CN113587837A - 一种烧蚀层复合材料的高温变形图像的测量方法 - Google Patents

Abstract

本发明公开了一种烧蚀层复合材料的高温变形图像的测量方法，所述烧蚀层复合材料的高温变形图像的测量方法包括：S1：透过烧蚀火焰，采集烧蚀层复合材料在燃烧状态下的变形图像；S2：利用图像相关法对采集到的所述变形图像进行处理，得到所述变形图像的变形量；S3：将所述变形量作为所述烧蚀层复合材料的高温变形图像的测量方法的测量结果输出。本发明所提供的一种烧蚀层复合材料的高温变形图像的测量方法，能够解决现有的测量方法由于高温导致变形图像测量稳定性和精度较低的问题。

Description

一种烧蚀层复合材料的高温变形图像的测量方法

技术领域

本发明涉及材料测量技术领域，具体涉及一种烧蚀层复合材料的高温变形图像的测量方法。

背景技术

烧蚀层复合材料的连续热-力耦合变形是指烧蚀层复合材料由室温条件逐渐加热至2000℃以上过程中同时施加外部载荷，研究烧蚀层材料在热-力耦合过程中的力学特性及损伤机理，是目前力学、航空、航天、材料等学科研究所关注的热点。当航天飞行器(导弹、火箭、飞船等)以高超音速冲出大气和返回地面(再入)时，在热流作用下，烧蚀层材料本身能发生分解、熔化、蒸发、升华等多种吸热的物理化学变化，借助材料自身质量消耗带走大量热量，从而阻止热传导到材料的内部结构中。在航空航天、国防军工等领域内，烧蚀层复合材料往往在飞行过程中位于高超声速飞行器、弹道导弹等飞行器的最前端，这就对烧蚀层复合材料的烧蚀性能和高温承载性能提出了很高的要求。

针对烧蚀层复合材料的连续热力耦合变形测试问题，主要存在散斑制备、散斑图像采集及特征弱相关两大问题。现有的高温接触式测量手段存在热膨胀系数相差过大、高温动态载荷下附着力不足等问题，并且单点测量无法获得应变场信息。数字图像技术结合机器视觉、工业近景摄影测量等技术可以实现对被测物体的非接触测量，通过对变形过程中的被测物体图像的解析，可以准确测量被测物体的位移变形和应变变形，是未来高温测量的一个重要发展方向，但是在高温变形测量中，数字图像相关技术面临更为复杂的变形测量环境，现有的高温散斑测量方法仍存在不足，在连续加热过程中，当烧蚀层复合材料在空气环境中会发生燃烧，导致散斑纹理相关性退化，从而导致高温热力耦合变形测量无法顺利进行。同时，高温环境所引起的光折射等问题导致了图像相关匹配的稳定性和精度的降低。

发明内容

本发明的目的在于提供一种烧蚀层复合材料的高温变形图像的测量方法，以解决现有的测量方法由于高温导致变形图像测量稳定性和精度较低的问题。

本发明解决上述技术问题的技术方案如下：

本发明提供一种烧蚀层复合材料的高温变形图像的测量方法，所述烧蚀层复合材料的高温变形图像的测量方法包括：

S1：透过烧蚀火焰，采集烧蚀层复合材料在燃烧状态下的变形图像；

S2：利用图像相关法对采集到的所述变形图像进行处理，得到所述变形图像的变形量；

S3：将所述变形量作为所述烧蚀层复合材料的高温变形图像的测量方法的测量结果输出。

可选择地，所述步骤S1中，利用蓝色光源采集烧蚀层复合材料在燃烧状态下的变形图像；所述蓝色光源包括LED蓝灯和450nm滤光片。

可选择地，所述步骤S2中，所述图像相关法包括：

S21：分割所述变形图像和参考图像，得到参考特征图像和多张特征图像，其中，所述参考图像为所述烧蚀层复合材料在燃烧之前的图像，且多张所述特征图像包括全区域图像和多个子区域图像，所述参考特征图像包括参考全区域图像和多个参考子区域图像；

