CN116612049B - 基于温度分布图像的转捩线提取方法 - Google Patents
基于温度分布图像的转捩线提取方法 Download PDFInfo
- Publication number
- CN116612049B CN116612049B CN202310879807.6A CN202310879807A CN116612049B CN 116612049 B CN116612049 B CN 116612049B CN 202310879807 A CN202310879807 A CN 202310879807A CN 116612049 B CN116612049 B CN 116612049B
- Authority
- CN
- China
- Prior art keywords
- image
- filter
- transition
- tsp
- temperature distribution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000007704 transition Effects 0.000 title claims abstract description 74
- 238000000605 extraction Methods 0.000 title claims abstract description 35
- 238000001914 filtration Methods 0.000 claims abstract description 26
- 238000002474 experimental method Methods 0.000 claims abstract description 8
- 238000012360 testing method Methods 0.000 claims abstract description 6
- 238000006243 chemical reaction Methods 0.000 claims abstract description 5
- 238000012216 screening Methods 0.000 claims abstract description 4
- 230000004044 response Effects 0.000 claims description 47
- 238000000034 method Methods 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 8
- 230000002708 enhancing effect Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 239000003973 paint Substances 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 claims description 2
- 230000003321 amplification Effects 0.000 claims description 2
- 230000002860 competitive effect Effects 0.000 claims description 2
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 2
- 239000000284 extract Substances 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于温度分布图像的转捩线提取方法,属于风洞试验领域,包括:S1,通过风洞实验获取模型的温度分布TSP图像;S2,基于contrast gain理论,对TSP图像中的灰度敏感区域进行对比度提升,以实现弱对比区域的增强处理;S3,在多种滤波器中选择阶跃信号转定位能力较佳的滤波器,对增强后的TSP图像进行滤波处理,以完成梯度区域提取;S4,通过对梯度区域进行梯度信号筛选,以得到转捩线。本发明提供一种基于温度分布图像的转捩线提取方法,通过对温度分布图像进行适当的前处理,剔除噪声干扰,并且强化相对较弱的对比信号区域,即通过采用分割有效区域的基础上开展对比度增强,在增强的基础上开展滤波器试验,进而有效提取出转捩线。
Description
技术领域
本发明涉及风洞试验领域。更具体地说,本发明涉及一种基于温度分布图像的转捩线提取方法。
背景技术
流动从层流转变为湍流的过程称为转捩,湍流流动随时间和空间呈现出不规则的脉动,流体质点的动量与能量可以高效混合。层流流动与湍流相反,流动为规则的层状运动,流线层次分明,互相平行。高超声速边界层转捩对飞行器气动性能、热防护、气动布局设计、超燃冲压发动机性能有重要影响。所以准确预测边界层转捩对深入理解湍流边界层发展和飞行器翼型优化工业应用等具有重要意义。
