气液两相流广泛存在于工业过程中,尤其在气液传质或反应设备中应用更加突出,如精馏塔、鼓泡塔、喷洒塔等。气相和液相的比例是气液两相流系统最重要的参数之一。气液比例是否合适直接影响输出产品的质量和性能,一旦发生变化则会引起流阻和流动稳定性的变化,进而引起传热性能降低,甚至影响装置系统正常运转,导致仪器设备损坏。故而为了控制气液两相流的气液比例,需要对其定量研究。针对这些问题,提出了基于凹点检测与PCA混合降维的气液两相流气泡分割重构与流型识别技术,并将其应用于气液两相流实际研究中,验证了所提方法的有效性。第一章综述了图像分割重构、多特征提取和降维、气液两相流流型测量等技术的国内外研究现状,分析了目前关于图像分割重构和图像识别存在的不足,并阐述了本文的研究内容和组织框架。第二章分析气液两相流图像的特点,提出了基于边缘信息的灰度不均匀重叠气泡轮廓分割方法,基于最大类间方差法进行图像预处理,根据Canny边缘检测算法,获取气泡的轮廓信息,获得了完整的气泡轮廓。接着基于Hough直线变换实现气液两相流的流型图像感兴趣区域自动提取,对图像进行中值滤波和对比度增强,为后续特征分析奠定基础。第三章提出了基于曲线凹凸性变换与圆周拟合的重叠气泡分割与轮廓重构方法,首先对气泡图像预处理,利用高斯滤波滤除噪声干扰,依据自适应阈值分离出前景,得到预分割图像。然后利用Canny算法提取轮廓,利用高斯函数平滑曲线,对轮廓进行凹凸性变换特性分析,对每两个凹点进行分割路径选取。最后利用最小二乘圆周拟合插值算法对重叠部分的气泡轮廓进行重构,得到气泡分割后的重构图像。第四章提出了基于PCA混合特征融合的气液两相流流型识别方法,分析预处理后的图像特征,提取相关的纹理和形状特征,共提取了不变矩、灰度共生矩和LBP特征三种特征。基于PCA技术,即主成分分析技术,将三种特征融合降维后,很大程度保留原有信息不被丢失,有效地降低了数据维度。介绍了三种分类器,支持向量机SVM、概率神经网络、BP神经网络,输入三种特征量进行分类识别,为后续的应用研究打下基础。第五章将所提出的方法应用于气液两相流重叠气泡分割与轮廓重构,以及流型识别研究中,实现了针对重叠气泡分割重构算法和Hough变换算法的性能对比,以及基于多种分类器的混合特征分别与另外三种单独特征的对比实验,包括不变矩、灰度共生矩阵、LBP特征,验证了本文方法的有效性。第六章总结了本文的研究成果,并对今后的研究工作进行了展望。