基于多视觉信息融合技术的小通道气液两相流流型识别系统和方法
【技术领域】
[0001] 本发明属于多相流流型识别领域，涉及一种基于多视觉信息融合技术气液两相流 流型识别系统，特别是利用这种系统进行气液两相流流型识别的方法。
【背景技术】
[0002] 由于小型/微型设备具有高效、快速、易控制及高度集成等优点，近年来，其在能 源、化工、生物和制药等领域得到广泛应用，小型/微型设备中微小通道气液两相流参数检 测的研究受到越来越多的关注。
[0003] 现有的微小通道两相流参数检测方法主要有电学法、光学法、热学法以及高速摄 像法等。其中高速摄像法具有直观性、非接触性以及可观察两相间的瞬态变化等优点，在小 通道两相流参数检测实验研究中得到广泛应用。然而，现有的基于高速摄像的两相流参数 检测方法多数是从一个角度获取两相流图像，对气液两相空间信息及不同角度的形状信息 获取不足。基于单个角度图像的流型识别技术，其流型识别准确度仍有待提高。
【发明内容】
[0004] 针对现有基于高速摄影的小管道气液两相流流型辨识技术信息获取不足，准确程 度不够高的问题，本发明通过反复研究，针对小通道气液两相流，提供了一种基于多视觉信 息融合技术的小通道气液两相流流型识别系统和方法，提出采用多视觉系统同时获取两相 流两个相互垂直角度的图像，利用图像处理技术获取图像序列Hu矩统计参数作为流型识 别特征，建立基于支持向量机（SVM)的单视觉气液两相流流型识别模型，采用D-S证据理论 进行信息融合实现多视觉流型识别。
[0005] 基于多视觉信息融合技术的小通道气液两相流流型识别系统包括小通道管路系 统、多视觉高速图像采集单元以及图像处理和流型识别计算机。小通道管路系统由浸没在 甘油槽中的小管道构成。多视觉高速图像采集单元由两台LED光源、直角棱镜、高速摄像机 组成。直角棱镜靠近甘油槽放置，且其一直角边垂直于高速摄像机的成像平面。两台光源 提供两个垂直方向的背光，放置于甘油槽前方的高速摄像机同时拍摄到两个相互垂直角度 的两相流流动图像，采集到的图像传输到微型计算机中用于流型识别。
[0006] 基于多视觉信息融合技术小通道气液两相流流型识别方法步骤如下：
[0007] (1)小通道气液两相流流动图像获取。利用多视觉高速图像采集单元从两个相互 垂直的角度同时获取小通道气液两相流图像。
[0008] (2)图像标定。对于圆形玻璃管道，其管壁折射率与甘油近似相等。将管道浸没于 甘油槽中可以降低管壁对所拍摄图像造成的影响。采用截面为25_X25mm的正方形的有 机玻璃长方体甘油槽，将管道浸没于甘油槽内，管道中心位置与截面正方形的中心相重合。 对于管道内物点P(x，y)，由该点发出的光线在液相与管壁界面发生第一次折射，在甘油槽 槽壁与空气界面发生第二次折射。由点P发出的两条相邻光线在第二次折射后的反向延长 线的交点P'（x'，y'）即为点P对应观察到的像点，从而可以确定点P处的校正系数a=y/y'。获取校正系数之后，对气液两相流流动图像进行标定。
[0009] (3)特征提取。采用数字图像处理技术对所采集的不同流型的图像序列进行预处 理，步骤包括：图像分割、图像去噪、差影法去除背景、边缘检测以及二值化填充，最终获得 反映气液两相流流型的二值图像。得到二值图像之后，计算二值图像的Hu矩。
[0010]对于图像I(X，y)，其P+q阶几何矩定义为：
[0011]
[0012]
[0013]
[0014]其中λ，二⑴//?".,，j二/?⑴,/mwl
[0015] 经归一化后对图像尺寸不变的p+q阶中心矩定义为：
[0016] = /w,;,，/入?/ =()丄 2' …
[0017]其中γ= (p+q)/2+1。
[0018] 从尺寸不变中心矩可以导出一系列对于图像的尺寸、旋转和平移具有不变性的Hu 矩，定义如下：
[0019] Φ!= η 20+ η 02
[0020] Φ2=(η2〇-η〇2)2+4η!2!
