其中通过某同一位置点的四个行向量，进行Hadamard乘积，并规定计算值大于1时取1，等于零时取零，则PM矩阵更新公式如下，[0033]

[0034] 其中，全零行表示对应位置元素已确定。

[0035] 步骤三，将H’,V’,L’,R’初始化为零矩阵，由式(3)生成PM矩阵。如果PM中包含单值行，则温度矩阵对应位置上的元素即可确定，更新H’,V’,L’,R’。否则，遍历矩阵寻找除全零行外行和最小的行，并将其进行分支操作转换为单值行。例如，某行的值为[0 1 1]，行和为2且为所有行中的最小值，则选取该行，将其分别设为[0 1 0]和[0 0 1]进行分支操作。如此循环，确定所有待定位置的温度值，并将重建值映射回原始温度范围，构成最终的温度矩阵，完成非均匀二维温度分布重建，算法的流程图如图2所示。

[0036] 本实例使用两组不同的温度分布来验证算法的有效性。两组温度数据分别为14×14和16×16的温度矩阵，温度范围被等分为10份后映射到1-10，并由此生成四个方向的直方图矩阵。图3为温度矩阵1的原始分布(a)和(b)重建结果；图4为温度矩阵2的原始分布(a)和(b)重建结果。使用PSNR 指标对重建结果进行评估，其计算公式如下，

[0037]

[0038] 其中，N是矩阵的维度，R(x,y)和O(x,y)分别是位置(x,y)的重建值和原始值，Rmax是R的最大值，温度矩阵1和2重建前后的PSNR分别为51.5dB和49.9dB。PSNR反映了量化误差的大小，其值取决于温度的范围及量化的份数，失真发生在离散过程中，而由直方图进行的重建过程是无损的。

[0039] 综上所述，与所述传统的重建方法相比，采用采用多角度直方图信息进行非均匀温度分布重建的方法可以在保证重建质量的同时，减少对测量角度和数据量的需求，有效降低计算的复杂度。以上对本发明及其实施方式的描述，并不局限于此，附图中所示仅是本发明的实施方式之一。在不脱离本发明创造宗旨的情况下，不经创造地设计出与该技术方案类似的结构或实施例，均属本发明保护范围。