S22：利用高斯核函数获取每张所述特征图像中关键点的初始位置以及所述参考特征图像中关键点的初始位置；

S23：根据所述初始位置，利用卷积网络，得到每个所述关键点的最终位置；

S24：获取所有所述关键点周围的梯度值；

S25：根据所述梯度值，得到所述特征图像中关键点与参考特征图像关键点之间的对应关系；

S26：根据所述对应关系，得到所述变形图像的变形量。

可选择地，所述步骤S22中，所述高斯核表达式为：

g₁(x,y)＝G_σ1(x,y)*Grey(x,y)

g₂(x,y)＝G_σ2(x,y)*Grey(x,y)

g₁(x,y)-g₂(x,y)＝(G_σ1(x,y)-G_σ2(x,y))*Grey(x,y)＝DoG(x,y)*Grey(x,y)

其中，Grey(x,y)为图像在(x,y)处的灰度值，G_σi(x,y)为标准高斯梯度函数，g₁(x,y)表示参考子区域梯度，g₂(x,y)表示变形子区域梯度，DoG(x,y)表示梯度相关函数，σ为高斯因子，角标1表示参考状态，角标2表示变形状态。

可选择地，所述步骤S23中，所述卷积网络包括输入层、卷积层、池化层和全连通层，所述卷积层包括第一卷积层、第二卷积层和第三卷积层，所述池化层包括第一池化层和第二池化层，所述全连通层包括第一全连通层和第二全连通层，所述输入层、所述第一卷积层、所述第一池化层、所述第二卷积层、所述第二池化层、所述第三卷积层、所述第一全连通层和所述第二全连通层依次连接设置。

可选择地，所述卷积层的运算方式为：

i＝0,…,h-s

j＝0,…,w-s

t＝0,…,n-1

式中，y₁表示卷积层的运算输出，i,j表示子区域坐标，s是平方卷积核的边长，n为卷积层中映射的个数；m是卷积的前置层数，h和w分别是输入区域的高度和宽度，b是偏差，r是迭代次数，p为关键点输入层信息矩阵，k和l表示卷积结果里的区域坐标，i+k和j+1表示矩阵坐标，t是卷积层数的迭代层数；

所述池化层的运算方式为：

i＝0,…,h-s

j＝0,…,w-s

t＝0,…,n-1

式中，y₂表示池化层的运算输出，g是增益系数乘以汇集结果，k和l表示卷积结果里的区域坐标，s是平方卷积核的边长，i,j表示子区域坐标，t是卷积层数的迭代层数，k和l表示卷积结果里的区域坐标，t是卷积层数的迭代层数，n为卷积层中映射的个数；

所述全连通层的运算方式为：

i＝0,…,h-s

式中，y₃表示全连通层的运算输出，i,j表示子区域坐标，s是平方卷积核的边长，n为卷积层中映射的个数，m是卷积的前置层数，p为关键点输入层信息矩阵，h和w分别是输入区域的高度和宽度。