[ο02?]φ 3=(η 30-3 η 12)2+(3 η21-η03)2 [ο022] Φ4= (η3〇+η 12)2+(η2?+η〇3)2
[ο023] Φ 5=(η 3〇-3 η 12)(η 3〇+ η 12)[ (η 30+ η 12) 2-3(η 21+ η03)2]-
[ο024] (3 η21-η 03)(η 21+ η 03) [3(η 30+ η 12)2- (η 21+ η 03)2]
[ο025] Φ6=(η2〇-η〇2) [(η30+η12)2-(η21+η03)2] +
[ο026] 4ηπ(η3〇+η12)(η21+η〇3)
[ο027] φ7= (3 η21-η 03)(η 30+ η 12)[ (η 30+ η 12) 2-3(η 21+ η03)2]+
[ο028] (3 η 12- η 30)(η 21+ η 03) [3(η 30+ η12)2-(η 21+ η03)2]
[0029] 在实际流型识别中，由于ΦρΦ2，巾3和Φ4具有较好的不变性，且足以分辨不同 的流型，因此选择前四个Hu矩作为反映气液两相流流型的特征参数。对于每个角度，取500 张连续拍摄的流型图像构成图像序列，求取前四阶Hu矩的平均值和标准差作为流型识别 的特征向量。对于N张图像构成的图像序列，第1阶此矩Φ;的均值Μ和标准差σ定义 为：
[0030]
[0031]
[0032] 采用图像序列前四阶Hu矩的均值和标准差构成的流型识别特征向量为：
[0033] ΧΤ= [Μ(Φ !)，σ (Φ??νΚΦ；；)，σ (φ2)，Μ(Φ3)，σ (φ3)，Μ(Φ4)，σ (φ4)]
[0034] (4)单视觉流型识别模型的建立。利用支持向量机（SVM)建立单视觉气液两相流 流型识别模型，实现单视觉流型识别。
[0035] 在给定的训练集的基础上，SVM的二分类问题转化为优化问题：
[0036]
[0037]其中w为权重，e;为训练误差，b为偏移量，γ为正则化参数，函数为核函数，1 为数据的点数。
[0038] 采用不同的核函数，可以构造出不同的SVM模型。依据所选特征的维数及训练集 合的大小，选取径向基核函数：
[0039] Κ (X，xi) = exp (_ || χ-Xi || 2/2〇2)
[0040] 随机选取训练集和测试集，每两种流型之间利用SVM建立一个二分类器，四种典 型流型之间共建立6个二分类器。每个测试样本分别送入6个二分类器进行流型识别，采 用投票法确定最终的流型识别结果，从而实现单视觉气液两相流流型识别。
[0041] (5)基于多视觉信息融合技术识别流型。
[0042] D-S证据理论的基本概念定义如下：
[0043] 设U为一个有穷而完备的论域集合，且U中的各元素相互独立。对于任何一个属 于U中的命题A，有函数ηι:2Ω- [0, 1]，且满足
[0044]
[0045]则称m(A)为Α的基本概率赋值（BasicProbabilityAssignment,ΒΡΑ)，表示对 命题A的信任度。
[0046] 对于命题A，信任函数定义为：
[0047] η^?.
[0048] 表示命题Α中所有子集的基本概率赋值之和，即对Α的总的信任。当Α是单元素 命题时，Bel(A) =m(A)。
[0049] 对于命题A，似然函数定义为：
[0050]
[0051] 表示不否定A的程度。Pis(A)彡Bel(A)。Pis(A)-Bel(A)表示对命题A的不确定 性。当Pis(A) =Bel(A)时，表示对命题A的信任度是完全确定的。
[0052] D-S合成规则定义如下：
[0053] 对於? ，U上的两个信任函数分别为BelpBeL，mJP…分别是其对应的基本概 率赋