Page 152 - 《爆炸与冲击》2026年第6期
P. 152

第 46 卷          周志刚,等: 基于结构感知变分光流法的BOS冲击波超压非接触式测量                               第 6 期

                                                    w
                                                       (       )  
       )
                                                              2
                                                                         2
                                            E reg (w) =  g |∇I 1 (x)| Ψ ∇w(x) ∥ dx                      (8)

                                                     Ω                   F
                                       g(·)  自适应调制,该函数与局部图像梯度幅值呈反比关系,从而在强边缘处削
               式中:扩散强度由权重函数
               弱平滑、在弱纹理区域增强平滑,以减少跨越显著边缘的扩散效应。权重函数定义为:
                                                               1
                                                     g(s) =                                             (9)
                                                                  2 c
                                                           1+(s/K )
                             2                             K  为区分边缘和噪声的对比度参数。本文通过网格搜
                    s = |∇I (x)|
               式中:             表示图像强度梯度的平方幅值,
                             2
                 K ∈ {5,10,15,20,25}  在 BOS 测试集验证,结果表明       K=15 时波阵面边缘保留与噪声抑制效果综合最优;
               索
                                                c = 3  (经验确定);由式(9)可知,该正则化项具有选择性平滑特性:
               c  为控制函数陡峭度的常数,本文取值
                                                                                          |∇I| ≫ K g → 0  ,从
               在强度变化平缓的区域          (|∇I| → 0) g → 1  ,平滑作用增强;在冲击波前缘等强梯度区域                         ,
                                             ,
               而有效抑制跨边缘扩散并保持清晰的运动边界,进而更好地保护光流场的结构完整性。
                2.3    高斯金字塔优化求解
                   冲击波传播过程中常伴随较大位移,容易使标准变分光流在有限收敛域内陷入局部最优。为克服
               该问题,本文将能量最小化过程嵌入从粗到精的高斯金字塔分层框架中                                 [43] 。具体而言,对输入帧       I 1  和   I 2
                                                                  { } L−1
               构建缩放因子为        0.5                                  I l                         l = L−1  为最
                                 的高斯金字塔,得到降采样图像序列
                                                                     l=0   ,其中   l = 0  为原始分辨率,
                                                                                               l = L−2,···  进
               粗分辨率层。采用五层金字塔结构,并从最粗层                     l = L−1  逐步迭代至最细层       l = 0  (即依次对
               行  更  新  ) 。  在  每  一  层     l   通  过  最  小  化  能  量  泛  函  求  解  增  量  光  流  更  新  dw   l    。  首  先  利  用  上  一  更  粗  层  (  l+1   )

                                (   )
                             Up w l+1     l  层的第  2      I l   进去扭曲;随后求解增量         l   以最小化如下能量泛函:
                                                          2
               上采样后的光流                对第           帧图像                           dw
                                                 w
                                          (  )       (       (     (   )     ))
                                         l   l         l    l         l+1   l
                                        E dw ≈     F I (x),I x+Up w      +dw   dx                      (10)
                                                            2
                                                       1
                                                  Ω l
                    F                       Up(·)  是将光流场上采样至当前分辨率的延拓算子。完成增量光流估
               式中:     为能量泛函的被积函数,
                      l  层的总光流更新为:
               计后,第
                                                           (
                                                      l
                                                    w = Up w l+1  )  +dw l                             (11)
                                        dw l  ,需处理相应的欧拉-拉格朗日方程;鉴于该方程的非线性特性,采用不
                   为求解各层的增量光流
               动点迭代策略,即每次迭代中将非线性项以当前光流估计值“冻结”,从而将方程组线性化。由此得到
               的稀疏线性系统通过带有逐次超松弛(successive over-relaxation,SOR)加速的高斯-赛德尔方法进行高效
               求解  [44] 。为兼顾计算效率与估计精度,在较粗层设置较少的迭代次数,而在较细层适当增加迭代次数,
               以确保光流场得以充分收敛并获得更精细的估计结果。
                3    爆炸冲击波的超压计算
                   基于物理模型驱动的波阵面拟合方法,通过最大内点集优化与冲击波动力学约束实现波阵面的稳
               健提取,并在此基础上完成非接触式超压定量测量。
                3.1    波阵面拟合
                3.1.1    拟合迭代求解策略
                   在确定光流阈值后,首先对光流图进行二值化处理,以抑制火光和破片等干扰,并将背景区域外的
               光流值置零。随后,对二值图像进行边缘检测以提取候选波阵面边缘,并将得到的边缘像素点集存储为
               集合。在每次迭代中,从边缘点集中随机选取                     3  个边缘像素点拟合二次函数曲线,并将拟合曲线与边缘
               像素点集进行匹配,统计该曲线对应的内点数量                     [45] 。内点定义为与拟合曲线的距离不超过                1  个像素的边
               缘点。为提高稳健性,保留内点数量最多的前                    5  条候选曲线,并基于其内点集构建最小二乘优化问题:

                                                                       ó
                                                     ∑î (             ) 2
                                                            2
                                                 E p =    au +bu+c−v                                   (12)
                                                      Ω
                                                                                                    E p  为目
               式中:    Ω  为内点集合,   (u,v)  为内点的坐标,    a、b、c  为二次曲线的参数。以最小化像素距离误差
                                                         061431-6
   147   148   149   150   151   152   153   154   155   156   157