基于复杂度的图像多尺度各向异性表征:在湍流中的应用
流体动力学
2023-10-11 v1 数据分析、统计与概率
摘要
本文基于空间增量的偏度、平坦度、熵和距高斯性的距离估计,提出一种多尺度、非线性和方向性的图像统计表征。这些增量由其大小和方向表征;它们使我们能够方向性地刻画多尺度特性并探索各向异性。为描述增量概率密度函数随其大小和方向的演化,我们利用偏度探测对称性,利用熵度量复杂性,并利用平坦度和距高斯性的距离描述形状。这四个量使我们能够探索该场跨尺度的线性关联与非线性依赖的各向异性。首先,我们在具有不同多尺度特性和各向异性特征的二维合成尺度不变场上验证该方法。然后,我们将其应用于两个合成湍流速度场:一个完全各向同性且均匀的场,以及一个边界引起非均匀和各向异性的槽道流。我们的表征明确检测出第二种情况中的各向异性,其中我们的量给出了依赖于分析方向的标度特性。此外,我们在两种情况下均表明,当平均流速剖面被恰当去除时,湍流速度涨落总是各向同性的。
引用
@article{arxiv.2310.05946,
title = {Multiscale and Anisotropic Characterization of Images Based on Complexity: an Application to Turbulence},
author = {Carlos Granero-Belinchon and Stéphane G. Roux and Nicolas B. Garnier},
journal= {arXiv preprint arXiv:2310.05946},
year = {2023}
}