包含转捩线的TSP图像如图1所示,在图中较亮的区域可以明显看到一条灰色和白色的分界线,即为需要提取的转捩线。但从图1中可以看出,TSP图像特征较为稀疏,转捩分界线过渡较为平滑没有较大梯度变化,且图像存在一定的噪声,TSP的转捩线提取存在一定的难度。
而现行的试验中,并未针对性的对温度分布图像转捩线提取进行处理,这使得后期的预测边界层转捩效果受到影响。
发明内容
本发明的一个目的是解决至少上述问题和/或缺陷,并提供至少后面将说明的优点。
为了实现本发明的这些目的和其它优点,提供了一种基于温度分布图像的转捩线提取方法,包括:
S1,通过风洞实验获取模型的温度分布TSP图像;
S2,基于contrast gain理论,在TSP图像中自动定位敏感区域灰度分布,利用基于高斯函数构建的重映射函数进行对比度提升,以实现弱对比区域的增强处理;
S3,选择多种滤波器组合实现转捩区域的弱阶跃信号定位和增强,在对增强后的TSP图像进行滤波处理,以完成梯度区域提取;
S4,通过对梯度区域进行梯度信号筛选,以得到转捩线。
优选的是,在S1中,所述TSP图像的获取流程被配置为包括:
S10、在风洞进行TSP实验时,使用相机采集一系列涂有温敏漆的模型表面图像;
S11、将S10中得到的模型表面图像去除暗电流噪声;
S12、对S11中去除暗电流噪声的图像进行畸变校正,以得到预处理后的TSP图像。
优选的是,在S11中,所述暗电流噪声的去除方式为:
通过镜头盖遮住相机镜头在无光条件下采集一幅纯噪声背景图像;
将S10中得到的模型表面图像减去上述纯噪声背景图像。
优选的是,在S12中,所述畸变校正是通过相机的内参矩阵和畸变系数对图像进行畸变校正,而相机的内参矩阵和畸变系数是通过以下方式得到:
通过棋盘格标定板对相机进行标定;
拍摄不同角度和位置下的棋盘格标定板图像;
基于拍摄的棋盘格标定板图像计算相机的内参矩阵和畸变系数。
优选的是,在S3中,所述定位和增强的方式被配置为利用高斯基底的线性滤波器组实现阶跃信号的转码,进而利用各向异性高斯差分滤波器的脊信号增强能力实现转捩位置的对比度增强。
优选的是,在试验专有的滤波算子中选择屋脊型滤波器进行梯度区域提取,提取流程被配置为包括:
S31,采用9方向滤波器对TSP图像进行滤波处理,实现梯度信号向屋脊型信号的转换;
S32,通过9方向滤波器上的各向异性高斯差分滤波器,对各个方向屋脊型信号进行增强和放大处理;
S33,对各个方向的信号响应开展竞争编码,以通过竞争编码完成响应多方向上最强的方向提取,得到稳定的区域边缘响应和方向响应,作为转捩区域的候选;
S34,基于脊响应滤波器组进行脊响应分组滤波,同样采用竞争编码实现多个方向中最强响应区域提取;
S35,通过中通阈值分割提取连通区域,将符合转捩区域的连通体提取出来,获得边缘轮廓后填充孔洞,进而完成转捩梯度响应中稳定区域的提取。
优选的是,在S31中,对TSP图像进行滤波处理的方式为:
设w为滤波器半边长尺寸,x为图像中心坐标,ξ为滤波范围内距离图像中心滤波位置的向量坐标,将滤波函数h(x,θ)定义如下:
其中,I(ξ,x)为到中心位置x距离向量为ξ的像素值,F(ξ,x,l,θ) 为方向θ宽度为l的滤波器设定区域,l表征转捩线区域的理想像素宽度,k d (x)为一个累积常量,用来归一化滤波器参数;
高斯函数G(ξ,x)为:
其中,d(ξ,x)为带符号的跨阶跃边缘的响应,控制滤波器的正负响应方向,σ为标准高斯函数参数标准差;
k d (x)定义如下:
。
优选的是,在S32中,所述增强和放大处理的方式为:
在高斯核函数长轴和短轴上设计变形,使滤波函数产生方向性偏移,将长轴设定为L,短轴设定为S,以构成椭圆支持域,各向异性高斯差分滤波器为sDoG,则公式可以定义如下:
其中,G1(x,y)和G2(x,y)分别定义为二维各向异性高斯核函数,公式如下:
其中,ρ表示长轴和短轴的相关系数,σ L1 和σ S1 分别表示为G1(x,y)的长轴和短轴上标准差值,σ L2 和σ S2 别表示为G2(x,y)的长轴和短轴上的标准差值,μ L 和μ S 分别表示了高斯核函数中长轴和短轴中心位置。
本发明至少包括以下有益效果:本发明通过对温度分布图像进行适当的前处理,剔除噪声干扰,并且强化相对较弱的对比信号区域,即通过采用分割有效区域的基础上开展对比度增强,在增强的基础上开展滤波器试验,进而有效提取出转捩线。
本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为包含转捩线的TSP原始图像;
图2为TSP响应图;
图3为传统增强方法的结果示意图;
图4为本发明基于contrast gain理论的增强结果示意图;
图5为本发明对应的灰度分布直方图;
图6为本发明采用九方向滤波器的对应的(a)~(i)个模型示意图;
图7 为本发明采用九方向滤波器后的TSP图像对应的(a)~(i)个滤波结果示意图;
