13.01.2014 Aufrufe

PDF 8.939kB - Hochschule Ulm

PDF 8.939kB - Hochschule Ulm

PDF 8.939kB - Hochschule Ulm

MEHR ANZEIGEN
WENIGER ANZEIGEN

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

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!