可选择地，所述步骤S23包括以下分步骤：

S231：利用卷积网络检测多个所述初始位置周围的所有关键点；

S232：利用多层次回归组合每个所述关键点的卷积网络；

S233：求取每个所述关键点的卷积网络的平均值；

S234：分别获取两张子区域图像中关键点的第一预测位置和第二预测位置；

S235：根据所述卷积网络的平均值、第一预测位置和第二预测位置，得到所述关键点的最终位置。

可选择地，所述步骤S234中，所述关键点的最终位置表示为：

其中，p为关键点的最终位置，l₁、l₂分别表示第一预测位置和第二预测位置；

表示全区域图像的关键点坐标，

分别表示四个子区域图像的关键点坐标，

分别表示关键点迭代变量。

可选择地，所述步骤S24中，所述梯度值的相关系数计算为：

其中，DoG_ref(x,y,σ_ref)是点(x,y)在变形图像的所有特征图像中的DoG值，Dog_def(x',y',σ_def)表示点(x',y')在变形图像的相应子集中的DoG值，g_ref和g_def表示补偿增益算子，b_ref和b_def为偏差，C(p)表示相关系数，表示所计算变形区域是否为参考状态对应区域，σ_ref表示初始状态/参考状态高斯因子/计算结果，σ_def表示变形状态高斯核函数因子/计算结果，M表示计算区域尺寸。

本发明具有以下有益效果：

本发明通过使用特定波长的滤光片和光源，准确测量了烧蚀材料试样从室温到2300K的高温变形过程，利用卷积神经网络建立特征变化后的关键点与初始关键点的匹配和参数模型，用DoG值代替传统的灰度特征进行相关匹配，从而能够提高匹配的稳定性和精度。

附图说明

图1为本发明所提供的烧蚀层复合材料的高温变形图像的测量方法的流程图；

图2为本发明所提供的烧蚀层复合材料的火焰光谱图；

图3为采集系统在有无火焰以及有无过滤器的情况下采集到的不同图像；

图4为图1中步骤S21的分步骤流程图；

图5为本发明所提供的烧蚀层复合材料的高温变形图像的测量方法的卷积网络的结构示意图；

图6为图4中步骤S23的分步骤流程图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

实施例

本发明提供一种烧蚀层复合材料的高温变形图像的测量方法，参考图1所示，所述烧蚀层复合材料的高温变形图像的测量方法包括：

S1：透过烧蚀火焰，采集烧蚀层复合材料在燃烧状态下的变形图像；

具体地，参考图2所示，在燃烧过程中辐射的光谱中，500nm以下的光强远弱于500nm以上的光强，通常利用450nm带通滤波器消除火焰的干扰，但由于连续的热力耦合过程，温度范围会从室温到2200K以上，因而温度和试件热辐射的变化会导致光强的剧烈变化。在高温下，可以减少相机的曝光时间，以获得更少的光强度。然而，在低温下，当使用滤光片时，图像的光强是不够的。因此，在本发明所提供的实施例中，利用蓝色光源采集烧蚀层复合材料在燃烧状态下的变形图像，蓝光光源来补充低温下的光，并抑制高温下的噪声。可选择地，所述蓝色光源包括LED蓝灯和450nm滤光片，其他参数与相机相同，当然，本发明对于LED蓝灯的具体数量不做限制，本领域技术人员可结合实际情况选择性设置。

具体效果请参考图3，图3说明了在有无火焰的情况下，采集系统在有无过滤器的情况下采集的不同图像。由于蓝色光源和滤光片的原因，每张图像的光强没有明显的差别。对比两幅图像与火焰，滤光片明显消除了火焰干扰。

由于燃烧过程中产生的散斑图案与不完全燃烧的灰分发生氧化反应，燃烧后散斑特征发生了严重的变化，因而无法测量燃烧前后试样的连续热力耦合变形，由此，在本发明中：

S2：利用图像相关法对采集到的所述变形图像进行处理，得到所述变形图像的变形量；

具体地，参考图4所示，所述图像相关法包括：

S21：分割所述变形图像和参考图像，得到参考特征图像和多张特征图像，其中，所述参考图像为所述烧蚀层复合材料在燃烧之前的图像，且多张所述特征图像包括全区域图像和多个子区域图像，所述参考特征图像包括参考全区域图像和多个参考子区域图像；

具体分割方法为：对变形图像每64*64进行分割，步长为56*56，这样，分割后的变形图像便包括全区域图像和多个子区域图像，在本发明中，具体的子区域图像为4个，即一个全区域图像和4个子区域图像。

