Optical flow estimation with subgrid model for study of turbulent flow

• Main Author: Cassisa, Cyril
• Other Authors: Ecully, Ecole centrale de Lyon
• Language: en
• Published: 2011
• Subjects: Estimation du mouvement; LES; Modèle sous-maille; Flot optique; MRF; Optimisation; Motion estimation; Subgrid scale model; Optical flow; Optimization
• Online Access: http://www.theses.fr/2011ECDL0010/document

L’objectif de cette thèse est l’étude de l’évolution de champ scalaire transporté par un écoulement à partir d’une séquence d’images temporelles. L’estimation du champ de vitesse d’un écoulement turbulent est d’une importance majeure pour mieux comprendre le phénomène physique. Jusqu’à présent, le problème de la turbulence est généralement ignoré dans l’équation de mouvement des méthodes existantes. Les images contiennent une information discrète correspondant à la taille du pixel. Selon le niveau de turbulence de l’écoulement, les résolutions des pixels et du temps peuvent devenir trop grandes pour négliger l’effet des petites échelles (sous-pixel) sur le champ de vitesse. Nous proposons pour cela, une équation de mouvement définie par l’équation de transport de concentration filtrée pour laquelle un modèle classique de viscosité turbulente sous-maille est introduit afin de tenir compte de cet effet. Nous utilisons pour formuler le problème, une approche Markovienne. Une méthode de multirésolution par décomposition pyramidale, sans transformation d’image intermédiaire au cours du processus, est proposée. Cela permet de diminuer le nombre d’opérations sur les images. La méthode d’optimisation utilisée, couplée avec une approche multigrille, permet d’obtenir le champ de vitesse réel optimal. Notre approche est testée sur des séquences d’images synthétiques et réelles (expérience PIV et tempête de sable à partir d’image de télédétection) avec des nombres de Reynolds élevés. Les comparaisons avec des approches existantes sont très prometteuses. === The objective of this thesis is to study the evolution of scalar field carried by a flow from a temporal image sequence. The estimation of the velocity field of turbulent flow is of major importance for understanding the physical phenomenon. Up to now the problem of turbulence is generally ignored in the flow equation of existing methods. An information given by image is discrete at pixel size. Depending on the turbulent rate of the flow, pixel and time resolutions may become too large to neglect the effect of sub-pixel small-scales on the pixel velocity field. For this, we propose a flow equation defined by a filtered concentration transport equation where a classic turbulent sub-grid eddy viscosity model is introduced in order to account for this effect. To formulate the problem, we use a Markovian approach. An unwarping multiresolution by pyramidal decomposition is proposed which reduces the number of operations on images. The optimization coupled with a multigrid approach allows to estimate the optimal 2D real velocity field. Our approach is tested on synthetic andreal image sequences (PIV laboratory experiment and remote sensing data of dust storm event) with high Reynolds number. Comparisons with existing approaches are very promising.