阮哲伟 吴俊 姜宏亮

摘 要：大尺度粒子图像测速技术在复杂地形流域的原型观测实验中存在安装难等问题。本文提出了采用移动摄影设备进行原型观测实验数据采集的方法，通过对采集的视频进行去抖动处理，得到了无抖动的视频图像。读取无抖动视频的帧图像，进行LSPIV流场分析，印证了去抖动处理方法的可行性。该方法的成功应用，大大降低了复杂地形流域的原型观测实验的难度，具有良好的应用前景。

关键词：移动摄影设备 LSPIV 去抖动 原型观测 复杂地形

中图分类号：TV122 文献标识码：A 文章编号：1672-3791（2018）02（a）-0014-02

大尺度粒子图像测速（Large Scale Particle Image Velocimetry，LSPIV）是一种基于图像的河流水面成像测速技术，是实验室环境下的粒子图像测速（Particle Image Velocimetry，PIV）技术在大尺度现场环境下的扩展。

相比声学法和雷达法等非接触式测流技术，LSPIV具有瞬时全场流速测量的特点，在快速获取瞬时流场、湍流特征、流动模式等方面具有明显优势。能够以可视性和稳定性较差、但分布更均匀的天然漂浮物以及水面模式作为水流示踪物（例如植物碎片、泡沫、细小波纹等天然水面漂浮物及水面模式为水流示踪物），不仅可用于实验室环境下明渠水流紊动特性的研究，更具有野外天然河道表面流场监测的潜力。

20世纪90年代，Hasheminejad等人首先提出了将PIV技术改进用于大尺度水面流场观测的设想，并成功将其用于Yodo河的洪水流量测量，该技术被称为大尺度粒子图像测速（large-scale PIV，LSPIV）。在河流现场应用中，LSPIV能够以植物碎片、泡沫、细小波纹等天然水面漂浮物及水面模式为水流示踪物，以自然光代替激光片光，以普通数码相机或视频摄像机代替高帧频相机，大大简化了硬件系统的配置，加速了实验室研究向工程野外测量领域的成果转化。为了克服野外测量视场小的问题，Fujita等人利用直升机拍摄的视频来计算Yodo河流在2002年的洪水数据。河海大学的王鑫等使用热气球对大型河流表面垂直拍摄，获取大范围的流场测量结果。爱荷华大学的M.Muste等人使用摄像头代替高帧频工业相机，大大降低了硬件成本。美国海军研究实验室的David W. Dobson等人在提高LSPIV的迭代效率和计算质量上做深入研究。自LSPIV技术提出以来，以日本神户大学、美国爱荷华大学、法国格勒诺布尔国立理工学院、美国威斯康辛大学等为代表的国外研究团队，在原型系统开发、图像处理算法研究和测量不确定度评估等方面持续开展了大量研究工作。国内的研究团队多有实验室条件下单相流、多相流以及物理河工模型的研究成果，但系统化的探索还处于起步阶段。

针对水力学方向的大尺度粒子图像测速技术，在实验室水工模型流场测量方面已经得到较为广泛的应用。在实验室内使用大尺度粒子图像测速技术，借助实验大厅内的安装支架、大厅顶部横梁等，很容易实现采集设备的定位、安装和调试。然而，针对自然河流的原型观测实验，由于河流范围宽广、周边地形复杂等不利因素，存在着测量设备难以固定安装、采集控制操作风险大等技术难点。本文针对这一技术难点，创新性地采用了移动摄影设备对天然流域河道的表面流场进行了原型观测实验，并借助视频去抖动算法，还原出了稳定的视觉场景用于LSPIV的计算分析，并取得了很好的流场结果。

1 研究方法

1.1 LSPIV技术

完整的测算流程包括图像定标、水面模式识别、水面特征提取、速度场计算提取等过程。这里所谓的测速算法即完整的流场采集计算流程中所用多种算法的统称。考虑到工程实际，水位变化和水面覆盖面积的变化不可忽视，同时天气情况和水体水质同样会引起图像背景中光场条件及颜色的巨大变化。在这些环境干扰的条件下，自动测量的算法必须准确无误地勾勒出水面的边界，并动态调整算法测量的网格。在前期工作中我们已验证了通过颜色向量的方向来自动区分水面与陆面的算法。然而此算法存在一定的误差，有时需要人工修正来去除误差。我们将尝试改进此算法，通过在图像上叠加流场的方法来自动训练图像分类算法的参数调整。即在图像分类之前先通过流场算法计算整个图像的流动，将平均流速一定阈值的区域视为水面区域。通过这样的预处理，将会提供图像分类算法的可靠性。

图像测速算法的主要目的为从图像中获取对应特征的变化情况，通过对应特征的运动或结构变化来描述相对应的物理现象。这里是从图像中提取具备良好示踪效果的水面模式特征或示踪物特征，用来计算流场的流速分布，推断其水动力特征分布。为了实现更好的特征识别和结构识别，我们尝试使用多种算法获取其合理的识别结果。

1.2 视频去抖动处理

手持式移动摄影设备拍摄的视频通常会受到抖动的影响，通过后期去抖动处理，可以得到穩定视野的视频画面。去抖动的原理主要包括两个部分：（1）运动估计；（2）运动补偿。

运动估计的基本思想是将视频的每一帧图像分割成若干个互不重叠的宏块，并以宏块为单位认为宏块内的所有像素位移量统一的，设法求出这些宏块在相邻帧间的运动偏移量参数得到运动矢量。

运动补偿是通过先前的局部图像来预测、补偿当前的局部图像，它是减少帧序列冗余信息的有效方法。

2 应用实例分析

应用手持设备（手机），在黄河岸边拍摄了一组黄河某流域的流动视频。

不进行任何去抖动处理，计算出相邻帧间的流场，如图1所示。原始图像上部为河对岸的山体，中间为黄河流道，下部为拍摄者站立的河岸。从图1中可以看出，由于视频的抖动，LSPIV计算结果算出山体和河岸都具有一定的运动速度，这和实际情况显然是矛盾的。

图1（a）给出了一个具有平移抖动特征的流场矢量图，平移抖动一般是拍摄者的手进行上下俯仰或者左右偏转运动造成的。其主要的特点是，全局速度矢量在统一方向上出现统一大小的增量。

图2（a）给出了一个具有扭转抖动特征的流场矢量图，扭转抖动一般是拍摄者单手持移动设备，由于手机重心位于手之外，手根据重力感应进行闭环反馈调节设备位置造成的。

应用去抖动处理之后，可以显著消除视频抖动效果，获取平稳的视频图像。读取视频的每一帧进行流场分析，结果见如图3所示。

由图3可见，河对岸的山体和河此岸的石头地部分，由于去抖动处理，已经基本不存在运动速度。主流速度方向从左至右（从上游至下游）分布合理。

视频的拍摄帧率为30fps，从视频中连续截取200帧图像，通过LSPIV计算得到100张速度矢量图，图4给出了100张结果的平均流场。

3 结论

针对自然流域的大尺度粒子图像测速技术的难点问题，本文开创式的验证了手持移动摄影设备进行大尺度粒子图像测速测量的可行性，并取得了很好的实验结果。本文主要完成了一下工作。

（1）应用移动摄影设备实地获取黄河某流域的流动视频。

（2）对具有不规则抖动规律的视频进行去抖动处理。

（3）应用LSPIV算法计算流域流场特性。

（4）采用边界识别剔除不相关速度矢量，保留水动力速度矢量数据。