S22：利用高斯核函数获取每张所述特征图像中关键点的初始位置以及所述参考特征图像中关键点的初始位置；

具体地，所述高斯核表达式为：

g₁(x,y)＝G_σ1(x,y)*Grey(x,y)

g₂(x,y)＝G_σ2(x,y)*Grey(x,y)

g₁(x,y)-g₂(x,y)＝(G_σ1(x,y)-G_σ2(x,y))*Grey(x,y)＝DoG(x,y)*Grey(x,y)

其中，Grey(x,y)为图像在(x,y)处的灰度值，G_σi(x,y)为标准高斯梯度函数，g₁(x,y)表示参考子区域梯度，g₂(x,y)表示变形子区域梯度，DoG(x,y)表示梯度相关函数，σ为高斯因子，角标1表示参考状态，角标2表示变形状态。

S23：根据所述初始位置，利用卷积网络，得到每个所述关键点的最终位置；

可选择地，所述步骤S23中，参考图5所示(图中：Input表示输入层，Conv10表示第一卷积层，Max-pool10表示第一池化层，Conv20表示第二卷积层，Max-pool20表示第二池化层，Conv40表示第三卷积层，FC1×80表示第一全连通层，FC1×80表示第二全连通层)，所述卷积网络包括输入层、卷积层、池化层和全连通层，所述卷积层包括第一卷积层、第二卷积层和第三卷积层，所述池化层包括第一池化层和第二池化层，所述全连通层包括第一全连通层和第二全连通层，所述输入层、所述第一卷积层、所述第一池化层、所述第二卷积层、所述第二池化层、所述第三卷积层、所述第一全连通层和所述第二全连通层依次连接设置。

可选择地，所述卷积层的运算方式为：

i＝0,…,h-s

j＝0,…,w-s

t＝0,…,n-1

式中，y₁表示卷积层的运算输出，i,j表示子区域坐标，s是平方卷积核的边长，n为卷积层中映射的个数；m是卷积的前置层数，h和w分别是输入区域的高度和宽度，b是偏差，r是迭代次数，p为关键点输入层信息矩阵，k和l表示卷积结果里的区域坐标，i+k和j+1表示矩阵坐标，t是卷积层数的迭代层数；

所述池化层的运算方式为：

i＝0,…,h-s

j＝0,…,w-s

t＝0,…,n-1

式中，y₂表示池化层的运算输出，g是增益系数乘以汇集结果，k和l表示卷积结果里的区域坐标，s是平方卷积核的边长，i,j表示子区域坐标，t是卷积层数的迭代层数，k和l表示卷积结果里的区域坐标，t是卷积层数的迭代层数，n为卷积层中映射的个数；

所述全连通层的运算方式为：

i＝0,…,h-s

式中，y₃表示全连通层的运算输出，i,j表示子区域坐标，s是平方卷积核的边长，n为卷积层中映射的个数，m是卷积的前置层数，p为关键点输入层信息矩阵，h和w分别是输入区域的高度和宽度。

参考图6所示，所述步骤S23包括以下分步骤：

S231：利用卷积网络检测多个所述初始位置周围的所有关键点；

S232：利用多层次回归组合每个所述关键点的卷积网络；

利用多层次回归来组合多个卷积网络，由于DoG操作中使用的阈值的变化，子区域的关键点的相对位置可能会在一个范围内变化。因此，为了提高检测的准确性和可靠性，第一步网络的输入区域应该较大。第一步中的关键点检测为后续的检测提供了一个先验条件。首先对关键点的小区域进行预测。因此，可以在小区域内获得准确的位置。为了避免误差叠加，对关键点检测的步数进行了限制。