图8 为本发明采用九方向滤波器后的顶端响应滤波器组对应的(a)~(i)个示意图;
图9为本发明的转捩方向响应强度图;
图10为本发明转捩方向响应编码图;
图11为本发明多方向上对应的(a)~(i)个转捩响应强度图;
图12为本发明利用强度提取的区域并利用方向响应合并的转捩响应区域;
图13为本发明候选转捩响应区域示意图;
图14为本发明中通滤波提取的有效转捩区域;
图15为本发明剔除背景干扰的转捩响应区域示意图;
图16为对图15细化后的转捩响应区域示意图;
图17为将图16的处理结果叠加至TSP图像上的效果图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
通常来说,滤波器可以分为4种类型,阶跃型、斜坡型、脉冲型、屋脊型4种,而转捩线属于阶跃信号,故本发明优化后的转捩线提取方法主要包括四个步骤:
1. 数据获取:通过风洞实验获取模型的TSP图像。
在风洞中进行TSP实验,使用相机拍摄一系列涂有温敏漆的模型表面图像。由于相机采集的图像中存在相机暗电流噪声,所以对于图像数据的预处理第一步是去除由于相机硬件产生的暗电流噪声。首先采集纯噪声背景图像数据,具体方法为用镜头盖遮住相机镜头在无光条件下采集多副图像,将多张遮盖条件下采集的图像取平均作为相机噪声图像,设为噪声背景图像。之后对于相机采集到的TSP图像通过减去噪声背景图像,去除相机的暗电流噪声。
相机采集到的图像同时会存在畸变现象,第二步是对去除相机噪声的图像进行畸变校正。使用棋盘格标定板对相机进行标定,拍摄不同角度和位置的棋盘格标定板图像,计算出相机的内参矩阵和畸变系数,根据相机内参矩阵和畸变系数对图像进行畸变校正,得到几何校正后的TSP图像g0。
2. 弱对比区域增强:增强过程采用转捩梯度区域的对比度增强策略(GFT);
基于TSP理论,对校正后的TSP图像g0进行数据处理,得到如图2的TSP响应图:由于响应很弱,转捩位置很难获取,为此需要引入合理的增强策略才能得到校准的定位位置。
传统增强方法(如直方图增强)结果如图3所示,从图中可以看出传统增强方法对增强边缘的导向性不够,转捩区灰度值占比较小,在增强时候容易被其它背景信息影响,导致拉伸不需要增强的部分,转捩区域增强有限且容易导致噪声的引入,不利于后续转捩线的提取和分析。
基于contrast gain理论,对灰度敏感区域(潜在转捩区域)进行对比度的提升,其结果如图4所示,从图4与图2的对比可以看出,本发明的增强方法相对于现有的增强方法来说,可以自适应的寻找需要拉伸的灰度区域,将转捩发生的灰度区域的灰度阶进行有效的拉伸,对灰度拉伸的对比度增量强度分布,如图5所示,算法首先重置对比度增量的分布,将对比度增量尽量的分布到转捩区域发生的区域,利用重分配的对比度增量高斯分布重构灰度映射函数,实现有针对性的灰度对比度拉伸增强。利用增强后的结果,可以得到更清晰的转捩线对比响应,进而为后续转捩线的提取做铺垫。
3. 梯度区域提取:利用高斯分布组合线性滤波器构建多方向的线性增强滤波器组,实现阶跃信号转定位能力更佳的脊型信号数据的提取;
设w为滤波器半边长尺寸,x为图像中心坐标,ξ为滤波范围内距离图像中心滤波位置的向量坐标,滤波函数h(x,θ)定义如下:
其中I(ξ,x)为到中心位置x距离向量为ξ的像素值,F(ξ,x,l,θ) 为方向θ宽度为l的滤波器设定区域,l表征转捩线区域的理想像素宽度,G(ξ,x)为高斯函数:
其中d(ξ,x)为带符号(方向)的跨阶跃边缘的响应,控制滤波器的正负响应方向,σ为标准高斯函数参数标准差,可以根据经验进行设定;
K d (x)为一个累积常量,用来归一化滤波器参数,定义如下:
利用组合方向滤波器,实现对阶跃边缘信号的转码,得到各个方向的编码结果。
(1)采用9方向滤波器,增加纹理方向的连续性,其模型如下图6所示,并使用滤波器对TSP图像进行滤波结果如图7所示。顶端响应滤波器组如图8所示。在完成了梯度信号转脊型信号的基础上,利用各向异性高斯差分滤波器构建信号的增强和放大处理。
在高斯核函数长轴和短轴上设计变形,使滤波函数产生方向性偏移。将长轴称之为L,短轴称之为S,构成椭圆支持域。设各向异性高斯差分滤波器sDoG,则公式可以定义如下:
其中G1(x,y)和G2(x,y)分别定义为二维各向异性高斯核函数,公式如下:
其中ρ表示长轴和短轴的相关系数,σ L1 和σ S1 分别表示为G1(x,y)的长轴和短轴上标准差值,σ L2 和σ S2 别表示为G2(x,y)的长轴和短轴上的标准差值,μ L 和μ S 分别表示了高斯核函数中长轴和短轴中心位置。就滤波器来说,如果将滤波器中心对准转捩的脊型信号区域,受到其信号的方向性特性影响,以待处理像元为中心的滤波结果将会比非方向区域更强,以此实现对多个方向上的转捩信号的增强处理。通过将水平的滤波器等间隔旋转9个方向,形成转捩区域方向增强响应滤波器组。
