大尺度粒子图像测速在移动摄影中的运用研究

庄宝庆，谢锡刚，朱海，华敏伟，张浩，傅炎智

（1.无锡市锡山区水利局，江苏无锡，214000；2.无锡锡东新城商务区开发建设管理中心，江苏无锡，214000）

0 引言

简单来讲，LSPIV是一种以图像为核心的河流水面成像测试技术，属于实验条件下粒子图像测速技术在大尺度现场环境中的拓展结果。相比以往提出的雷达法、声学法等非接触式测量技术，本文提出的LSPIV在实践应用中具有瞬时测量全场流速的优势，不管是在流动模式还是湍流特征中都可以快速获取所需信息。因此，在实践发展中，随着移动摄影技术的不断优化，科研学者要加大对大尺度粒子图像测速技术的研究力度，并将稳定性和可视性过低但分布更为均匀的水面模式看作水流示踪物，这样不仅能研究实验室状态下的明渠水流紊动特征，还可以监测分析野外天然河道的表层流场。

1 介绍

从上世纪90年代开始，Hasheminejad等科研学者第一次提出将改进后的粒子图像测速技术运用到大尺度的水面流场观测实验中，并在实践应用中成功运用这种假设完成了Yodo河的洪水流量测量工作，最终这一假设也被叫做大尺度粒子图像测速技术（LSPIV）。从当前河流现场应用角度来看，LSPIV技术可以将细小波纹、泡沫、植物碎片等天然水面漂浮物看作水流的示踪物，并利用自然光取代激光片光，运用普通数码相机或视频摄像机取代高帧频相机，以此在简化搭配硬件系统的基础上，加快实验室研究成果的转化速度。而为了解决野外测量视野范围较小的难题，科研学者提出运用直升机拍摄视频来计算分析河流洪水数据，抑或是利用热气球来扩大测量拍摄的范围。本文在整合了解以水利学方向为核心的LSPIV技术应用成果，将其运用到实验室水工模型流畅测量工作中，并利用实验大厅的安装支架或顶部横梁等定位采集设备，而后根据自然河流的原型观测实验，整合了解影响实验分析的主要原因，并依据视频去抖动算法得到稳定的视觉场景和流场结果。

2 研究方法

2.1 LSPIV技术

从实践角度来看，测算流程涉及到图像的定标、识别水面模式、提取水面特征等内容。本文研究提出的LSPIV技术所包含的测速算法是指完善的流程采集计算流程中多种算法统称[1]。由于在复杂地形流域观测实验中不能忽视水位和水面覆盖面积的变化，且水体水质和天气变化也会影响图像背景中的广场条件和颜色，所以在外界因素的干扰下，自动测量的算法必须要直观准确地呈现出水面的边界，并且可以根据实际变化科学调整算法测量的网格。基于大尺度粒子图像测速技术提出的研究模型，主要包含两类参数：

一方面是指外在参数，主要是对相机在参考坐标系中位置和方向的数学标答，其涉及到相机中心的物理坐标（xc，yc，zc）和三个旋转角φ、τ、σ，两者都是根据实地率定获取的。

另一方面是指内在参数，主要呈现了镜头、相机和图像所获取的硬件固有物理特性，只喝相机等图像获取硬件的内部结构又直接关系。比如说，水平和垂直比例系数λ、λ，理想图像平面中心坐标（u0，v0），有效的焦距f。由此可以得到如下所示的直接线性转换（DLT）公式：

在上述公式中，（u，v）代表像点坐标，（x，y，z）代表物点坐标，L1，L2……L11代表直线线性转换系数，如下所示为中心透视投影模型中内参与外参的组合公式：

在录入多个控制点信息之后，就可以明确相应的线性转换系数，而后结合物理坐标（x，y，z），在公式推导中获取图像坐标（u，v）。DLT的应用方法非常广泛，属于一种隐性相机标定方法，有助于简便实践操作步骤。本文在研究中为了方便后续实践应用分析，将DLT方程转变成如下形式：