S233：求取每个所述关键点的卷积网络的平均值；

S234：分别获取两张子区域图像中关键点的第一预测位置和第二预测位置；

S235：根据所述卷积网络的平均值、第一预测位置和第二预测位置，得到所述关键点的最终位置。

可选择地，所述步骤S234中，所述关键点的最终位置表示为：

其中，p为关键点的最终位置，l₁、l₂分别表示第一预测位置和第二预测位置；

表示全区域图像的关键点坐标，

分别表示四个子区域图像的关键点坐标，

分别表示关键点迭代变量。

S24：获取所有所述关键点周围的梯度值；

可选择地，所述步骤S24中，所述梯度值的相关系数计算为：

其中，DoG_ref(x,y,σ_ref)是点(x,y)在变形图像的所有特征图像中的DoG值，Dog_def(x',y',σ_def)表示点(x',y')在变形图像的相应子集中的DoG值，g_ref和g_def表示补偿增益算子，b_ref和b_def为偏差，C(p)表示相关系数，表示所计算变形区域是否为参考状态对应区域，σ_ref表示初始状态/参考状态高斯因子/计算结果，σ_def表示变形状态高斯核函数因子/计算结果，M表示计算区域尺寸。

S25：根据所述梯度值，得到所述关键点与参考点之间的对应关系；

对于每一对关键点，计算相关值C，当相关值高于阈值时，将一对关键点标记为匹配关键点对。利用相关性的加权值计算阈值。参考点与变形目标匹配的前提是四个以上的关键点匹配对。变形目标位置可以表示为匹配关键点的变形。变形阶段的应变值可以按照传统的应变计算方法进行计算。

S26：根据所述对应关系，得到所述变形图像的变形量。

S3：将所述变形量作为所述烧蚀层复合材料的高温变形图像的测量方法的测量结果输出。

本发明具有以下有益效果：

本发明通过使用特定波长的滤光片和光源，准确测量了烧蚀材料试样从室温到2300K的高温变形过程，利用卷积神经网络建立特征变化后的关键点与初始关键点的匹配和参数模型，用DoG值代替传统的灰度特征进行相关匹配，从而能够提高匹配的稳定性和精度。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种烧蚀层复合材料的高温变形图像的测量方法，其特征在于，所述烧蚀层复合材料的高温变形图像的测量方法包括：

S1：透过烧蚀火焰，采集烧蚀层复合材料在燃烧状态下的变形图像；

S2：利用图像相关法对采集到的所述变形图像进行处理，得到所述变形图像的变形量；

S3：将所述变形量作为所述烧蚀层复合材料的高温变形图像的测量方法的测量结果输出。

2.根据权利要求1所述的烧蚀层复合材料的高温变形图像的测量方法，其特征在于，所述步骤S1中，

利用蓝色光源采集烧蚀层复合材料在燃烧状态下的变形图像；所述蓝色光源包括LED蓝灯和450nm滤光片。

3.根据权利要求1所述的烧蚀层复合材料的高温变形图像的测量方法，其特征在于，所述步骤S2中，所述图像相关法包括：

S21：分割所述变形图像和参考图像，得到参考特征图像和多张特征图像，其中，所述参考图像为所述烧蚀层复合材料在燃烧之前的图像，且多张所述特征图像包括全区域图像和多个子区域图像，所述参考特征图像包括参考全区域图像和多个参考子区域图像；

S22：利用高斯核函数获取每张所述特征图像中关键点的初始位置以及所述参考特征图像中关键点的初始位置；

S23：根据所述初始位置，利用卷积网络，得到每个所述关键点的最终位置；

S24：获取所有所述关键点周围的梯度值；

S25：根据所述梯度值，得到所述特征图像中关键点与参考特征图像关键点之间的对应关系；

S26：根据所述对应关系，得到所述变形图像的变形量。

4.根据权利要求3所述的烧蚀层复合材料的高温变形图像的测量方法，其特征在于，所述步骤S22中，所述高斯核表达式为：

g₁(x,y)＝G_σ1(x,y)*Grey(x,y)

g₂(x,y)＝G_σ2(x,y)*Grey(x,y)

g₁(x,y)-g₂(x,y)＝(G_σ1(x,y)-G_σ2(x,y))*Grey(x,y)＝DoG(x,y)*Grey(x,y)

