CN109883333A - 一种基于图像特征识别技术的非接触位移应变测量方法 - Google Patents

Abstract

本发明提出了一种基于图像特征识别和匹配的非接触式位移应变测量方法；该方法所需实验设备和过程都比较简单，实验过程仅需用一个摄像机拍摄被测材料变形前后的数字图像。被测材料的表面自然纹理可以作为标记散斑，如果被测材料的表面很均衡，也可以通过人工制作散斑技术获得。相对来说，基于图像处理的位移和应变的测量技术计算简单，可行性强。非接触类型的无损耗的测量方法，不会损耗材料的材质和特性，得到的数据更加精准，实现自动数据处理，可以得到全场位移和材料结构件的宽度等变化值，且对环境要求比较低。

Description

一种基于图像特征识别技术的非接触位移应变测量方法

技术领域

本发明涉及非接触位移应变测量领域，尤其涉及一种基于图像特征识别技术的非接触位移应变测量方法。

背景技术

随着技术的发展，人们对材料的要求越来越高，其中材料的力学性能以及结构的承载能力是制约一些高新技术发展的关键。位移和应变是材料受力后最直观的反应，对它的测量也是研究材料力学性能和评估结构承载能力的最重要力学实验手段。在实际测量中，较为恶劣复杂环境的实验条件比如高温、辐射等对测量的影响很大，对材料变形测量带来很大的困难，传统的接触式位移和应变测量方法便很难适用。同时位移和应变的测量，经常需要全场测量，但传统的接触式测量只能对有限个测点进行精确测量，往往无法实施数据量大的全场全过程测量。在上述条件下非接触测量具有很大的优势。

非接触式测量不会损耗材料的材质和特性，得到的数据更加精准，可以进行全场测量，且对环境要求比较低，己成为力学实验和相关工程项目中不可缺少的重要测量手段。非接触式测量方法有很多，主要包括电子散斑干涉测量方法、光弹法、密栅云纹方法、相干梯度敏感方法(CGS)以及等。但常见的光学测量方法，如散斑方法、全息干涉、云纹法、CGS方法，数字图像相关方法由于测量光路复杂，易受环境因素影响，导致测量精度下降，稳定性较差，所以这些方法对测量环境要求较苛刻。而数字图像相关方法在复杂环境下，材料在变形前后的散斑图像、灰度、亮度会发生剧烈的变化，通常还伴随着几何形状的变化，例如旋转和缩放，这些原因会导致散斑图像相关性急剧下降甚至消失，因此在复杂环境下，测量受环境因素影响，无法保证数字图像相关方法的测量精度。

因此目前非接触式测量研究的一个重要的问题是如何找到新的测量方法，一方面能够充分发挥非接触测量的优势，另一方面能够降低标的依赖性，在位移和应变测量中具有较高精度和良好的稳定性。

发明内容

本发明将特征点识别和匹配算法引入到位移测量的研究中，提出了基于图像特征识别的位移测量算法，将会提高基于数字图像处理的非接触位移应变测量方法的精度和稳定性，更大程度的满足工程实际测量需求。

本发明的技术方案为一种基于图像特征识别技术的非接触位移应变测量方法，通过检测变形前图像的特征点，然后利用匹配技术在变形图像中搜索其匹配点，最终计算得到位移值。具体包括以下步骤：

步骤1，将待测材料构件表面的散斑图像进行高斯滤波去噪；

步骤2，输入感兴趣的位移测量区域，并将变形前和变形后的图像中的位移场测量区域划分成网格形式，并在网格内以一定的步长提取图像参考子区；

在变形前图像中某一网格点(x₀,y₀)处，以该网格点为中心提取长宽大小为(2M+1)×(2M+1)像素的图像参考子区w，在该图像参考子区w内部，对每一个像素，估计其x和y两个方向的梯度值f_x(x,y)和f_y(x,y)；在提取的图像参考子区范围内，对于每一个像素点，计算其局部结构矩阵A和响应值R(A)；