在前期研究中已经证明运用颜色向量的方式来自动区分水面和路面，由于这类算法存在应用误差，部分操作需要利用人工的方式进行修改，所以在实践应用中对这类算法进行的改进，也就是在图像中叠加流场的方式来自动训练图像分类算法的参数调整。换句话说，要在图像分类之前，先利用流场算法研究整个图像的流动，并将相应的平均流速的玉质区域看成是水面区。在完成相应数据的预处理之后，可以从基础上保障图像分类算法的有效性。从时间角度来看，图像测试算法的根本目的在于从图像中获取所需的特征变化，并利用特征的运动和结构变化来呈现所对应的物理现象。

2.2 去抖动技术

手持式移动摄像设备拍摄视频一般会受抖动影响无法保障视频资料的清晰度，因此在研究之前需要对视频进行去抖动处理，以此得到稳定事业的视频画面。根据实践经验分析去抖动处理通常包含两点内容，一方面是指运动估计，另一方面是指运动补偿。

根据当前科研学者对视频去抖动技术的研究分析可知，实践操作的核心内容分为两方面，一方面要估计分析全局运动参数，另一方面要科学处理滤波。通常情况下，场景当中静止的背景物体占据较大比例，其所包含物体所对应的运动矢量可以运用区域相关方法保障匹配的精确度，而拍摄期间随机产生的噪音也会出现独立的运动噪音，只运用光流计算方法很难有效处理，可以利用块运动估计方法来研究运动矢量。根据近年来对运动估计法在视频压缩领域中的应用研究显示，这种方法不仅能有效提升算法的运行效率，还可以简化事件操作过程[2]。首先，原本视频流选用块运动估计算法可以得到相邻帧之间的运动矢量。

3 实例分析

本文研究利用手机机设备在渤海某段拍摄了一组渤海流域的流动视频。在不进行去抖动处理的条件下，计算分析相邻帧之间的流场，具体如下图1所示。

图1 未经处理的原本视频资料

结合上述分析可知，原本图像中上半部分是流域对岸的森林，中间区域为渤海流道，下部分为拍摄者站立的河岸。因为整体视频资料是抖动的，所以选用LSPIV技术研究分析无法保障最终结果的精确性。在本文概述案例中，山体和河岸都具备一定的运动速度，这和实际情况是存在差异的。图（a）是指平移抖动特征的流场矢量图，这一现象主要是拍摄者的双手在进行上下俯仰或左右偏移引起的，最大的特点在于全局速度矢量在相同方向上一致上升[3]。

图2 经过去抖动处理之后的渤海流场图

而结合下图2分析可知，其是指完成过去抖动处理之后的渤海流场图。在移动拍摄中进行去抖动处理，一方面可以有效处理视频抖动效果，并得到较为稳定的视频资料；另一方面可以准确阅读视频的每一帧，并由此进行准确的流场分析。

在本文概述案例中，渤海对岸的山体与河对岸的石头地区域因为完成了去抖动处理，所以已经基本不会出现运动速度。而主流速度方向从左到右分布非常合理。整体视频拍摄的帧率达到了30fps，从视频当中快速且持续截取200帧图像，并利用LSPIV技术进行计算分析，可以发现最终结果与预期基本达成一致。

4 结语

综上所述，通过上文对自然流域观察研究所运用的大尺度粒子图像测速技术进行深入探讨可知，实践技术应用存在较多难点，且直接影响着向观察研究的最终结果。因此，在未来事件发展中，科研学者要在重视大尺度粒子图像测速技术的同时，针对其在移动摄像设备中所展现出的可行性进行深入探讨，并由此获取更为优质的实验结果。同时，还要合理运用相关算法研究计算流域的流场特性，学会根据边界识别清除不重要的速度矢量，以此获取更为完善的水动力速度矢量数据，从而保障相关研究项目活动可以有序进行。