图像分割在自由液面识别中的应用

图像分割在自由液面识别中的应用

论文摘要

流体晃荡问题广泛存在于海洋、航空航天工程等领域。模型实验方法是验证理论模拟、数值计算和有效分析流体物理特性的重要手段。自由液面识别与提取是分析流体水动力的前提,因而如何精确提取自由液面一直是流体力学实验中的一项技术难题。本文试采用图像分割技术解决自由液面识别问题,以期在液面提取领域发挥一定的应用价值。当外部激励频率接近舱室内液体的固有频率时,很容易引起剧烈的晃荡,使自由液面破碎并包裹气体进入流场,气液混合易导致局部砰击荷载过大,引起结构破坏的危险。因而对液体固有频率等参数的分析是研究气液耦合问题的一部分。本文主要研究工作内容如下:本文采用图像分割技术对液舱内自由液面识别问题开展了一系列的研究。评估指标检验自由液面分割情况的结果表明:基于高斯差分滤波的分水岭算法可高效精确的识别平整、光滑的自由液面,精确度达到99%以上,而对于表面模糊、局部微破碎的液面识别却存在一定的偏差问题。基于Sobel算子滤波的分水岭算法能够实现对局部微破碎、表面模糊、附有气泡等类型液面的识别,精确度达到98%以上,但对于复杂破碎的液面识别却具有一定的局限性。针对破碎液面识别的特殊性,本文开发了基于U-net网络的破碎波识别模型。该分割技术在破碎液面识别中具有稳定性好和精度较高等特点,精确度可达到95%以上。基于U-net网络模型的智能识别技术不仅可弥补传统算法的不足,而且还保障了液面的识别精度。因而在流体力学试验中,基于U-net网络模型的智能识别技术具有广泛的应用前景。本文应用基于EMD的Hilbert变换方法对舱室内液体的固有频率等参数进行分析。通过EMD分解原始信号去除噪声等干扰信号,经Hilbert变换求解固有频率和阻尼比。对比分析可知:实验值对应的一阶固有频率比理论值偏小,约为0.8-0.9 f1。由于EMD方法的降噪作用,实验值对应的一阶固有频率值比经FFT求解的一阶固有频率值偏小。IMF分量对应的阻尼比随着IMF相关性的降低而增大。

论文目录

  • 摘要
  • Abstract
  • 1 绪论
  •   1.1 课题研究背景
  •   1.2 研究现状分析
  •     1.2.1 自由液面提取方法
  •     1.2.2 固有频率等模态参数分析
  •   1.3 图像分割技术的应用与研究
  •     1.3.1 常规分割方法
  •     1.3.2 智能分割方法
  •   1.4 论文主要研究工作
  • 2 常规方法对自由液面的提取
  •   2.1 常规的图像处理方法
  •     2.1.1 灰度值处理
  •     2.1.2 阈值分割法
  •     2.1.3 高斯差分函数滤波
  •     2.1.4 Sobel算子滤波
  •     2.1.5 分水岭算法
  •   2.2 基于高斯差分滤波的分水岭算法
  •     2.2.1 基于高斯差分滤波的分水岭算法的基本原理
  •     2.2.2 识别精度的评估指标
  •     2.2.3 识别结果的精度检验
  •     2.2.4 讨论不同类型液面的识别结果
  •   2.3 基于Sobel算子滤波的分水岭算法
  •     2.3.1 基于Sobel算子滤波的分水岭算法的基本原理
  •     2.3.2 识别结果的精度检验
  •     2.3.3 讨论不同类型液面的识别结果
  •   2.4 结论
  • 3 基于U-net模型方法对自由液面的识别
  •   3.1 深度学习中神经网络的基本结构原理
  •     3.1.1 卷积层
  •     3.1.2 池化层
  •     3.1.3 跳跃层
  •     3.1.4 激活函数
  •   3.2 基于U-net网络模型的智能识别方法
  •     3.2.1 自由液面运动的物理过程及人工标记
  •     3.2.2 U-net模型训练
  •     3.2.3 区域修复与检验
  •     3.2.4 分割结果的精度检验
  •   3.3 总结
  • 4 气液耦合系统中固有频率等参数的实验研究
  •   4.1 基于EMD的 Hilbert变换方法
  •     4.1.1 EMD方法的基本原理
  •     4.1.2 Hilbert 变换
  •   4.2 实验内容与结果分析
  •     4.2.1 模型实验与数据提取
  •     4.2.2 模态参数提取与分析
  •   4.3 结论
  • 结论与展望
  • 参考文献
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 朱鹏昌

