沉浸式環境下數字圖像的兩相流紋理特征提取

劉珍丹，張莉娜，丁 豐，曹漢華

(中山大學新華學院，廣東廣州 510520)

1 引言

網絡信息化的快速發展，兩相流紋理現象廣泛出現在電力、化工等工業生產過程中，通過兩相流流型分類測量、混合流速的測定、各類流動模型的建立等問題進行研究，對工業自動化的安全生產與管道系統的優化等具有重要意義[1-2]。進入互聯網時代，兩相流與數字圖像技術進一步融合，推進兩相流技術向數字化方向發展。

數字圖像是以圖形像素作為構成元素，通過數字化模擬信號所形成的，利用計算機與數字電路進行存儲與處理的一種圖像形式。數字圖像的兩相流紋理通過對相近或相似的周期性數據元素進行編制排列，所形成的具有固定特征的圖像[3-4]。通過對數字圖像的兩相流紋理進行研究分析，可以獲得目標數字圖像的一些宏觀、微觀數字信息，不同的物體其兩相流紋理不同，可以利用兩相流紋理的不同特征分析數字圖像所表達的信息。由于數字圖像的兩相流紋理特征提取是對數字技術處理后圖像的特殊紋理進行提取，一定程度上無法得到較為準確、清晰的流型圖像，致使數字圖像的兩相流紋理技術停滯不前。為了更好地解決數字圖像兩相流紋理特征提取問題，文中設計在沉浸式環境下對其紋理特征進行深層次的提取研究。利用沉浸式環境的實時性、高度沉浸感對數字圖像兩相流紋理特征進行提取，以獲取更加精準、詳細的數字圖像兩相流紋理特征。

2 數字圖像兩相流紋理特征提取方法設計

在此研究中，根據沉浸式環境的特征對數字圖像兩相流紋理的需求，在此次研究中將針對目前提取方法中不適用此環境的部分展開優化，并適當地增加相應的圖像處理算法，具體優化過程如圖1所示。

圖1 數字圖像兩相流紋理特征提取方法優化結構圖

根據以上設定的數字圖像兩相流紋理特征提取方法優化流程，完成此次設計過程。在設計的過程中，需要根據原有的圖像紋理特征提取方法進行總結，并設定相應的門限值，控制文中設計方法的使用效果。

2.1 數字圖像預處理

在對數字圖像的兩相流紋理特征進行提取前，需要對圖像的視覺質量進行優化處理。在圖像的處理過程中會由于多種原因產生的干擾、噪聲會將數字圖像的質量下降，導致輸入計算機中的數字圖像效果不佳，需要對其進行相應的處理，以保證圖像符合后續處理的要求[5-6]。在此次設計中主要對圖像進行灰度化處理、增強等處理，提升圖像的使用效果。通過研究可知，在沉浸式環境中，大部分的圖像為彩色圖像，因此在此研究中使用RGB分量作為彩色圖像中R、G、B三個分量作為灰度圖像的灰度值，選擇色彩分量的最大值[7]。使用下述公式完成此部分處理

Gary(i，j)=R(i，j)+G(i，j)+B(i，j)

(1)

hi=Med{ai-f，…，ai-1，ai，ai+1，…，ai+f}

(2)

根據以上處理結果，在此次研究中使用閾值法完成圖像的基礎分割過程，設定處理后的圖像為c(x，y)，Q表示標準灰度值，則有圖像分割方法得到的圖像p(x，y)，則有下述公式得出

(3)

通過以上公式得到初次分割后的數字圖像，并以此圖像作為此次研究的基礎。

2.2 數字圖像精準分割

使用初次處理的圖像，完成此部分處理?；谀壳胺指罴夹g使用效果較差的問題，在此研究中使用概率Rand指數對其展開控制，以此保證分割結果的可靠性。

設定包含n個圖像像素點的圖像R={r1，r2，…，rn}的一系列分割結果記做{U1，U2，…，Uk}，Utest中ai的標記為gi，Uk中點ai標記為gi′。對于像素點對(xj，yj)，每個分割Uk都具有一個對應的二值數II(giUk=gi′Uk)，則此二值數構成的貝努利分布隨機變量，其期望值可表示為vij。所有圖像中的無序點均可對(i，j)的期望集合{vij}確定了圖像A的標準分割結果[10]，則此結果的PRI指數函數定義為

(4)

wij=II(giUk+gi′Uk)

(5)

通過上述公式可對式(4)進行整理，則有

(6)

使用上述公式對圖像分割結果進行檢測，以此保證分割結果的可靠性與有效性。同時，針對分割結果的誤差展開一致性處理。設定圖像預計分割結果為Ji，Uk為實際得到分割結果，EM，i為Ji的像素包含區域，|K|表示集合的勢，則分割誤差程度可表示為

(7)

根據式(7)得到分割結果與預設分割結果的差異，對其分割精度進行調整，以便于后續的處理。

根據JLZ2X1/F2A-1660/95-492型1 660 mm2大截面碳纖維導線(以下簡稱1 660 mm2導線)的半硬鋁型線鋁股和芯棒特點，采用仿真分析方法，比較了夾嘴長度分別為350，325，275 mm時導線的應力狀況，從而確定適用于1 660 mm2導線的卡線器夾嘴長度，通過減小夾嘴長度對卡線器進行減重優化設計。

2.3 兩相流紋理特征提取

使用上述兩部分處理結果，在此部分中完成紋理特征提取過程。為將沉浸式環境此次特征提取的背景，在此環節中將特征提取流程設定如圖2所示。

圖2 兩相流紋理特征提取流程

在此環節中，使用改進EHD作為紋理提取方法的設計藍本，完成提取過程中的局部處理過程[11-12]。設定分割后的圖像像素矩陣長度與寬度分別為x，y，原始矩陣開始行與結束行分別設定為startx以及endx，開始列與結束列分別表示為starty、endy，則其預處理過程可表示為

