沉降顆粒激光散射像點(diǎn)跟蹤算法研究.pdf

1、沉降顆粒跟蹤是指跟蹤在沉降裝置中做沉降運(yùn)動(dòng)的沉降顆粒。通過(guò)跟蹤沉降顆粒，可實(shí)現(xiàn)對(duì)沉降顆粒粒度的檢測(cè)，進(jìn)而控制材料在生產(chǎn)、加工或使用過(guò)程中的粒徑大小，在材料粒度分析領(lǐng)域有極大的研究與應(yīng)用價(jià)值。
　　本文研究中存在大量沉降顆粒與背景區(qū)分度小，難以識(shí)別；且沉降顆粒在沉降過(guò)程中，會(huì)出現(xiàn)消失、聚合以及分散現(xiàn)象。而現(xiàn)有的沉降顆粒追蹤算法都是針對(duì)于特定沉降顆粒問(wèn)題的特定解決方案，不能解決本文所述問(wèn)題，因此本文根據(jù)沉降顆粒特征，給出基于粒子概率的

2、沉降顆粒識(shí)別算法，并根據(jù)沉降顆粒運(yùn)動(dòng)特征給出基于Kalman濾波的沉降顆粒跟蹤算法，主要研究?jī)?nèi)容如下：
　　(1)沉降顆粒的特征提取及表示。本文通過(guò)觀測(cè)顆粒沉降視頻，將沉降顆粒特征從灰度、形態(tài)和運(yùn)動(dòng)三方面呈現(xiàn)，根據(jù)沉降顆?；叶鹊淖兓?，沉降顆粒的質(zhì)心、面積以及沉降顆粒在水平、垂直方向上的位移、速度提取沉降顆粒的特征，并給出相應(yīng)的形式化描述。所提取的沉降顆粒特征能準(zhǔn)確描述不同顆粒之間的特征，進(jìn)而將與背景相似的沉降顆粒從中區(qū)分出來(lái)，并能

3、在沉降過(guò)程中，跟蹤消失、聚合以及分散的沉降顆粒。
　　(2)給出了基于Haar特征以及粒子概率的沉降顆粒識(shí)別算法。該算法分為Haar特征轉(zhuǎn)換和粒子概率轉(zhuǎn)換兩步：第一步借助三個(gè)Haar特征將灰度值轉(zhuǎn)換為Haar特征值來(lái)增強(qiáng)難以識(shí)別的沉降顆粒；第二步，在Haar特征的基礎(chǔ)上，結(jié)合沉降顆粒的形態(tài)特征來(lái)計(jì)算像素點(diǎn)屬于沉降顆粒的概率大小，最后通過(guò)概率加權(quán)得到顆粒識(shí)別結(jié)果。Haar特征能夠突顯難以識(shí)別的沉降顆粒，但是容易產(chǎn)生更多噪音，而粒子概

4、率則能基于概率，篩除噪音，從而提高識(shí)別的準(zhǔn)確率。
　　(3)提出了基于灰度變化運(yùn)動(dòng)向量的沉降顆粒跟蹤算法。根據(jù)沉降顆粒識(shí)別結(jié)果，本文結(jié)合沉降顆粒特征建立了基于灰度變化的運(yùn)動(dòng)向量，通過(guò)Kalman濾波來(lái)預(yù)測(cè)顆粒沉降位置，采用匈牙利算法來(lái)解決預(yù)測(cè)沉降顆粒與實(shí)際沉降顆粒的匹配問(wèn)題。并對(duì)未能匹配的軌跡或者沉降顆粒，借助沉降顆?；叶茸兓厔?shì)，判斷沉降顆粒的聚合、分散和消失狀態(tài)以修正匹配結(jié)果，獲得沉降顆粒軌跡。對(duì)沉降顆粒聚合等狀態(tài)的判斷增強(qiáng)了

5、沉降顆粒跟蹤的可靠性。
　　(4)沉降顆粒識(shí)別與跟蹤算法的實(shí)驗(yàn)和分析。本文通過(guò)實(shí)驗(yàn)，并與其他算法進(jìn)行對(duì)比來(lái)驗(yàn)證本文提出的識(shí)別和跟蹤算法的有效性。首先將識(shí)別算法與Lei Yang的算法、高斯混合模型識(shí)別算法和Ostu閾值分割法進(jìn)行對(duì)比，結(jié)果表明，本文算法略差于Lei Yang的算法，但是好于高斯混合模型識(shí)別算法和Ostu閾值分割法；之后，將跟蹤算法與一般Kalman濾波算法以及最臨近匹配法進(jìn)行對(duì)比，實(shí)驗(yàn)結(jié)果表明，本文方法優(yōu)于以上兩者