1.2    粒子跟踪测速算法介绍及基本原理
粒子跟踪测速算法PTV是一种基于图像处理的二文稀疏粒子流场速度测量的方法，具有非接触、不干扰流场、方法简便、全场速度测量等优点，尤其是基于数字摄影的PTV方法在国内外颇受重视，这是因为随着计算机和图像采集设备的迅速发展，已经能够实现记录许多流体的运动过程，并且利用数字摄影可以有效地避免化学摄影的湿处理过程，完成了流场实时化测速。
粒子跟踪测速算法PTV的基本原理是，跟踪在不同时刻下两帧图像中的同一颗粒，计算两颗粒间形心的距离，然后把求得的距离当做粒子在△t时间间隔内的运动位移，再用位移除以时间间隔就可得到该粒子的运动速度[1]。
1.3    粒子跟踪算法研究进展及现状
1.3.2    与人工智能算法相结合算法的研究进展及现状
1.4    本文的主要研究内容
本文的主要内容是通过实验高速照相机拍摄下烟火药燃烧时颗粒运动的图像，编写VB程序对图像数据进行预处理，再根据PTV算法在两帧图像中进行点的匹配，计算出粒子的运动速度，最后利用Tecplot软件完成烟火药燃烧粒子运动的可视化。研究方案流程如图 1.1所示。
 图 1.1研究方案流程图
2.1    图像的预处理
通过高速照相机获得的流动图像，尽管在拍摄过程中进行了调节与保护，但是由于实验装置本身以及实验环境的限制，实验数据中仍难免存在一些噪声干扰，所以在进行燃烧粒子特征提取之前有必要对图像进行一些预处理来消除或抑制这些噪声干扰，提高后期匹配与测量的精度。
2.1.1    图像噪声的来源
图像噪声的主要来源是光源自身性能以及安装的位置，主要体现在图像的亮度不均匀方面，通过对比拍摄图像的质量可以发现，图像光源中心附近区域较亮边缘区域相对较暗。其主要原因是拍摄区域内光源的亮度不同，另外光线通过玻璃板时发生折射现象也会产生周期性的噪声。通过选用大功率的照明光源也能改善图像的亮度，但考虑到经济因素，可以采用图像处理的方法来改善原始图像的亮度，提高图像数据的质量。
2.1.2    图像噪声的消除
为了提高图像样本的质量，结合上节讨论的噪声来源，本文中采用了中值滤波和对比度拉伸变换[23]的方式去除这些噪声与干扰，并用锐化图像恢复清晰度。
a）中值滤波技术
中值滤波器是一种最常用的统计排序滤波器，它将该像素的相邻像素的灰度中值来替代原像素的值，同时此像素的原始也将包含在中值的计算结果中，因此它对于像烟火药燃烧类随机噪声有较强的去噪能力，同时能保证图像的清晰度。其计算公式如下所示：
                 (2-1)
式中， 表示图像中点 处经过滤波处理后的灰度值， 为以 为中心的矩形子窗口的坐标图， 代表区域内需要滤波处理的原始图像。
b）对比度拉伸变换
对比度拉伸变换是一种进行压缩或扩展动态范围的基本工具，主要用来对由于光源光线不均、拍摄装置不当引起的对比度不足的图像进行修正，具体的变化函数形式如下：
                   (2-2)
其中， 表示输入图像的灰度值， 是输出图像中的相应灰度值， 为控制该函数的斜率。
 
图 2.1对比度拉伸变换
图 2.1所示的是对比度拉伸变换函数，该函数可以将输入值高于阀值 的灰度级压缩为较亮灰度级的极窄范围内输出：同时的，它也将低于阀值 的灰度级进行压缩较暗灰度级的较窄范围内输出。因此经过这样处理后的图像将变成为一个高对比度图像。 VB基于图像处理的烟火药燃烧粒子测速(2):http://www.youerw.com/jisuanji/lunwen_6640.html