步骤3，分别选取变形前和变形后图像参考子区内响应值R(A)的一个阈值，在周围网格内对响应值R(A)进行非最大值抑制，局部最大值点就是图像参考子区内中的特征点，以选择出相邻网格内的最佳特征点；

步骤4，利用距离测定特征点的匹配程度，在变形后图像中找出与变形前图像中特征点距离最小的特征点A和第二小的特征点B，计算其比值，若表示匹配的最小点和第二小点的差异化比较明显，匹配成功；如果则表示差异不明显，匹配失败，D(A)表示变形前特征点与特征点A的欧式距离；

步骤5，计算所有匹配成功的特征点的坐标均值作为图像参考子区内中心点坐标，并根据该中心点坐标计算变形前图像参考子区内任一点变形后的位置坐标；

步骤6，通过变形前和变形后的图像求取任意一点的像素位移，再利用比例系数将像素位移转化为空间位移；

步骤7，重复步骤3-步骤6直至所有图像参考子区都计算完毕，即可得到位移测量区域的全场位移。

进一步的，步骤2中计算局部结构矩阵A和响应值R(A)的具体计算公式如下，

其中局部结构矩阵A为：

响应值R(A)为：

R(A)＝det(A(x,y))-α(traceA(x,y))²

其中det(A(x,y))是局部结构矩阵A的行列式，traceA(x,y)是A(x,y)的迹。

进一步的，步骤4中的取值为0.6。

进一步的，步骤5中计算变形前图像参考子区内任一点变形后的位置坐标的实现方式如下，

以变形前图像左上角为坐标原点，右为横轴x正方向，下为纵轴y正方向，

x′＝x+u+u_xΔx+u_yΔy

y′＝y+u+u_xΔx+u_yΔy

其中△x，△y分别为变形前图像参考子区内任意一点Q(x,y)到原点的距离，u，v分别为中心点p点在x，y方向的位移分量，u_x,v_x表示Q(x,y)在水平方向位移的一阶导数，u_y,v_y为Q(x,y)竖直方向位移的一阶导数。

进一步的，步骤6中比例系数的计算公式为，

其中D’为实际距离，d为图像中的像素距离，C_p为图像中单个像素所对应的实际尺寸。

本发明具有以下优点：

(1)提出基于图像特征识别和匹配的非接触式位移应变测量方法；

(2)实验设备和过程都比较简单。实验过程仅需用一个摄像机拍摄被测材料变形前后的数字图像。被测材料的表面自然纹理可以作为标记散斑，如果被测材料的表面很均衡，也可以通过人工制作散斑技术获得。相对来说，基于图像处理的位移和应变的测量技术计算简单，可行性强。

(3)实验条件比较温和。基于图像处理的位移和应变的测量技术不要求使用激光光源和隔振台，而是采用自然光作为光源，

(4)实现测量过程的自动化。整个实验过程可以充分利用电脑，实现实验的自动化，减少人工干预带来的误差

(5)非接触类型的无损耗的测量方法，不会损耗材料的材质和特性，得到的数据更加精准，实现自动数据处理，可以得到全场位移和材料结构件的宽度等变化值，且对环境要求比较低。

附图说明

图1为橡胶材料表面散斑图像高斯滤波前后的图像，其中(a)为变形前图像，(b)变形后的图像；

图2为数字散斑图像划分成网格形式的计算区域；

图3为变形前以网格点为中心的图像参考子区以及坐标系的示意图；

图4为图像参考子区变形前后示意图；

图5为检测匹配结果；

图6为本发明方法流程示意图。

具体实施方式

下面结合附图和实施例对本发明进一步说明，如图6所示，以橡胶材料表面的散斑图像为例，说明本发明提供的一种基于图像特征识别技术的非接触位移应变测量方法，具体包括如下步骤：

