基于图像小波包信息熵和遗传神经网络的气-液两相流流型识别

摘要：

根据小波包变换能够将图像信号按不同尺度进行分解的特性,提出了基于图像小波包信息熵特征和遗传神经网络相结合的气-液两相流流型识别的新方法.该方法采用高速摄影系统获取水平管道内气-液两相流的流动图像,经过处理,对图像进行多分辨率分析,提取小波包变换系数的信息熵特征,用主成分分析法降低特征维数构成特征矢量,作为流型样本对遗传神经网络进行训练,实现了对流动图像的流型智能化识别.结果表明:图像小波包信息熵特征可以很好地反映各流型之间的差异;遗传神经网络结合遗传算法和BP算法各自优点,具有收敛速度快、不易陷入局部极小的特性,网络识别率为100%.

关键词：流型识别、图像处理、小波包、遗传神经网络

所属期刊栏目：29

分类号：O359.1(流体力学)

资助基金：吉林省科技发展计划20040513

在线出版日期：2008-05-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：115-120