基于光流方法的PIV计算技术研究

粒子图像测速(Particle Image Velocimitry，简称PIV)作为一种全流场、无接触、无扰动、高精度的流动可视化方法，如今已是一门跨学科的交叉综合技术，其结合了激光技术、视频图像处理技术、计算机技术、流体力学和近代光学技术的最新成果。近年来基于光流技术的PIV计算[3]受到人们越来越多的关注，该技术是将整个运动矢量场作为一个整体连续函数进行估计，其分辨率可以达到图像中的每一个像素，为微观、精确地进行局部图像运动计算和分析提供了可能，同时克服了传统相关方法中的一些固有缺陷。本项目的研究将包括：基于光流方法的粒子图像运动矢量场生成技术研究；基于多网格策略的光流计算快速方法的研究；探索利用Clifford代数进行流体运动矢量场描述。项目的研究成果对于提高PIV技术的理论水平有着重要的科学和实用价值。同时对于视频运动图像分析和高维图像分析也有一定的借鉴意义。

《基于光流方法的PIV计算技术研究》基金项目主要工作简单概括为：研究基于光流方法的PIV计算技术；研究多网格流场快速计算方法；基于高维矢量描述的流场分析方法，以及研究成果的实际应用等。目前已取得的成果包括以下内容(虽然项目部分工作仍在继续)：.1.提出基于L-1范数和局部二值结构的光流计算框架。传统的PIV或PTV是基于局部模板(可变形模板)图像匹配技术或粒子跟踪技术，其缺点主要是不能提供全流场而需要进行插值运算，计算精度不高和速度慢等。基于光流方法PIV计算是将整个运动矢量场作为一个整体连续函数进行估计，其分辨率可以达到图像中的每一个像素，为微观、精确地进行局部图像运动计算和分析提供了可能。虽然利用光流技术可以克服部分缺点，但仍存在如下问题：.1）光流方法中运动模型由于需要对矢量场做平滑约束来解决病态解的问题，而这种平滑约束容易破坏掉原始流场的运动边界(如流场分叉、多流交汇)。.2）速度问题没有因为使用光流技术而根本改善。.3）PIV成像中的粒子的径向运动(与镜头平行)带来的明暗变化(景深变化)会带来计算误差(对于光流来讲，即基于照度恒常的运动模型假设不成立)。..在该项目里我们针对上述问题1)和3)提出了基于L-1范数和局部二值结构的光流计算框架。将运动场的平滑约束由传统的L-2范数改变为L-1范数来解决过度平滑问题，但L-1范数为局部不可微带来计算上的困难，为了解决计算问题我们将原对偶算法应用在了PIV计算上，可以很好地解决L-1范数约束问题。..为了克服PIV成像中的粒子的径向运动带来的明暗变化，我们对粒子图像进行局部块结构编码。该编码信息为二值信息，它既可以反映当前位置有无粒子而且还包含局部结构信息。利用局部二值编码不仅能克服亮度变化问题，同时由于利用了更多的结构信息会使得计算结果的可靠性和精度得到改善。..在计算速度方面我们将数值计算领域中多网格技术应用在基于L-1范数的光流计算中，速度有明显的提升。..我们还将流场的散度、旋度、速度场构建成高维矢量场来整体描述流场分布的特性，利用机器学习的手段，对一段时间局部区域的流场高维矢量描述进行有监督训练，该工作仍在进行中。.该研究成果正在应用于血管过滤器使用中局部微流的检测。