(2)利用各个方向的滤波器对原图进行滤波处理,获取9个方向上的边缘响应图,具体如图11所示。对多方向响应结果开展竞争编码,通过竞争编码,实现最大值提取,得到如图9所示稳定的转捩区域响应强度和图10所示转捩区域方向响应编码图。
(3)利用脊响应滤波器算子进行脊线提取,各向提取结果的融合结果如图12-图13所示:
(4)采用中通阈值分割,进一步提取连通区域,将符合转捩区域的连通体提取出来,获得最小外接框。
利用已有的边缘检测算子,对边缘明显的区域进行提前的提取,利用增量提前删除大量的会产生干扰的目标。基于边缘的规则性质,将相对平滑的边缘纹线进行预先提取,并排除干扰,在此基础上提取的边缘则为目标需要的区域,如图14中的矩形框中所示部分为提取出来的脊线即中通滤波提取的有效转捩区域。
(5)进一步开展轮廓提取工作,提取更细致的边缘轮廓。
如图15-16所示,本发明通过对二值图像进行细化,得到如图15的剔除背景干扰的转捩响应区域,进一步迭代细化至宽度方向上只有一个像素宽(如图16细化后的转捩响应区域),将边缘轮廓重合至TSP图像中,得到如图17的将细化后的转捩区域标注在原图上的效果图。
4. 筛选梯度信号细化后的响应位置,提取位置并标记于原图,获取转捩线标记。同时,基于细化后的转捩响应位置可以统计并精确的分析出相对工件边缘的转捩位置。
以上方案只是一种较佳实例的说明,但并不局限于此。在实施本发明时,可以根据使用者需求进行适当的替换和/或修改。
这里说明的设备数量和处理规模是用来简化本发明的说明的。对本发明的应用、修改和变化对本领域的技术人员来说是显而易见的。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用。它完全可以被适用于各种适合本发明的领域。对于熟悉本领域的人员而言,可容易地实现另外的修改。因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (6)
1.一种基于温度分布图像的转捩线提取方法,其特征在于,包括:
S1,通过风洞实验获取模型的温度分布TSP图像,即Temperature Sensitive Paint图像;
S2,基于contrast gain理论,在TSP图像中自动定位敏感区域灰度分布,利用基于高斯函数构建的重映射函数进行对比度提升,以实现弱对比区域的增强处理;
S3,选择多种滤波器组合实现转捩区域的弱阶跃信号定位和增强,在对增强后的TSP图像进行滤波处理,以完成梯度区域提取;
S4,通过对梯度区域进行梯度信号筛选,以得到转捩线;
在S3中,所述定位和增强的方式被配置为利用高斯基底的线性滤波器组实现阶跃信号的转码,进而利用各向异性高斯差分滤波器的脊信号增强能力实现转捩位置的对比度增强;
在S3中,在试验专有的滤波算子中选择屋脊型滤波器进行梯度区域提取,提取流程被配置为包括:
S31,采用9方向滤波器对TSP图像进行滤波处理,实现梯度信号向屋脊型信号的转换;
S32,通过9方向滤波器上的各向异性高斯差分滤波器,对各个方向屋脊型信号进行增强和放大处理;
S33,对各个方向的信号响应开展竞争编码,以通过竞争编码完成响应多方向上最强的方向提取,得到稳定的区域边缘响应和方向响应,作为转捩区域的候选;
S34,基于脊响应滤波器组进行脊响应分组滤波,同样采用竞争编码实现多个方向中最强响应区域提取;
S35,通过中通阈值分割提取连通区域,将符合转捩区域的连通体提取出来,获得边缘轮廓后填充孔洞,进而完成转捩梯度响应中稳定区域的提取。
2.如权利要求1所述的基于温度分布图像的转捩线提取方法,其特征在于,在S1中,所述TSP图像的获取流程被配置为包括:
S10、在风洞进行TSP实验时,使用相机采集一系列涂有温敏漆的模型表面图像;
S11、将S10中得到的模型表面图像去除暗电流噪声;
S12、对S11中去除暗电流噪声的图像进行畸变校正,以得到预处理后的TSP图像。
3.如权利要求2所述的基于温度分布图像的转捩线提取方法,其特征在于,在S11中,所述暗电流噪声的去除方式为:
通过镜头盖遮住相机镜头在无光条件下采集一幅纯噪声背景图像;
将S10中得到的模型表面图像减去上述纯噪声背景图像。
4.如权利要求2所述的基于温度分布图像的转捩线提取方法,其特征在于,在S12中,所述畸变校正是通过相机的内参矩阵和畸变系数对图像进行畸变校正,而相机的内参矩阵和畸变系数是通过以下方式得到:
通过棋盘格标定板对相机进行标定;
拍摄不同角度和位置下的棋盘格标定板图像;
基于拍摄的棋盘格标定板图像计算相机的内参矩阵和畸变系数。
5.如权利要求1所述的基于温度分布图像的转捩线提取方法,其特征在于,在S31中,对TSP图像进行滤波处理的方式为:
设w为滤波器半边长尺寸,x为图像中心坐标,ξ为滤波范围内距离图像中心滤波位置的向量坐标,将滤波函数h(x,θ)定义如下:
其中,I(ξ,x)为到中心位置x距离向量为ξ的像素值,F(ξ,x,l,θ) 为方向θ宽度为l的滤波器设定区域,l表征转捩线区域的理想像素宽度,k d (x)为一个累积常量,用来归一化滤波器参数;
