《基于數字圖像處理技術的多相流參數檢測技術》
前言
第1章緒論
1.1數字圖像處理的主要內容及發展方向
1.1.1數字圖像處理的主要內容
1.1.2數字圖像處理領域的發展動向
1.2多相流概述
1.2.1多相流體的定義
1.2.2多相流體的分類
1.3多相流主要測量參數及分類
1.4圖像處理技術在多相流參數檢測中的應用與難點及發展趨勢
1.4,1發展現狀
1.4.2技術難點
1.4.3發展趨勢
參考文獻
第2章圖像數學形態學方法在氣液兩相流氣泡識別與容積含氣率的測量中的應用
2.1數學形態學的基本運算
2.1.1二值圖像中的形態學基本運算
2.1.2灰度圖像中的形態學基本運算
2.2基于數學形態學的氣液兩相流獨立氣泡分割算法
2.2.1改進Canny算子分割法
2.2.2粒子群算法優化增強大津法
2.2.3改進等高線分割法
2.3基于數學形態學的氣液兩相流粘連氣泡分割算法
2.3.1流域分割法
2.3.2遮擋分割法
2.3.3面積重構法
2.3.4形態學水線區域分割法
2.4氣泡形態特征參數計算及分析
2.4.1氣泡參數的求取
2.4.2氣泡參數分析
2.5容積含氣率的計算
2.5.1氣泡尺寸
2.5.2容積含氣率
2.5.3實驗結果與分析
2.6小結
參考文獻
第3章基于數字圖像處理技術的氣液兩相流型識別
3.1氣液兩相流流型圖像信號的獲取
3.1.1實驗系統及步驟
3.1.2圖像采集系統的選取
3.1.3兩相流圖像信號的獲取及分析
3.1.4流型圖像的噪聲分析及處理
3.2氣液兩相流流型圖像信號的特征提取
3.2.1基于灰度直方圖的流型圖像特征提取
3.2.2基于不變矩的流型圖像特征提取
3.2.3基于灰度共生矩陣的流型圖像特征提取
3.2.4小波變換的流型圖像特征提取
3.2.5基于小波包變換的流型圖像特征提取
3.2.6基于粗糙集的流型圖像特征提取
3.3流型的識別模型
3.3.1基于BP神經網絡的流型識別
3.3.2基于Elman神經網絡的流型識別
3.3.3基于概率神經網絡的流型識別
3.3.4基于支持向量機模型的流型識別
3.3.5基于隱馬爾可夫模型的流型識別
3.4小結
參考文獻
第4章基于圖像處理技術的氣液兩相流動特性分析
4.1圖像連通區域特征分析
4.1.1圖像處理過程
4.1.2形態學變異系數
4.1.3行相關與分形維的計算
4.1.4連通區域分析結果
4.2動態圖像平均灰度時間序列分析
4.2.1兩種熵測度特性分析
4.2.2 EMD分解
4.2.3雙HURST指數分析
4.2.4遞歸分析
4.2.5質量指數譜分析
4.3連續圖像區域分塊混沌特性分析
4.3.1最大Lyapunov指數提取方法
4.3.2灰度最大間距序列提取方法
4.3.3流動機理分析
4.3.4灰度最大相似值序列分析
4.4氣液兩相流型空間圖像復雜性測度分析
4.4.1流型圖像復雜性測度
4.4.2氣液兩相流流型復雜性分析
4.5小結
參考文獻
第5章基于圖像處理的油氣水三相流型特性分析
5.1油氣水三相流流型圖像紋理特征
5.1.1紋理特征定義
5.1.2紋理分析方法
5.1.3基于二階直方圖的流型圖像紋理特征提取
5.1.4圖像紋理分析
5.1.5流型圖像紋理特征復雜性測度
5.2油氣水三相流流型時間序列的特性分析
5.2.1基于HURST指數的特性分析
5.2.2基于關聯維的特性分析
5.2.3基于混沌吸引子的特性分析
5.2.4時頻域特征分析
5.2.5混沌與分形特性分析
5.3小結
參考文獻
第6章基于圖像處理的氣固兩相流型識別及空隙率檢測
6.1氣固兩相流圖像信號的獲取
6.1.1圖像獲取的實驗系統及步驟
6.1.2流型圖像的預處理
6.2流型圖像的特征提取
6.2.1灰度直方圖統計特征的提取
6.2.2圖像傅里葉變換的紋理特征的提取
6.2.3圖像的小波紋理特征的提取
6.2.4圖像的多重分形特征的提取
6.3流型識別模型
6.4稀相輸送中體積空隙率的檢測
6.4.1圖像處理算法
6.4.2參數計算
6.4.3誤差來源分析
6.5小結
參考文獻
第7章基于圖像處理的氣固兩相流流速及流場計算
7.1流化床顆粒與氣泡運動圖像的獲取
7.1.1圖像采集
7.1.2圖像的預處理
7.2基于特征相似度的PTV匹配算法
7.2.1顆粒圖像特征的提取
7.2.2顆粒速度的測量
7.3基于粒子群優化Hopfield網絡的PTV匹配算法
7.3.1能量函數的設計
7.3.2基于PSO優化的Hopfield網絡對顆粒進行匹配,
7.3.3速度場的測量
7.4基于光流分析法的流場檢測
7.4.1光流分析法基本原理
7.4.2MQD互相關算法
7.4.3檢測結果分析
7.5氣固兩相流中氣泡行為分析
7.5.1氣泡圖像的處理及數據的獲取
7.5.2氣泡上升過程中的行為分析
7.5.3氣泡的聚合與分裂行為分析
7.6小結
參考文獻