气液两相流的研究在石化工程、原子能工程、航天工程、动力工程及化学工程中均具有重要的研究价值。两相流系统是一个复杂的非线性动态系统，相间存在着相对速度和效应，使两相流参数检测的难度较大。目前，关于如何利用现代化的信息获取与处理手段、更加快速准确地进行流型的在线识别，已成为流型识别技术中的研究热点之一。图像处理作为现代信息处理技术，已被广泛地应用到各种参数检测中。本文以数字图像处理技术为基础，提出了几种用于气液两相流流型识别和气泡识别的新方法，实验结果证明本文提出的方法是有效的。本文的主要工作和创新点如下： (1)为了能使计算机自动准确地识别流型，提出了一种识别气液两相流流型的新方法。该方法利用高速CCD获取管道内气液两相流的流动图像，经过图像处理后，提取二值化图像中气泡的面积、宽度、高度和中心坐标，然后融合模糊推理方法对流动图像进行流型识别。根据实际应用需要，提出了一种多级顺序模糊模式识别方法：首先根据宽度、中心坐标等特征判别流型是否为分层流(包括层状流或波状流)和雾环状流；然后根据面积、高度等特征识别流型是否为气泡流、塞状流和弹状流。实验结果表明，该方法能自动有效地识别水平管道内的气泡流、塞状流、层状流、波状流、弹状流和雾环状流等基本流型；识别准确率如下：气泡流为93.3％，塞状流为85.3％，分层流为97.3％，弹状流为98.6％，雾环状流为92.7％；识别图像速度约为22帧／秒，适合于在线实时识别两相流流型。 (2)通过对传统神经网络的改进，设计了一个多层模糊神经网络来进行流型识别。网络的学习算法采用Levenberg-Marquart优化算法(简称L-M算法)，收敛速度快，能满足实时性要求。实验结果表明，利用该模糊神经网络能准确地识别弹状流、塞状流和气泡流等基本流型。 (3)本文基于数字图像处理技术，提出了一种用于快速测量垂直管道中气液两相流气泡尺寸的新方法，根据气泡特征提出了一种快速简单的气摘要泡填充算法;设计了一种通过搜索气泡的联合特征量来测量气液两相流中气泡速度的新方法，图像处理速度约为19帧/秒。 (4)提出了一种用于识别重叠或粘连气泡的形态学新算法，该算法首先获取气泡的的亮点特征;然后对每个亮点进行加厚处理，即在每个亮点外部不断增加像素，但必须同时保证所增加的像素既不会导致原来不连接的对象成为8一连接，又不会超出原填充图像中相对应气泡的边界，重复上述加厚过程，直到每个亮点已不再被加厚为止，就得到气泡的分割图像。实验证明，本文提出的算法可以比较准确地对重叠或粘连气泡进行分割识别，该算法同样适用于细胞或颗粒重叠图像的分割识别处理。