高斯函数G(ξ,x)为:
其中,d(ξ,x)为带符号的跨阶跃边缘的响应,控制滤波器的正负响应方向,σ为标准高斯函数参数标准差;
k d (x)定义如下:
。
6.如权利要求1所述的基于温度分布图像的转捩线提取方法,其特征在于,在S32中,所述增强和放大处理的方式为:
在高斯核函数长轴和短轴上设计变形,使滤波函数产生方向性偏移,将长轴设定为L,短轴设定为S,以构成椭圆支持域,各向异性高斯差分滤波器为sDoG,则公式可以定义如下:
其中,G1(x,y)和G2(x,y)分别定义为二维各向异性高斯核函数,公式如下:
其中,ρ表示长轴和短轴的相关系数,σ L1 和σ S1 分别表示为G1(x,y)的长轴和短轴上标准差值,σ L2 和σ S2 别表示为G2(x,y)的长轴和短轴上的标准差值,μ L 和μ S 分别表示了高斯核函数中长轴和短轴中心位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310879807.6A CN116612049B (zh) | 2023-07-18 | 2023-07-18 | 基于温度分布图像的转捩线提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310879807.6A CN116612049B (zh) | 2023-07-18 | 2023-07-18 | 基于温度分布图像的转捩线提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116612049A CN116612049A (zh) | 2023-08-18 |
CN116612049B true CN116612049B (zh) | 2023-10-10 |
Family
ID=87675090
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310879807.6A Active CN116612049B (zh) | 2023-07-18 | 2023-07-18 | 基于温度分布图像的转捩线提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116612049B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2064157A1 (en) * | 2006-09-20 | 2009-06-03 | Corning Incorporated | Temperature compensation for shape-induced in-plane stresses in glass substrates |
CN107832530A (zh) * | 2017-11-13 | 2018-03-23 | 中国航天空气动力技术研究院 | 一种复杂外形的高超声速边界层转捩判定方法 |
CN109115453A (zh) * | 2018-08-28 | 2019-01-01 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种基于后缘气动噪声测量判定机翼边界层转捩程度的方法 |
WO2020124096A2 (en) * | 2018-12-14 | 2020-06-18 | The Penn State Research Foundation | Methods for determining the thermodynamics and kinetics of colloidal phase separation on a temperature gradient device |
CN111473948A (zh) * | 2020-05-29 | 2020-07-31 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种低温跨声速设备tsp转捩测量试验装置 |
CN111551344A (zh) * | 2020-05-29 | 2020-08-18 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种低温跨声速设备tsp转捩测量试验模型表面处理方法 |
CN112837291A (zh) * | 2021-02-03 | 2021-05-25 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种基于温敏漆技术的层流机翼转捩位置测量图像处理方法 |
CN112945501A (zh) * | 2021-02-03 | 2021-06-11 | 中国空气动力研究与发展中心高速空气动力研究所 | 层流机翼转捩位置测量试验方法 |
