Разработка алгоритмов анализа картин визуализации потоков

• Автор: Савин, Алексей Андреевич
• Шифр специальности: 05.12.04
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Москва
• Количество страниц: 150 с. : ил.

АННОТАЦИЯ
Работа посвящена созданию новых алгоритмов для анализа картин визуализации потоков. Для исследования полученных алгоритмов создается математическая модель потоков и картин визуализации потоков. Эта модель позволяет рассчитывать как простые, стационарные, так и сложные, нестационарные потоки.
Для обработки картин визуализации потоков методом Р1У разрабатывается новый алгоритм анализа, основанный на применении цветового кодирования изображений. Показывается, что использование цветовых кодов позволяет повысить точность измерений в условиях наличия шумов. Даются рекомендации по выбору кодов.
Также разрабатываются новые алгоритмы для определения и отслеживания частиц на изображении. Показывается, что алгоритм определения частиц превосходит существующие аналоги в части скорости работы и проценте определенных частиц. Алгоритм отслеживания частиц позволяет получить больший процент корректных совпадений, однако за это приходится расплачиваться скоростью работы. Даются рекомендации по применению алгоритма.
Проводится экспериментальное исследование разработанных алгоритмов, показывающее, что их можно использовать в любых задачах, связанных с отслеживанием смещения объектов на изображениях.

СОДЕРЖАНИЕ
АННОТАЦИЯ
ВВЕДЕНИЕ

1 ЧИСЛЕННОЕ МОДЕЛИРОВАНИЕ ПОТОКОВ ДЛЯ ИСПЫТАНИЯ АЛГОРИТМОВ ИХ ВИЗУАЛИЗАЦИИ

1.1 Вводные замечания
1.2 Математические модели потока
1.2 Л Численное решение уравнений гидродинамики
1.2.5 Альтернативные модели стационарных потоков
1.2.6 Нестационарная модель потока
1.3 Моделирование работы цифровой видеокамеры
2 КОРРЕЛЯЦИОННЫЕ АЛГОРИТМЫ ОБРАБОТКИ КАРТИН ВИЗУАЛИЗАЦИИ ПОТОКОВ
2.1 Классические алгоритмы обработки изображений
2.1.1 Стандартный кросскорреляционный алгоритм Р1У
2.1.2 Адаптивный кросскорреляционный алгоритм Р1У
2.1.3 Методы улучшения качества изображений
2.1.4 Методы коррекции ошибок
2.1.5 Методы интерполяции векторов
2.1.6 Маскирование областей
2.2 Цветовое кодирование картин визуализации потоков
2.2.1 Вводные замечания
2.2.2 Цветовое кодирование изображений для автокорреляционной функции

2.2.3 Цветовое кодирование изображений для взаимной корреляционной функции
2.3 Точностные характеристики алгоритмов обработки картин визуализации потоков
2.3.1 Основные сведения
2.3.2 Алгоритм обработки с цветовым кодированием
2.3.3 Результаты обработки
3 МЕТОДЫ ПОИСКА И СЛЕЖЕНИЯ ЗА ПОЛОЖЕНИЕМ ЧАСТИЦ НА КАРТИНАХ ВИЗУАЛИЗАЦИИ ПОТОКОВ
3.1 Алгоритмы поиска частиц на изображениях
3.1.1 Основные сведения
3.1.2 Стандартные алгоритмы обнаружения частиц
3.1.3 Маркерная градиентная сегментация по водоразделу
3.1.4 Сравнение работы алгоритмов
3.2 Алгоритмы слежения за положением частиц
3.2.1 Стандартные алгоритмы
3.2.2. Алгоритм релаксации
3.2.3 Алгоритм отслеживания частиц на основе математической трактовки многочастичных задач
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЕ А
А. 1 Программа для поиска кодов
А.2 Программа для моделирования потоков

/(х) = е 2.

Так как реально размеры пучка ограничены, не имеет смысла рассматривать бесконечные «хвосты» гауссовой кривой. По аналогии с известным нормальным законом, считаем, что в световой плоскости сосредоточено три среднеквадратичных отклонения. Значение функции (6) на границе обозначим а = ДЗ).
Как уже говорилось, частица с равной вероятностью может занимать любую точку в пределах световой плоскости:
р(;)=

’[-3.3]
О, х ё [-3,3]

Общая формула для функциональных преобразований случайных величин для немонотонных преобразующих функций типа (6) [40]:
Р{у) = Р^(у))-
+П^(у)}
<Нб2 (т)

ЛРыпАу)

- якобиан преобразования.
Для начала необходимо найти обратные функции Т'обідОД:
±у]-2Лп(у),ує[а,ї] РыпЛу)**' +3,ує[0,а]
о,уг[о,і]