本发明专利技术提供一种基于生成对抗网络的模拟气泡流方法，步骤一：对多气泡图像预处理，步骤二：提取多气泡图像中气泡的轮廓信息，步骤三：制作单个气泡图像训练数据集，步骤四：训练生成对抗网络，得到包含丰富形状的气泡的数据库；步骤五：基于随机游走算法设计气泡的流动路线，得到模拟多气泡图像；步骤六：生成气泡流；本发明专利技术提出了一种模拟气液两相流的技术；一方面，可以扩充算法的训练数据集，减少通过实验过程获取训练数据的时间消耗，高效地解决训练数据不足的问题；另一方面，模拟气泡流具有较丰富的多样性，利用其训练算法，可以提高算法的性能和通用性，增强算法的跟踪能力，从而在实际跟踪过程中得到具有可靠性的气泡轨迹信息。迹信息。迹信息。
【技术实现步骤摘要】
一种基于生成对抗网络的模拟气泡流方法
[0001]本专利技术涉及一种模拟气液两相流的方法，特别是液体中气泡流的生成。具体基于生成对抗网络生成单个气泡的图像，根据气泡行为学和随机游走算法设计气泡的流动路线，得到模拟气泡流，属于计算机视觉领域。
技术介绍
[0002]气相以不连续的气泡状于液相中流动所形成的气液两相流动状态称为气泡流。它是一种特殊的气
‑
液两相流动状态，通常在气速相对较低、气量相对较少时存在。气泡流在自然界、工业生产和水下航行领域中广泛存在。例如，在工业生产过程中，让气
‑
液两相以气泡流的状态呈现是一种非常高效的气液两相传质、传热方式，它可以使气相在液相中充分分散，极大的增加了两相接触面积，两相间的物质、能量交换速率也因此大大提高，因而在化工等过程工业领域得到了广泛应用；在水下航行领域，当外界环境压力下降时，通过航行体表面设置的多个排气孔形成层状气泡流，将航行体内部气体向外排出，可以有效降低航行体的水下载荷，从而改善航行体的受力特征。在上述应用场景中，气相和液相两相间的动量、能量和质量传输特性往往是首要关心的问题，需要测量的物理量包括含气率、气液界面面积、气泡形态、气液速度等。通过实验方式直接测量上述物理量难度较大，且方法比较复杂，目前多采用智能识别和轨迹跟踪的方法。因此，对气泡流进行轨迹跟踪是气泡传输特性研究最重要的前序工作之一。
[0003]在涉及气泡流轨迹跟踪的实际问题中，通过实验获取的气泡数据往往是有限的，即便在数据量足以支撑算法需求时，也可能存在数据多样性不足的问题，这些情况都会影响气泡流的跟踪效果。对于液体中的气泡流来说，可靠的运动轨迹信息是后续气液两相间传输特性测量的基础。因此，本专利技术将提出一种气泡流模拟方法，不仅可以扩充算法的训练数据集，解决实验数据不足的问题，而且可以在训练过程中增加数据的多样性，提高算法的跟踪准确性和通用性。
技术实现思路
[0004]本专利技术的目的是提供一种基于生成对抗网络(Generative Adversarial Networks，GAN)的模拟气泡流方法。该方法解决了气泡流轨迹跟踪过程中训练数据不足的问题，并且通过增加训练数据的多样性，克服了训练数据信息量不充分的问题，提高了算法的跟踪准确性和通用性，实现了为后续研究提供一组可靠的轨迹信息的目的。
[0005]本专利技术的目的是这样实现的：
[0006]一种基于生成对抗网络的模拟气泡流方法，包括如下步骤：
[0007]步骤一：将实验所得气泡流视频切割成多气泡图像，对多气泡图像预处理，所述预处理包括NLM去噪方法、灰度化处理、灰度线性变换、图像二值化；
[0008]步骤二：提取多气泡图像中气泡的轮廓信息，利用Canny边缘检测算子对图像进行边缘检测，再利用findContours函数提取出图像中气泡轮廓坐标信息；
[0009]步骤三：制作单个气泡图像训练数据集，根据步骤二中输出的气泡轮廓坐标信息，提取单个气泡图像，并将图像大小处理成统一尺寸，得到单个气泡图像训练数据集；
[0010]步骤四：训练生成对抗网络，生成更加多样的单个气泡图像，将步骤三中得到的数据集输入生成对抗网络，通过训练网络，生成逼真的气泡图像，得到包含丰富形状的气泡的数据库；
[0011]步骤五：基于随机游走算法设计气泡的流动路线，从气泡数据库中随机选取一定数量形状各异的气泡图像，根据气泡动力学行为，基于随机游走算法设计气泡的流动路线，得到模拟多气泡图像；
[0012]步骤六：生成气泡流；根据原始气泡流视频的帧率，利用Python程序，将模拟的多气泡图像生成气泡流。
[0013]所述步骤三具体为：根据步骤二中findContours函数输出的气泡轮廓坐标信息，分别找到每个气泡的横、纵坐标的最大值和最小值，对原始数据集中的单个气泡进行裁剪，一帧图像中第i个气泡对应的横、纵坐标的最大值和最小值如下列表所示：
[0014]Contour
i
＝[x
min
