PDF 8.939kB - Hochschule Ulm
PDF 8.939kB - Hochschule Ulm
PDF 8.939kB - Hochschule Ulm
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Kapitel 3. Particle Image Velocimetry<br />
entstehen, zu einem geringeren Kreuzkorrealtionswert führen. Aus diesem Grund wird beim<br />
PIV-Verfahren die normalisierte Kreuzkorrelation bzw. der normalisierte Kreuzkorrelations-<br />
Koeffizient verwendet, der folgendermaßen definiert ist.<br />
c N =<br />
mit C N (normalisierte Kreukorrelation)<br />
und<br />
C N =<br />
M∑<br />
i=0 j=0<br />
C N (x, y)<br />
√<br />
σR (x, y) · √σ<br />
G (x, y)<br />
(3.3)<br />
N∑<br />
[R (i, j) − µ R ] [G (i + x, j + y) − µ G (x, y)] (3.4)<br />
σ G =<br />
σ R =<br />
M∑<br />
M∑<br />
i=0 j=0<br />
i=0 j=0<br />
N∑<br />
[R (i, j) − µ R ] 2 (3.5)<br />
N∑<br />
[G (i, j) − µ G (x, y)] 2 (3.6)<br />
Der Wert µ R entspricht dem Mittelwert des Referenzbildes und muss nur einmal berechnet<br />
werden. µ G , der Mittelwert des Grauwertbildes an der Stelle (x, y), mit dem das Referenzbild<br />
verglichen wird, muss immer neu berechnet werden.<br />
3.3.3 MQD als Ähnlichkeitsmaß<br />
Die Verwendung der Methode der minimalen Differenzenquadrate (engl. Minimum Quadratic<br />
Differences, MQD) als Ähnlichkeitsmaß innerhalb des PIV-Verfahrens wurde von Gui<br />
und Merzkirch in [16] vorgestellt. Analog zum Kreuzkorrelations-Verfahren wird auch bei<br />
diesem Verfahren ein Ausschnitt G eines Grauwertbildes mit einem Referenzbild R verglichen.<br />
Die quadratische Differenz zweier Matrizen (hier Bilder) wird definiert als<br />
∑<br />
|R − G| = √ M N∑<br />
(r ij − g ij ) 2 , (3.7)<br />
i=1 j=1<br />
wobei g ij und r ij die Grauwerte der Bilder mit der Größe M ×N an der Stelle (i, j) darstellen.<br />
Eine hohe Ähnlichkeit wird im Gegensatz zur Kreuzkorrelation durch ein Minimum der<br />
quadratischen Differenz<br />
D (x, y) = 1<br />
MN<br />
M∑<br />
i=1 j=1<br />
N∑<br />
(r (i, j) − g (i + x, j + y)) 2 (3.8)<br />
charakterisiert, wobei x und y wiederum die Komponenten des Verschiebungsvektors d(x, y)<br />
darstellen. Der MQD-Algorithmus weist wie in [27] und [16] beschrieben eine höhere Stabilität<br />
im Gegensatz zur Kreuzkorrelation auf, vor allem bei Bildern deren Partikel ein Specklemuster<br />
aufweisen. Der große Nachteil dieser Methode ist der deutlich größere Rechenaufwand<br />
gegenüber der Kreuzkorrelation, da sich diese nicht effizient im Frequenzbereich berechnen<br />
lässt.<br />
Masterarbeit Julian Paar 28