CN113390602A (zh) * | 2021-05-25 | 2021-09-14 | 中国科学院力学研究所 | 一种基于内嵌式温敏漆的气动热全场测量***及方法 |
CN113639956A (zh) * | 2021-10-18 | 2021-11-12 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种模型倾角测量装置的校准装置及其校准方法 |
CN114459728A (zh) * | 2022-04-13 | 2022-05-10 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种低温温敏漆转捩测量试验方法 |
CN116227023A (zh) * | 2023-01-09 | 2023-06-06 | 西安交通大学 | 考虑横流的层流翼梯度优化方法 |
-
2023
- 2023-07-18 CN CN202310879807.6A patent/CN116612049B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2064157A1 (en) * | 2006-09-20 | 2009-06-03 | Corning Incorporated | Temperature compensation for shape-induced in-plane stresses in glass substrates |
CN107832530A (zh) * | 2017-11-13 | 2018-03-23 | 中国航天空气动力技术研究院 | 一种复杂外形的高超声速边界层转捩判定方法 |
CN109115453A (zh) * | 2018-08-28 | 2019-01-01 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种基于后缘气动噪声测量判定机翼边界层转捩程度的方法 |
WO2020124096A2 (en) * | 2018-12-14 | 2020-06-18 | The Penn State Research Foundation | Methods for determining the thermodynamics and kinetics of colloidal phase separation on a temperature gradient device |
CN111473948A (zh) * | 2020-05-29 | 2020-07-31 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种低温跨声速设备tsp转捩测量试验装置 |
CN111551344A (zh) * | 2020-05-29 | 2020-08-18 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种低温跨声速设备tsp转捩测量试验模型表面处理方法 |
CN112837291A (zh) * | 2021-02-03 | 2021-05-25 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种基于温敏漆技术的层流机翼转捩位置测量图像处理方法 |
CN112945501A (zh) * | 2021-02-03 | 2021-06-11 | 中国空气动力研究与发展中心高速空气动力研究所 | 层流机翼转捩位置测量试验方法 |
CN113390602A (zh) * | 2021-05-25 | 2021-09-14 | 中国科学院力学研究所 | 一种基于内嵌式温敏漆的气动热全场测量***及方法 |
CN113639956A (zh) * | 2021-10-18 | 2021-11-12 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种模型倾角测量装置的校准装置及其校准方法 |
CN114459728A (zh) * | 2022-04-13 | 2022-05-10 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种低温温敏漆转捩测量试验方法 |
CN116227023A (zh) * | 2023-01-09 | 2023-06-06 | 西安交通大学 | 考虑横流的层流翼梯度优化方法 |
Non-Patent Citations (9)
Title |
---|
A robust method for reliable transition detection in temperature-sensitive paint data;Marco Costantini 等;《Aerospace Science and Technology》;第113卷;1-10 * |
