伴随数字图像处理技术以及计算机技术的飞速发展,不同于单点测量的全流场速度测量得以实现。粒子图像测速技术是一种基于数字图像处理技术的新型流速测量方法。它通过对不同时刻的流场粒子图像进行分析计算来得到流场运动信息。粒子图像测速技术已得到了各个领域的广泛应用,为瞬态流场的可视化提供了强有力的工具。为了对火焰流场粒子图像进行分析,得到火焰燃烧过程中气流场的运动情况,本文的主要工作如下:1.本文首先对粒子图像测速技术所涉及的基本原理、应用背景以及发展历程进行简要的介绍。当今,利用数字图像处理技术实现流场测量的主流方法有粒子图像测速(Particle Image Velocimetry,PIV)和粒子跟踪测速(Particle Tracking Velocimetry,PTV)这两种。本文对目前通用的粒子跟踪测速系统组成作了介绍,并对粒子跟踪测速主要步骤(包括粒子识别、定位、匹配和数据后处理)的相关算法进行分析研究。2.PIV通过在连续图像的局部诊断窗口内进行互相关运算得到诊断窗口内的粒子平均位移,在局部速度估计中,更倾向于更大更亮粒子的运动模式。而PTV通过跟踪粒子图像中的每个粒子,利用粒子的位移代替该位置流场运动,更能反映该位置的流场运动情况。本文对多组连续两帧标准粒子图像分别使用PIV和PTV两种粒子图像测速方法,仿真结果表明PTV比PIV方法更能反应流场局部运动信息,所以直接跟踪单个粒子的粒子跟踪测速技术是本文的研究重点。由于有效地识别粒子图像中的粒子是粒子跟踪测速后续处理的前提,本文利用粒子所在区域总表现出局部亮度极大值的特征,将局部极大值方法结合到火焰流场粒子目标识别中,通过寻找局部亮度最大值点确定候选粒子坐标点,然后对候选点进行进一步筛选。该方法改善了光照不均,图像中噪声较多的情形下粒子识别结果。对比图像分割方法表明,该方法比图像分割法识别准确率高,且保留了粒子大小等信息。之后本文重点研究了基于联合概率的优化近邻粒子匹配方法,通过在组合配对中添加粒子的距离约束,将组合网络划分成小的子网络以减小计算复杂度,通过优化总距离平方和,对粒子进行有效配对。粒子匹配算法是PTV的核心步骤,通过合成不同密度的两种代表性流场,验证了基于联合概率分布的优化近邻法比最近邻和匹配几率法分别在时间和跟踪准确性上都有明显提高。3.最后,本文综合上述方法开发出应用在火焰流场中的粒子跟踪测速软件系统。通过对参数的调节,得到火焰流场的全流场瞬态位移矢量图,为火焰流场的后续计算打下基础。粒子图像跟踪测速的研究处在快速发展阶段,本文所做的研究也存在片面和不足之处。如何能够根据不同流场的特性,更好地提高图像质量,准确地识别粒子,有效地对粒子进行配对,对配对的粒子进行有效的矢量确认,来得到真实的流场速度矢量,其每个环节都需要进行更深入的研究。