基于双分支残差网络的粒子图像增强方法

摘要

为获取高质量的粒子图像，提出一种双分支残差卷积神经网络DBRNet用于粒子图像测速(PIV)技术中的粒子图像增强。首先，设计一种由残差块组成的双分支卷积神经网络对输入的粒子图像对进行特征提取，同时，采用编码-解码器对粒子图像对的特征信息进行有效融合。其次，自主生成具有挑战性的图像增强数据集训练模型参数，其中，包含不同浓度的高斯噪声、光强噪声及多种真实的干扰背景，以充分模拟真实流体场景。结果表明，本文方法能够有效处理合成图像和真实图像中的噪声干扰，实现图像增强；利用速度场估计算法处理经本文方法增强后的粒子图像对可以得到更高精度的速度场。

关键词

粒子图像增强 / 粒子图像测速(PIV) / 深度学习 / 双分支残差网络

基金资助

国家自然科学基金青年基金资助项目(52401362); 中央高校基本科研业务费专项资金资助项目(3132024224)