步骤1，对橡胶材料表面的散斑图像进行高斯滤波^[1]去噪，高斯滤波前后的图像如图1；

[1]姒绍辉，胡伏原，顾亚军，等.一种基于不规则区域的高斯滤波去噪算法[J].计算机科学，2014，41(11)：313-316。

步骤2，将变形前和变形后的图像输入计算机后，需设置相关的参数(图像参考子区大小，感兴趣区域)，然后输入感兴趣的位移测量区域，并将变形前和变形后的图像中的位移场测量区域(如图2)划分成网格形式，并在网格内按从左至右从上到下的顺序以一定的步长提取图像参考子区，该步长一般取图像参考子区的宽度。

下面以变形前图像为例，说明在位移场测量区域提取图像参考子区的具体过程：

在变形前图像中某一网格点(x₀,y₀)处，以该网格点为中心提取长宽大小为(2M+1)×(2M+1)像素的图像参考子区w(如图4所示)，其中M的取值一般为1-8的整数，具体实施时要看要求的精度和时间。在该图像参考子区内部，对每一个像素，估计其x和y两个方向的梯度值f_x(x,y)和f_y(x,y)。在提取的图像参考子区范围内，对于每一个像素点及其相邻网格，计算其局部结构矩阵A和响应值R(A)；

其中局部结构矩阵A为：

响应值R(A)为：

R(A)＝det(A(x,y))-α(traceA(x,y))²

其中det(A(x,y))是局部结构矩阵A的行列式，traceA(x,y)是A(x,y)的迹。

步骤3，分别选取变形前和变形后图像参考子区响应值R(A)的一个阈值，在周围网格内对响应值R(A)进行非最大值抑制，局部最大值点就是图像中的特征点，以选择相邻网格中的最佳特征点；如果有两个特征点在相邻网格，通过非极大值抑制可以抑制R(A)较小的特征点，只留下局部中R(A)较大的特征点。非最大抑制NMS(Non-maxima Suppression)的主要目的是找到图像中所有可能出现的特征点，指示具有最强烈的强度值变化的位置。

步骤4，检测到特征点后，使用距离测定特征点的匹配程度。因为构件变形监测点的移动范围相对整个构件而言是较小的，即橡胶构件的某个变形监测点移动范围只会在整幅图像的某个小区域内。

在变形后图像中找出与变形前图像中距离最小的特征点A和第二小的特征点B，计算其比值，这里取ratio的阈值为0.6，若表示匹配的最小点和第二小点的差异化比较明显，匹配成功，如图4；如果则表示差异不明显，匹配失败，D(A)表示变形前特征点与特征点A的欧式距离。

步骤5，以变形前图像左上角为坐标原点，右为横轴x正方向，下为纵轴y正方向，如图3；

在图像参考子区中，可能检测许多个特征点，计算这些特征点和其匹配点的均值，作为参考子区中心点P变形前的坐标(x₀,y₀)和变形后P’，其坐标为(x’₀,y’₀)，如下式；

根据固体力学变形相关知识可知，x_i，y_i为变形前图像上的特征点，x'_i，y'_i为变形后图像上的特征点，P点是参考子区中心点，坐标为(x₀,y₀)，P点变形后移动到P’点，P’的坐标为(x’₀,y’₀)。Q点是参考子区内任意一点，其坐标为(x,y)，Q点在变形后移动到了Q’，其坐标为(x’,y’)，将变形前图像和变形后的图像放置在同一坐标系下，则参考子区内任一点Q变形后Q’的位置坐标可以由下式描述：

x′＝x+u+u_xΔx+u_yΔy

y′＝y+u+u_xΔx+u_yΔy

其中△x，△y分别为变形前图像参考子区内任意一点Q(x,y)点到原点的距离，u，v为中心点p点在x，y的位移分量，u_x,v_x表示Q(x,y)在水平方向位移的一阶导数，u_y,v_y为Q(x,y)在竖直方向位移的一阶导数。

