%0 Journal Article
%T 基于图像轮廓特征和粒子群优化神经网络的气液两相流流型识别
%A 周云龙
%A 李洪伟
%A 陈飞
%J 吉林大学学报(工学版)
%P 673-678
%D 2009
%X 根据流型轮廓特征提取的不变矩能有效检测出具有平移、旋转、比例变化的图像特性，提出了一种基于图像不变矩与粒子群优化神经网络相结合的气液两相流流型识别的新方法。该方法利用高速摄影系统获取水平管道内气液两相流的流动图像，经过图像处理后和形态学轮廓提取图像不变矩特征向量，并以此特征向量作为流型样本对粒子群优化神经网络进行训练，实现了对流动图像的流型智能化识别。实验结果表明，训练成功的粒子群优化神经网络能够快速准确识别水平管道内的7种典型流型，整体识别率达到97.5%，为流型在线识别提供了一种新的有效方法。
%K 液体力学
%K 流型识别
%K 图像处理
%K 轮廓提取
%K 仿射不变矩
%K 粒子群优化神经网络
%K 液体力学
%K 流型识别
%K 图像处理
%K 轮廓提取
%K 仿射不变矩
%K 粒子群优化神经网络
%U http://xuebao.jlu.edu.cn/gxb/CN/Y2009/V39/I03/673