Образование дисперсного потока частиц конденсированной фазы предопределяет разработку в сущности единых цифровых технологий обработки результатов, полученных оптической бесконтактной диагностикой дисперсных потоков в реальном масштабе времени на основе интегральных фотодиодных структур и микропроцессорных систем регистрации и управления. Использование МДП-фотодиодных датчиков совместно со стробоскопической подсветкой топливных факелов позволяет определять в режиме реального времени распределение масс топлива в теле холодного топливного потока, регистрировать границы потока, угол раскрыва конуса. Последовательная съемка нескольких кадров одной и той же топливной струи дает картину скоростей продвижения различных масс за промежутки времен между моментами регистрации. Кроме того, стробоскопическая регистрация дает информацию о степени поглощения падающего светового потока топливной струей, или об областях однократного рассеяния света для дальнейшего определения дисперсного состава топлива в этих областях по методу малых углов.

Для оценки параметров массопереноса в топливной струе можно выделять характерные яркостные зоны в ее изображении, полученном с помощью специализированной телевизионной системы. Каждая такая зона имеет соответствующую оптическую плотность пропорциональную концентрации частиц в ней.

Перед проведением анализа изображения топливной струи следует учесть искажающие факторы, которые вносит система регистрации в получаемые данные. Эти факторы имеют как детерминированный характер в виде функции рассеяния точки системы регистрации, так и случайный в виде шума. Однако, если влияние их не слишком велико, то статистические параметры изображения не потерпят существенных изменений.

Авторами предлагается способ кодирования изображения топливной струи по статистически наиболее вероятным яркостям для подавления искажающих факторов и выделения характерных яркостных зон. Кодирование производится с использованием байесовского определения апостериорной вероятности присутствия данной яркости в изображении[2]. Итерационный алгоритм основанный на этом методе модифицирует гистограмму яркости исходного изображения таким образом, чтобы она содержала статистически наиболее вероятные яркости. Во время этой операции вычисляется вероятность ошибки данного преобразования называемая риском. Алгоритм заканчивает свою работу по достижению риском заранее заданного уровня. Таким образом делается оценка изображения топливной струи с заданной вероятностью ошибки[3]. На рисунке 1а показано исходное изображение топливной струи, а на рисунке 1б - его статистическая оценка.

На рисунках 2, 3 приведены гистограммы яркости исходного и обработанного изображения топливной струи, представляющие зависимость количества пиксел изображения от яркости.

Рис. 2. Гистограмма яркости исходного изображения

Анализируя гистограмму яркости обработанного изображения, подсчитываем количество пиксел в объекте струи, соответствующих каждой яркостной зоне. Исходя из количества пиксел струи строим процентное отношение площадей яркостных зон. Если рассматривать топливную струю как тело вращения, то зная массу впрыскиваемой дозы топлива, можно определить массу частиц в каждой зоне с характерной яркостью, а также через площади или объемы зон оценить их концентрацию.

Таким образом, статистическая оценка изображения топливной струи позволяет выделить зоны с однородной яркостью, определить распределение масс и концентраций в топливной струе и проследить их динамику.

Литература

1. Свиридов Ю. Б. Смесеобразование и сгорание в дизелях. - Л.: Машиностроение, 1972. - 224 с.
1. Р. Дуда, П. Харт. Распознавание образов и анализ сцен. - М: Мир, 1976 - 511 с.
2. Гуляев Ю. П., Долматов А. В. Обработка цифрового изображения экологических ареалов // ГИС для устойчивого развития окружающей среды. Материалы международной конференции Интеркарто3. - Новосибирск, 1997. - С. 162-166.

Рис. 3. Гистограмма яркости обработанного

изображения