(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211268651.X (22)申请日 2022.10.17 (71)申请人 南京理工大 学 地址 210094 江苏省南京市孝陵卫20 0号 (72)发明人 宋旸　王雪龙　 (74)专利代理 机构 南京理工大 学专利中心 32203 专利代理师 陈鹏 (51)Int.Cl. G06T 7/269(2017.01) G06T 5/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种级联注意力机制的PWC-Net的示踪粒子 图像速度场分析方法 (57)摘要 本发明公开了一种级联注意力机制的PWC ‑ Net的示踪粒子图像速度场分析方法， 采用监督 学习的方式解决从2 ‑D示踪粒子图像中提取速度 场的问题； 该方法包括： 准备示踪粒子图像数据 集、 搭建光流神经网络模 型、 读取示踪粒子图像、 预处理、 网络运行； 网络模型是以PWC ‑Net为主框 架， 结合注意力机制的光流神经网络， 通过训练 得到光流神经网络模型， 其输入 是两帧示踪粒子 图像， 输出是示踪粒子图像上每个像素点的速度 矢量场。 应用本发明， 可 以从示踪粒子图像中获 取高分辨率、 较高精度的速度场， 同时能提高示 踪粒子图像 速度场分析的运 算效率。 权利要求书2页 说明书5页 附图3页 CN 115496781 A 2022.12.20 CN 115496781 A 1.一种级联注意力机制的PWC ‑Net的示踪粒子图像速度场分析方法， 其特征在于， 包括 以下步骤： 步骤1： 准备示踪粒子图像数据集； 步骤2： 搭建光 流神经网络并进行训练； 步骤3： 读取示踪粒子图像； 步骤4： 对读取的示踪粒子图像进行 预处理； 步骤5： 用训练好的网络模型计算速度场。 2.根据权利 要求1所述的级联注意力机制的PWC ‑Net的示踪粒子图像速度场分析方法， 其特征在于， 步骤1具体为： 使用公共 数据集PIV_dataset训练光流神经网络， 包含示踪 粒子 图像及其对 应的速度场标签； 每个用于训练的数据项中包含连续的两帧示踪粒子图像I1， I2 和对应的速度矢量场ω， 数据项是以下面两种 方式的一种 方式产生： A.由 已有的速度场ω 生成示踪粒子图像； B.由已有的示踪粒子图像生成速度场ω 。 3.根据权利 要求2所述的级联注意力机制的PWC ‑Net的示踪粒子图像速度场分析方法， 其特征在于， 所述由 已有的速度场ω生成示踪粒子图像的过程为： 先随机地生成一幅示踪 粒子图像I， 再将已有的速度矢量场ω作用于生成的示踪粒子图像I上， 从而得到示踪粒子 图像对I1， I2； 所述示踪粒子图像 I由示踪粒子图像仿真器产生， 示踪粒子图像中每个粒子的 形态满足如下的高斯分布： 其中， (x,y)为示踪粒子图像中的2 ‑D坐标， (x0,y0)为示踪粒子的中心位置， I为单个粒 子的灰度， I0为粒子中心的灰度， dp为粒子直径； 示踪粒子图像中的粒子个数由粒子密度ρ 决 定， 在选定ρ 以确定示踪粒子图像内粒子个数后， 再指定每个粒子的I0、 dp和(x0,y0)数值， 即 可确定一幅示踪粒子图像； 速度矢量场ω包含均匀流场、 反向阶梯流场、 圆柱绕流流场、 自 由湍流流场、 海洋表面洋流 流场、 各向同性的湍流 流场在内的多种流体运动场景。 4.根据权利 要求2所述的级联注意力机制的PWC ‑Net的示踪粒子图像速度场分析方法， 其特征在于， 所述由 已有的示踪粒子图像生成速度场ω的过程为： 根据已有两帧示踪粒子 图像I1， I2的粒子分布， 用光 流法计算得到 速度场ω 。 5.根据权利 要求2所述的级联注意力机制的PWC ‑Net的示踪粒子图像速度场分析方法， 其特征在于， 所述 步骤2包含如下步骤： (1)获取网络模型ω＝F(I1,I2)， 其中I1， I2为输入的两帧示踪粒子图像， ω为输出两帧 示踪粒子图像之间的速度矢量场， F为 光流神经网络的映射 函数关系； (2)设置网络的目标函数： 目标函数设置为输出速度场与标签速度场误差， 按以下公式 进行： 其中， k为不同层级， Lk为第k层输出速度场与标签速度场的误差， λk为第k层误差的权 重； (3)用步骤1产生的示踪粒子图像数据集训练网络， 从而得到可用于示踪粒子图像速度权　利　要　求　书 1/2 页 2 CN 115496781 A 2场分析的光 流神经网络模型。 6.根据权利 要求5所述的级联注意力机制的PWC ‑Net的示踪粒子图像速度场分析方法， 其特征在于， 步骤3中， 所述读取示踪 粒子图像， 是指在Δt的时间间隔内获取两帧原始 示踪 粒子图像I11， I12。 7.根据权利 要求6所述的级联注意力机制的PWC ‑Net的示踪粒子图像速度场分析方法， 其特征在于， 步骤4中， 先采用大小为5 ×5、 方差为 1的高斯滤波函数对获取的两帧原始示踪 粒子图像I11， I12进行滤波处理， 再对滤波处理后的示踪粒子图像进行灰度化和归一化处 理。 8.根据权利 要求7所述的级联注意力机制的PWC ‑Net的示踪粒子图像速度场分析方法， 其特征在于， 步骤5中， 用步骤2中训练好的网络模型进 行计算， 得到由光流神经网络 分析产 生的速度矢量场ω 。 9.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述程序时实现权利要求 1‑8中任一所述的方法的 步骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器 执行时实现权利要求1 ‑8中任一所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 115496781 A 3