    导师: 卫志军

    关键词: 自由液面识别与提取,图像分割技术,网络模型,固有频率,阻尼

    来源: 大连理工大学

    年度: 2019

    分类: 基础科学,信息科技

    专业: 力学,计算机软件及计算机应用

    单位: 大连理工大学

    基金: 国家自然科学基金(11602051),中国博士后科学基金(2016M591433),辽宁省自然科学基金(20170540151),中央高校基本科研基金

    分类号: TP391.41;O35

    DOI: 10.26991/d.cnki.gdllu.2019.002477

    总页数: 76

    文件大小: 6236K

    下载量: 35

    相关论文文献

    • [1].分水岭算法的改进及在图像分割中的应用[J]. 现代信息科技 2019(24)
    • [2].血管造影图像分割方法研究的现状与进展[J]. 生物医学工程研究 2020(01)
    • [3].数字图像处理中的图像分割技术及其应用[J]. 通讯世界 2020(04)
    • [4].基于深度学习的激光雷达遥感图像分割[J]. 激光杂志 2020(06)
    • [5].基于小波融合的苹果图像分割的研究[J]. 科技视界 2018(29)
    • [6].图像分割方法综述[J]. 电脑知识与技术 2019(05)
    • [7].基于深度学习的图像分割技术[J]. 人工智能 2019(02)
    • [8].基于模糊信息处理的图像分割方法研究[J]. 信息系统工程 2017(11)
    • [9].数字图像处理中的图像分割技术应用研究[J]. 电子技术与软件工程 2017(01)
    • [10].一种基于统计学习理论的最小生成树图像分割准则[J]. 武汉大学学报(信息科学版) 2017(07)
    • [11].基于显著性检测的协同图像分割研究[J]. 现代计算机(专业版) 2017(24)
    • [12].一种基于数据场的图像分割方法与研究[J]. 长春工程学院学报(自然科学版) 2016(02)
    • [13].基于自适应局部阈值的交互式图像分割[J]. 计算机应用与软件 2014(11)
    • [14].对图像分割方法的认识及新进展研究[J]. 数码世界 2018(08)
    • [15].唇纹识别图像分割系统的研究[J]. 山西青年 2017(11)
    • [16].浅谈基于阈值的图像分割方法[J]. 科学家 2017(02)
    • [17].医学图像分析系统设计[J]. 数码世界 2017(09)
    • [18].基于边缘的图像分割在牛体尺测量中的应用[J]. 数字技术与应用 2020(02)
    • [19].一种基于标记分水岭的图像分割方法[J]. 现代计算机 2020(15)
    • [20].基于粒子群算法选择特征的船舶图像分割研究[J]. 舰船科学技术 2020(20)
    • [21].一种基于种子优化算法的图像分割方法[J]. 电脑知识与技术 2019(06)
    • [22].基于物体间支撑语义关系的室内场景彩色深度图像分割[J]. 控制理论与应用 2019(04)
    • [23].图像分割方法综述[J]. 信息记录材料 2019(07)
    • [24].基于图论的图像分割及其嵌入式应用研究[J]. 石家庄学院学报 2017(06)
    • [25].改进马尔可夫模型的SAR图像分割[J]. 遥感信息 2017(06)
    • [26].基于蚁群算法的图像分割方法[J]. 宝鸡文理学院学报(自然科学版) 2018(02)
    • [27].基于均值平移算法的图像分割技术[J]. 电子技术与软件工程 2017(01)
    • [28].基于图像分割的糖尿病性视网膜病变血管研究[J]. 中国医疗器械信息 2017(19)
    • [29].改进小波算法在图像分割技术中的应用[J]. 数字技术与应用 2016(03)
    • [30].棉花图像分割方法的比较与分析[J]. 中国棉花加工 2016(01)

    标签:;  ;  ;  ;  ;  

    图像分割在自由液面识别中的应用
    下载Doc文档

    猜你喜欢