，x
max
，y
min
，y
max
][0015]其中，x
min
，x
max
，y
min
，y
max
分别表示横坐标的最小值，横坐标的最大值，纵坐标的最小值，纵坐标的最大值。
[0016]所述步骤五具体为：
[0017]5.1、素材选择；从生成的单个气泡图像训练数据库中随机选取N个气泡作为生成气泡流所需要的素材；
[0018]5.2、背景图像生成；生成900张576
×
1024的图像作为背景，颜色为白色；
[0019]5.3、位置初始化；对于每个气泡，在背景图像上随机设定初始位置，初始位置列表如下所示：
[0020]Start＝[[x
10
，y
10
]，[x
20
，y
20
]，[x
30
，y
30
]，...，[x
i0
，y
i0
]][0021]其中，[x
i0
，y
i0
](i＝1，2，...，N)为第i个气泡在背景图像上的中心点坐标初始值，将每个气泡按照初始位置粘贴在相应位置；
[0022]5.4、基于气泡动力学行为分析和随机游走算法，设计气泡的流动路线：由于气泡在流动过程中会发生随机摆动，所以其运动过程非直线上升，假设摆动方向可为上、下、左、右四个方向，在水平方向上，假设气泡i在每一时刻横坐标像素值减小的概率为a，不发生变化的概率为b，增大的概率为c，在竖直方向上，假设气泡i在每一时刻纵坐标像素值减小的概率为d，不发生变化的概率为e，增大的概率为f，算法设计如下：
[0023][0024]其中，(x
ik
，y
ik
)为第i个气泡在k时刻的中心点坐标值，(x
i(k
‑
1)
，y
i(k
‑
1)
)为第i个气泡在k
‑
1时刻的中心点坐标值，j为横坐标摆动值，其是
‑
1的概率为a，是0的概率为b，是1的概率为c，l为纵坐标摆动值，其是
‑
1的概率为d，是0的概率为e，是1的概率为f，ε则为随机摆动量，其值为1；
[0025]5.5、生成气泡随机运动轨迹；对于同一个气泡，将其在每一帧背景图像中的中心点坐标进行取值，从而得到气泡的随机运动轨迹图像。
[0026]与现有技术相比，本专利技术的有益效果是：
[0027]本专利技术提出了一种模拟气液两相流的技术；一方面，可以扩充算法的训练数据集，减少通过实验过程获取训练数据的时间消耗，高效地解决训练数据不足的问题；另一方面，模拟气泡流具有较丰富的多样性，利用其训练算法，可以提高算法的性能和通用本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于生成对抗网络的模拟气泡流方法，其特征在于，包括如下步骤：步骤一：将实验所得气泡流视频切割成多气泡图像，对多气泡图像预处理，所述预处理包括NLM去噪方法、灰度化处理、灰度线性变换、图像二值化；步骤二：提取多气泡图像中气泡的轮廓信息，利用Canny边缘检测算子对图像进行边缘检测，再利用findContours函数提取出图像中气泡轮廓坐标信息；步骤三：制作单个气泡图像训练数据集，根据步骤二中输出的气泡轮廓坐标信息，提取单个气泡图像，并将图像大小处理成统一尺寸，得到单个气泡图像训练数据集；步骤四：训练生成对抗网络，生成更加多样的单个气泡图像，将步骤三中得到的数据集输入生成对抗网络，通过训练网络，生成逼真的气泡图像，得到包含丰富形状的气泡的数据库；步骤五：基于随机游走算法设计气泡的流动路线，从气泡数据库中随机选取一定数量形状各异的气泡图像，根据气泡动力学行为，基于随机游走算法设计气泡的流动路线，得到模拟多气泡图像；步骤六：生成气泡流；根据原始气泡流视频的帧率，利用Python程序，将模拟的多气泡图像生成气泡流。2.根据权利要求1所述的基于生成对抗网络的模拟气泡流方法，其特征在于，所述步骤三具体为：根据步骤二中findContours函数输出的气泡轮廓坐标信息，分别找到每个气泡的横、纵坐标的最大值和最小值，对原始数据集中的单个气泡进行裁剪，一帧图像中第i个气泡对应的横、纵坐标的最大值和最小值如下列表所示：Contour
i
＝[x
min
,x
max
,y
min
,y
max
]其中，x
min
,x
max
,y
min
,y
max
分别表示横坐标的最小值，横坐标的最大值，纵坐标的最小值，纵坐标的最大值。3.根据权利要求1所述的基于生成对抗网络的模拟气泡流方法，其特征在于，所述步骤五具体为：5.1、素材选择；从生成的单个气泡图像训练数据库中随机选取N个气泡作为生成气泡流所需要的素材；5...
【专利技术属性】
技术研发人员：沈继红，谭思超，王淼，罗洪亮，王淑娟，乔守旭，戴运桃，刘佳奇，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。