(8)

使用上述公式，設定紋理特征采集門限值，若使用提取算法所得結果大于門限值，則此提取結果誤差較大，應進行二次運算；若計算結果在門限值范圍內，則提取結果正確，可對此紋理進行處理使用。對上文中設計內容進行整理，得到沉浸式環境下數字圖像兩相流紋理特征提取方法。

3 實驗論證分析

3.1 實驗環境設定

在上述部分完成了沉浸式環境下數字圖像兩相流紋理特征提取方法設計工作，在此環節中將對此方法的使用效果展開研究。在此實驗中，使用圖像檢索系統作為實驗環境，驗證文中設計方法與其它特征提取方法的使用差異。此次實驗中使用實驗系統結構如圖3所示。

圖3 實驗系統框架圖

在此次實驗中使用的系統由四模塊組成，分別為圖像庫預處理模塊、圖形特征信息提取模塊、特征信息匹配模塊以及結果顯示模塊。針對此研究對于圖像處理要求過程，在實驗中使用Matlab作為開發的軟件平臺。選用擇 Matlab 2016a為主要處理軟件，提升實驗的處理速度。同時根據此軟件的使用要求，設定實驗中涉及的硬件與軟件相關參數設定如下：

處理器：Intel(R) Core(TM) i5-4460 CPU @ 3.20GHz;

內存：4GB;

操作系統：Microsoft Windows 10。

使用以上參數，組成實驗平臺，為實驗提供合理的分析平臺，實現文中設計方法與其它方法的對比。

3.2 實驗方案設計

在此次實驗中，需要對圖像進行細致的選取，以完成高精度實驗過程。選擇 Caltech256 中部分圖片作為數據庫，在Caltech256圖像集中總共包含256個類別的圖片，每類圖片不少于30張。在此次實驗過程中選取其中的10類，共256張，作為圖像檢索的數據庫。為驗證文中設計方法與其它兩種方法的使用差異，將提取方法的使用效果通過響應時間與查準率、查全率兩個方面驗證。

此次實驗中研究的響應時間共分為兩部分，一部分為提取圖像特征向量的時間，另一部分為圖像特征匹配的處理時間。若不考慮直接使用的情況，在響應時間這一指標上，將進行450次實驗以此保證實驗結果的可靠性。

在查準率與查全率這一指標中，提取方法的查準率較為重要，其次為提取方法使用后的查全率。此指標為驗證文中設計方法與其它兩種方法使用差異的重要對比對象。在實驗的過程中，將在圖片數據庫中選取每類圖像最少15張，作為實驗對象，通過大量的圖像提取過程獲取此指標實驗結果。

圖4 提取方法響應時間實驗結果

3.3 實驗結果分析

通過上述實驗圖像可以看出，在圖像特征向量提取與圖像特征匹配過程中，文中設計方法的響應時間較短。在兩種不同的圖像處理過程中，文中設計方法的使用效果較為穩定，且處理時間明顯縮短于其它兩種處理方法。同時，對不用的處理方式對比可知，其它兩種提取方法的處理時間變動較大，使用效果較為不穩定。對上述實驗結果進行綜合分析可以看出，文中設計方法的圖像提取響應時間整體較短且穩定，圖像處理能力明顯優于其它兩種提取方法。

圖5 提取方法查準率實驗結果

根據上述實驗結果可知，在三種實驗方法對比的過程中，文中設計方法的查準率明顯高于目前使用中的兩種提取方法。在多次實驗過程中，文中設計方法的準確率一直維持在較高的水平，并保證提取結果的可靠性，避免出現波動問題。相較于文中設計方法的使用效果。目前使用中的其它兩種方法提取結果準確性較差，無法達到文中設計方法的提取準確度，同時，在不同的圖像類別中出現了提取精度波動的問題。由上述實驗結果可以看出，文中設計方法的圖像提取精準度優于目前使用中的其它兩種提取方法。

圖6 提取方法平均查全率實驗結果

由上述實驗結果可以看出，在對不同種類的圖像進行處理時，3種實驗方法會得到不同的查全率結果。文中設計方法在不同圖像種類的處理過程中均可得到較高的查全率結果，提取方法1的查全率結果與文中設計方法較為接近，但沒有達到相應的高度，提取方法2在此指標獲取過程中，出現波動較大的問題，可見此方法使用效果并不穩定。同時，通過對比可以看出，文中設計方法對于多種圖像種類的適配度較高，使用范圍得到相應的擴大。由此確定文中設計方法的使用效果優于其它兩種方法。

將提取方法響應時間實驗結果、提取方法查準率實驗結果以及提取方法平均查全率實驗結果進行綜合分析可知，文中設計方法的使用效果優于目前應用中的方法。在日后的研究中可使用此方法作為紋理特征的主要提取技術。

4 結束語

此次研究中所設計通過在沉浸式環境下數字圖像的兩相流紋理特征提取，從系統硬件與軟件部分分別對原有兩相流紋理特征提取進行優化，提升數字圖像的邊緣和細節處的清晰程度，降低圖像兩相流紋理的雜質，能較大程度保證了獲取的數字圖像的細節信息。然而，由于文中設計的沉浸式環境下對數字圖像的兩相流紋理特征提取的信息量較為有限，無法將設計方法延伸到更高維度的數字圖像中，兩相流紋理特征與實際的流動模型存在一定的差異，將通過日后的研究與實踐進一步彌補設計中的不足。隨著沉浸式環境模式的進一步發展，將會找尋到更加優質的解決方案。