Advanced infrared thermography data analysis for unsteady boundary layer transition detection;C Mertens 等;《Measurement Science and Technology》;第31卷(第01期);1-14 * |
基于温敏光纤的边界层转捩测量技术研究;焦予秦 等;《应用力学学报》;第36卷(第06期);1253-1259 * |
基于温敏漆的边界层转捩测量技术研究;黄辉 等;《实验流体力学》;第33卷(第02期);79-84 * |
尚金奎 等.TSP转捩探测技术在民机风洞试验中的应用研究.《空气动力学学报》.2016,第34卷(第03期),341-345. * |
平面叶栅边界层的转捩试验及数值模拟;孙天野 等;《计算物理》;第40卷(第03期);307-313 * |
朱震 等.基于双e~N方法的翼身组合体流动转捩自动判断.《航空学报》.2017,第39卷(第02期),128-139. * |
温敏漆技术及其在边界层转捩测量中的应用;张扣立 等;《宇航学报》;第34卷(第06期);860-865 * |
高超声速快响应PSP测量技术研究进展;彭迪 等;《实验流体力学》;第36卷(第02期);92-101 * |
Also Published As
Publication number | Publication date |
---|---|
CN116612049A (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107301661B (zh) | 基于边缘点特征的高分辨率遥感图像配准方法 | |
CN109409292B (zh) | 基于精细化特征优化提取的异源图像匹配方法 | |
CN104318548B (zh) | 一种基于空间稀疏度和sift特征提取的快速图像配准实现方法 | |
CN105956582B (zh) | 一种基于三维数据的人脸识别*** | |
CN111126174A (zh) | 一种用于机器人抓取零件的视觉检测方法 | |
CN109919960B (zh) | 一种基于多尺度Gabor滤波器的图像连续边缘检测方法 | |
CN107767387B (zh) | 基于可变感受野尺度全局调制的轮廓检测方法 | |
CN105279769B (zh) | 一种联合多特征的层次粒子滤波跟踪方法 | |
CN106485651B (zh) | 快速鲁棒性尺度不变的图像匹配方法 | |
CN113256653B (zh) | 一种面向高层地物的异源高分遥感影像配准方法 | |
CN110287898A (zh) | 一种光学卫星遥感影像云检测方法 | |
CN111369605B (zh) | 一种基于边缘特征的红外与可见光图像的配准方法和*** | |
CN109815822B (zh) | 基于广义Hough变换的巡检图零部件目标识别方法 | |
CN108564092A (zh) | 基于sift特征提取算法的向日葵病害识别方法 | |
CN108710909B (zh) | 一种可变形旋转不变装箱物体清点方法 | |
Hu et al. | Local edge distributions for detection of salient structure textures and objects | |
CN110222661B (zh) | 一种用于运动目标识别及跟踪的特征提取方法 | |
CN112017223A (zh) | 基于改进SIFT-Delaunay的异源图像配准方法 | |
CN107341793A (zh) | 一种靶面图像处理方法及装置 | |
Sahoo et al. | Design and simulation of various edge detection techniques using Matlab Simulink | |
CN108320310B (zh) | 基于图像序列的空间目标三维姿态估计方法 | |
Zhang et al. | Saliency-driven oil tank detection based on multidimensional feature vector clustering for SAR images | |
CN114331879A (zh) | 一种均衡化二阶梯度直方图描述子的可见光与红外图像配准方法 | |
CN117764983A (zh) | 一种用于智能制造产线的双目识别的视觉检测的方法 | |
CN114494371A (zh) | 基于多尺度相位一致性的光学图像和sar图像配准方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |