摘要:采用粒子图像测速技术(PIV)和基于雷诺时均纳维尔–斯托克斯方程(RANS)的数值模型研究了斯托克斯2阶波作用下抛石基床矩型潜堤周围的流体分离与涡流结构。越堤前后试验波面发生了非线性变形,迎浪面波形的不对称度和偏度分别为–0.21和0.04,波面前倾,背浪面波形的不对称度和偏度分别为–0.39和0.99,相对于垂直轴和水平轴的不对称性更显著。由PIV数据得到的相平均速度场和涡量场显示,迎浪面和背浪面周期性地生成顺时针涡和逆时针涡,但均未能充分发展,由随后到来的变向水流携带与自由液面或结构表面相互作用而耗散。迎浪区域的涡对运动范围较窄,局限于距离堤面约0.5倍Keulegan–Carpenter数的范围内,波能损耗小,背浪区域的涡对扩散范围较大,局限于距离堤背约1倍Keulegan–Carpenter数的范围内,波能损耗大。迎浪基肩上存在一个小型环流系统,影响范围约2个水质点运动轨迹,可能引起局部冲刷。基于RANS–VOF(volume of fluid)格式构建了数值波浪水槽,借助试验数据探讨了不同造波方法的适用性和海绵层的消能效果,进一步研究了边界层的分离现象。数值结果表明,涡旋的涡量供应主要来自结构表面的剪切边界层,而这些反旋涡量是由前一时刻的分离涡运动引起的逆压梯度诱导生成的。涡旋的生成、泄放、拉伸、对流、耗散会显著改变水下结构物周围的局部流场,进而影响局部冲淤和受力,工程设计中应考虑涡旋引起的复杂流动效应。
摘要:视频前背景分离的主要目的是从视频中提取感兴趣目标,但是由于噪声、光照变化等的影响使其仍是计算机视觉等领域最具有挑战性的任务之一。截断核范数(truncated nuclear norm,TNN)算法是一种经典的鲁棒主成分分析(robust principal component analysis,RPCA)算法,被广泛地应用于视频前背景分离。但是,该算法中的截断核范数对传统鲁棒主成分分析中的秩函数逼近度不高,导致其稳定性不强,对一些复杂场景下的视频前背景分离精度不高。针对该问题,本文提出了一种改进的截断核范数(improved truncated nuclear norm,ITNN)算法。该算法首先采用非凸γ范数替代TNN模型中的核范数,并分析了相对于核范数而言,非凸γ范数对秩函数具有更高的逼近度,同时提出了该算法所对应的模型;其次,为了求解提出的模型,本文引入了广义交替方向乘子法(generalized alternating direction method of multipliers,GADMM)对该模型进行求解;最后,将提出的ITNN算法应用于多个公共视频的前背景分离实验中,并通过展示提取不同视频的前景效果,从视觉角度验证了ITNN算法的有效性。同时,计算提出算法和对比算法提取的视频前景的F-measure值,从量化的角度进一步验证了ITNN算法的有效性。另外,实验还记录了各算法的视频前背景分离的运行时间,验证了ITNN算法的效率。总之,本文通过实验验证了提出的ITNN算法在视频前背景分离中的有效性和优越性。