神经网络在立体成象测速技术中的应用

立体成象测速技术是一种用于测量三维流场中流体的三个速度分量的光学方法。该测量为非接触测量，其测量原理是基于由两个CCD传感器从不同的有利位置点获取的图象。采用这一方法时，如果流场中散布的粒子的密度较大的，由成象系统所获得的图象中就可能丢失单个粒子的部分象点或者是等效的数据点。该数据丢失大多数是发生在对重叠的粒子图象进行分解的过程中和对粒子进行跟踪阶段。为了尽可能恢复更多的数据点并提高测量精度，在立体成象测速技术的两个阶段中采用了神经网络技术。在对重叠的粒子进行分解的阶段采用了后向传播(Back Propagation)神经网络，这是由于此方法具有图形识别和分类的能力。在对粒子跟踪阶段，跳跃神经网络（Hopfield neural network)是获取相应粒子轨迹的一种公认的最佳求解方法。研究表明，神经网络对于提高测试性能具有潜在的作用，而且已被证明对于立体成象测速技术是非常有用的。