步骤6，利用橡胶构件自身长度获取图像像素距离到实际距离的比例系数。

首先通过变形前和变形后的图像求取特征点的像素位移，再利用比例系数将像素位移转化为空间位移，即图像像素距离与实际距离成线性关系可得

其中D’为实际距离，d为图像中的像素距离，C_p为相机所拍图像中单个像素所对应的实际尺寸。

步骤7，重复步骤3-步骤6直至所有图像参考子区都计算完毕，即可得到位移测量区域的全场位移。

本文中未详细描述部分均为现有技术。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (5)

1.一种基于图像特征识别技术的非接触位移应变测量方法，其特征在于，包括如下步骤：

步骤1，将待测材料构件表面的散斑图像进行高斯滤波去噪；

步骤2，输入感兴趣的位移测量区域，并将变形前和变形后的图像中的位移场测量区域划分成网格形式，并在网格内以一定的步长提取图像参考子区；

在变形前图像中某一网格点(x₀,y₀)处，以该网格点为中心提取长宽大小为(2M+1)×(2M+1)像素的图像参考子区w，在该图像参考子区w内部，对每一个像素，估计其x和y两个方向的梯度值f_x(x,y)和f_y(x,y)；在提取的图像参考子区范围内，对于每一个像素点，计算其局部结构矩阵A和响应值R(A)；

步骤3，分别选取变形前和变形后图像参考子区内响应值R(A)的一个阈值，在周围网格内对响应值R(A)进行非最大值抑制，局部最大值点就是图像参考子区内中的特征点，以选择出相邻网格内的最佳特征点；

步骤4，利用距离测定特征点的匹配程度，在变形后图像中找出与变形前图像中特征点距离最小的特征点A和第二小的特征点B，计算其比值，若则匹配成功；如果则匹配失败，D(A)表示变形前特征点与特征点A的欧式距离；

步骤5，计算所有匹配成功的特征点的坐标均值作为图像参考子区内中心点坐标，并根据该中心点坐标计算变形前图像参考子区内任一点变形后的位置坐标；

步骤6，通过变形前和变形后的图像求取任意一点的像素位移，再利用比例系数将像素位移转化为空间位移；

步骤7，重复步骤3-步骤6直至所有图像参考子区都计算完毕，即可得到位移测量区域的全场位移。

2.如权利要求1所述的一种基于图像特征识别技术的非接触位移应变测量方法，其特征在于：步骤2中计算局部结构矩阵A和响应值R(A)的具体计算公式如下，

其中局部结构矩阵A为：

响应值R(A)为：

R(A)＝det(A(x,y))-α(traceA(x,y))²

其中det(A(x,y))是局部结构矩阵A的行列式，traceA(x,y)是A(x,y)的迹。

3.如权利要求1所述的一种基于图像特征识别技术的非接触位移应变测量方法，其特征在于：步骤4中的取值为0.6。

4.如权利要求1所述的一种基于图像特征识别技术的非接触位移应变测量方法，其特征在于：步骤5中计算变形前图像参考子区内任一点变形后的位置坐标的实现方式如下，

以变形前图像左上角为坐标原点，右为横轴x正方向，下为纵轴y正方向，

x'＝x+u+u_xΔx+u_yΔy

y'＝y+u+u_xΔx+u_yΔy

其中△x，△y分别为变形前图像参考子区内任意一点Q(x,y)到原点的距离，u，v分别为中心点p点在x，y方向的位移分量，u_x,v_x表示Q(x,y)在水平方向位移的一阶导数，u_y,v_y为Q(x,y)竖直方向位移的一阶导数。

5.如权利要求1所述的一种基于图像特征识别技术的非接触位移应变测量方法，其特征在于：步骤6中比例系数的计算公式为，

其中D’为实际距离，d为图像中的像素距离，C_p为图像中单个像素所对应的实际尺寸。