一种基于深度学习的异构融合气泡羽流特征提取方法

摘要

本发明涉及一种基于深度学习的异构融合气泡羽流特征提取方法，包括：S1、基于气泡羽流光学图像特点，构建气泡羽流光学图像特征提取CNN模型，实现多尺度特征的准确提取；S2、通过VGG16网络，构建波浪场中气泡羽流动态形态模型并对其进行训练，为特征融合提供瞬时流场特征标准化描述；S3、基于CNN模型与波浪场中气泡羽流动态形态模型之间的关联性和多重对应分析的全连接结构，设置自适应权重调整机制，用于复杂波浪场中气泡羽流动态形态的特征描述。本发明利用多重对应分析的思路改造网络全连接层结构，解析流体结构拓扑表征与异构特征动态融合间的关联性，实现全面、准确的复杂波浪场中气泡羽流动态形态特征描述。