其中，Grey(x,y)为图像在(x,y)处的灰度值，G_σi(x,y)为标准高斯梯度函数，g₁(x,y)表示参考子区域梯度，g₂(x,y)表示变形子区域梯度，DoG(x,y)表示梯度相关函数，σ为高斯因子，角标1表示参考状态，角标2表示变形状态。

5.根据权利要求3所述的烧蚀层复合材料的高温变形图像的测量方法，其特征在于，所述步骤S23中，所述卷积网络包括输入层、卷积层、池化层和全连通层，所述卷积层包括第一卷积层、第二卷积层和第三卷积层，所述池化层包括第一池化层和第二池化层，所述全连通层包括第一全连通层和第二全连通层，所述输入层、所述第一卷积层、所述第一池化层、所述第二卷积层、所述第二池化层、所述第三卷积层、所述第一全连通层和所述第二全连通层依次连接设置。

6.根据权利要求5所述的烧蚀层复合材料的高温变形图像的测量方法，其特征在于，所述卷积层的运算方式为：

式中，y₁表示卷积层的运算输出，i,j表示子区域坐标，s是平方卷积核的边长，n为卷积层中映射的个数；m₁是卷积的前置层数，h和w分别是输入区域的高度和宽度，b是偏差，r是迭代次数，p为关键点输入层信息矩阵，k和l表示卷积结果里的区域坐标，i+k和j+1表示矩阵坐标，t是卷积层数的迭代层数；

所述池化层的运算方式为：

式中，y₂表示池化层的运算输出，g是增益系数乘以汇集结果，k和l表示卷积结果里的区域坐标，s是平方卷积核的边长，i,j表示子区域坐标，t是卷积层数的迭代层数，k和l表示卷积结果里的区域坐标，t是卷积层数的迭代层数，n为卷积层中映射的个数；

所述全连通层的运算方式为：

式中，y₃表示全连通层的运算输出，i,j表示子区域坐标，s是平方卷积核的边长，n为卷积层中映射的个数，m是卷积的前置层数，p为关键点输入层信息矩阵，h和w分别是输入区域的高度和宽度。

7.根据权利要求3所述的烧蚀层复合材料的高温变形图像的测量方法，其特征在于，所述步骤S23包括以下分步骤：

S231：利用卷积网络检测多个所述初始匹配位置的所有关键点；

S232：利用多层次回归组合每个所述关键点的卷积网络；

S233：求取每个所述关键点的卷积网络的输出值；

S234：分别获取两张子区域图像中关键点的第一预测位置和第二预测位置；

S235：根据所述卷积网络的输出值、第一预测位置和第二预测位置，得到所述关键点的最终位置。

8.根据权利要求4所述的烧蚀层复合材料的高温变形图像的测量方法，其特征在于，所述步骤S235中，所述关键点的最终位置表示为：

其中，p为关键点的最终位置，l₁、l₂分别表示第一预测位置和第二预测位置；

表示全区域图像的关键点坐标，

分别表示四个子区域图像的关键点坐标，

分别表示关键点迭代变量。

9.根据权利要求3所述的烧蚀层复合材料的高温变形图像的测量方法，其特征在于，所述步骤S24中，所述梯度值的相关计算结果通过其相关系数表示，所述梯度值的相关系数计算为：

其中，DoG_ref(x,y,σ_ref)是点(x,y)在变形图像的所有特征图像中的DoG值，Dog_def(x',y',σ_def)表示点(x',y')在变形图像的相应子集中的DoG值，g_ref和g_def表示补偿增益算子，b_ref和b_def为偏差，C(p)表示相关系数，表示所计算变形区域是否为参考状态对应区域，σ_ref表示初始状态/参考状态高斯因子/计算结果，σ_def表示变形状态高斯核函数因子/计算结果，M表示计算区域尺寸。

Images