舰船尾流微小气泡幕光学测量技术研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-12页 |
| 1 绪论 | 第12-22页 |
| ·尾流气泡幕研究的意义 | 第12-13页 |
| ·尾流气泡幕的宏观特征 | 第13-15页 |
| ·尾流长度 | 第13页 |
| ·尾流扩散角 | 第13-14页 |
| ·尾流深度 | 第14-15页 |
| ·尾流气泡幕的微观特征 | 第15-16页 |
| ·气泡粒子尺寸 | 第15页 |
| ·气泡粒子速度 | 第15-16页 |
| ·气泡粒子密度 | 第16页 |
| ·国内外研究概况 | 第16-21页 |
| ·本论文研究内容 | 第21-22页 |
| 2 大视场（宏观）尾流光学采样技术研究 | 第22-38页 |
| ·大视场采样技术的研究目标 | 第22-23页 |
| ·尾流水下光传播研究 | 第23-30页 |
| ·光在水中的总衰减 | 第23-24页 |
| ·光在水中的吸收 | 第24-27页 |
| ·光在水中的散射 | 第27-29页 |
| ·水下光通量计算 | 第29-30页 |
| ·光源类型 | 第30-32页 |
| ·光与被测物的相互作用 | 第32-33页 |
| ·照明的光谱 | 第32-33页 |
| ·照明的方向性 | 第33页 |
| ·大视场测量系统实现 | 第33-37页 |
| ·水下照明光源 | 第33-34页 |
| ·图像传感器 | 第34-35页 |
| ·防水密封结构 | 第35-36页 |
| ·照明实验 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 3 小视场（微观）尾流激光切片采样技术研究 | 第38-65页 |
| ·小视场尾流研究目标 | 第38-40页 |
| ·激光切片系统研究 | 第40-50页 |
| ·光学切片分析 | 第40-42页 |
| ·激光光源分析 | 第42-46页 |
| ·激光切片实现 | 第46-50页 |
| ·光学采样系统研究 | 第50-58页 |
| ·光学系统分析 | 第50-51页 |
| ·共用准直前组镜头 | 第51-54页 |
| ·可切换镜头组 | 第54-57页 |
| ·采样光学系统实现 | 第57-58页 |
| ·采样控制研究 | 第58-62页 |
| ·运动分析 | 第58-59页 |
| ·运动控制 | 第59-60页 |
| ·高速摄影机分析 | 第60-62页 |
| ·小视场测量系统实现 | 第62-64页 |
| ·系统组成介绍 | 第62-63页 |
| ·防水分析 | 第63页 |
| ·系统实现 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 4 近海尾流水下测量实验 | 第65-69页 |
| ·系统水下测试 | 第66-67页 |
| ·近海实验 | 第67-69页 |
| 5 大视场尾流特征参数提取方法研究 | 第69-81页 |
| ·大视场尾流成像分析 | 第69-70页 |
| ·尾流区预处理 | 第70-74页 |
| ·边界保持滤波 | 第70-72页 |
| ·选择性滤波器 | 第72-73页 |
| ·滤波结果对比 | 第73-74页 |
| ·尾流区分割方法研究 | 第74-75页 |
| ·尾流区边缘分割 | 第74-75页 |
| ·尾流区阈值分割 | 第75页 |
| ·目标区提取 | 第75-78页 |
| ·条件腐蚀提取法 | 第76-77页 |
| ·形状因子低通滤波提取法 | 第77-78页 |
| ·扩散角计算 | 第78-80页 |
| ·边界轮廓直接拟合求扩散角 | 第78-79页 |
| ·基于Convex Hull边界平滑求扩散角 | 第79-80页 |
| ·本章小结 | 第80-81页 |
| 6 小视场尾流特征参数提取方法研究 | 第81-121页 |
| ·小视场尾流成像分析 | 第82-84页 |
| ·小视场尾流图像预处理 | 第84-85页 |
| ·气泡幕粒子图像阈值分割 | 第85-91页 |
| ·Cluster分割法 | 第87页 |
| ·Entropy分割法 | 第87-88页 |
| ·Inter Variance分割法 | 第88-89页 |
| ·Metric分割法 | 第89页 |
| ·Moment分割法 | 第89-90页 |
| ·分割方法讨论 | 第90-91页 |
| ·气泡幕粒子图像边缘分割 | 第91页 |
| ·识别气泡粒子并统计体密度 | 第91-107页 |
| ·分水岭分割法 | 第91-93页 |
| ·匹配法 | 第93-94页 |
| ·局部最亮值法 | 第94-95页 |
| ·曲率检测法 | 第95-96页 |
| ·基于特征向量的k NN近邻学习识别法 | 第96-107页 |
| ·气泡粒子尺寸计算 | 第107-112页 |
| ·计算速度并识别 10μm级的气泡粒子 | 第112-120页 |
| ·速度场计算 | 第112-117页 |
| ·基于无监督学习的K-均值聚类速度分类识别法 | 第117-120页 |
| ·本章小结 | 第120-121页 |
| 7 总结与展望 | 第121-125页 |
| ·论文工作总结 | 第121-123页 |
| ·主要工作 | 第121-122页 |
| ·论文创新点 | 第122-123页 |
| ·未来工作展望 | 第123-125页 |
| 参考文献 | 第125-129页 |
| 作者简介及在学期间发表的学术论文与研究成果 | 第129页 |
