CN114240899A - 一种基于图像配准的导波频散曲线模态追踪方法及系统 - Google Patents
一种基于图像配准的导波频散曲线模态追踪方法及系统 Download PDFInfo
- Publication number
- CN114240899A CN114240899A CN202111564369.1A CN202111564369A CN114240899A CN 114240899 A CN114240899 A CN 114240899A CN 202111564369 A CN202111564369 A CN 202111564369A CN 114240899 A CN114240899 A CN 114240899A
- Authority
- CN
- China
- Prior art keywords
- dispersion
- guided wave
- mode
- modal
- registration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000006185 dispersion Substances 0.000 title claims abstract description 207
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000006073 displacement reaction Methods 0.000 claims abstract description 27
- 238000010586 diagram Methods 0.000 claims description 43
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 2
- 238000000926 separation method Methods 0.000 abstract description 16
- 230000036541 health Effects 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 229910000755 6061-T6 aluminium alloy Inorganic materials 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明属于导波结构健康监测领域,提供了一种基于图像配准的导波频散曲线模态追踪方法及系统,利用同一导波模态相邻频散点间模态振型所具有的极高相似性,通过提取各频散点对应的模态振型图,依据波数将其划分为图像序列,由所述的一次图像配准模块对相邻图像序列中的频散点模态振型图进行图像配准,计算图像间的结构相似度来筛选误匹配的频散点,其中针对误匹配频散点的模态振型图需进行位移反转及二次图像配准,结合配准结果中SSIM的最大值来追踪相邻图像序列中的各阶导波模态,依序循环,直至所有图像序列中的频散点都已配准完毕,以实现导波的多模态分离,并绘制各阶模态导波频散曲线,以分析导波信号及提取结构损伤信息。
Description
技术领域
本发明导波结构健康监测领域,尤其涉及一种基于图像配准的导波频散曲线模态追踪方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
目前,实际工程中的波导结构截面形状并不是非常规则且其所处工况环境比较复杂,采用传统的解析法很难求解,通常只能利用数值方法来研究波导结构的频散曲线,例如有半解析有限元法、波有限元法、有限元模态分析法等。但通过数值方法绘制的频散特性都是以散点图的形式呈现,无法区分不同的导波模态,很难形象、简便地描述各个模态对应的振动及传播规律,给导波的反射、透射、散射、结构响应等问题的后续研究带来了许多不便。
对于导波的频散曲线,在任何一频厚积下至少存在两种或两种以上的导波模式,且导波模式数目随着频厚积的增大迅速增加,不同导波模态的频散曲线相互交叉是极为普遍的现象,这给导波模态的追踪和分离带来了一定的难度。
目前,导波模态的追踪和分离的技术方法有:
(1)Loveday P W教授于2007年在期刊The International Society for OpticalEngineering上发表了一项基于模态正交分类算法对导波频散曲线进行模态追踪的工作(Loveday P W,Tomizuka M,Yun C B,et al.Time domain simulation of piezoelectricexcitation of guided waves in rails using waveguide finite elements[J].Proceedings of Spie the International Society for Optical Engineering,2007,6529:65290V-65290V-10.),其中假设不同模态两个相邻频率之间本征矢量的正交性是近似成立的,通过计算每一个高频本征矢量与各个低频本征矢量之间的正交关系,可以判断相邻频散点是否属于同一模态。
(2)Mencik J M教授于2005年在期刊European Journal of Mechanics A/Solids上基于哈密顿矩阵的辛正交性质,对每个频散点特征值对应的本征矢量进行归一化,提出一项导波模态追踪准则来判断和区分每条导波模态的频散曲线(Mencik J M,Ichchou MN.Multi-mode propagation and diffusion in structures through finite elements[J].European Journal of Mechanics/ASolids,2005,24(5):877-898.),然而该方法为了追求更高效的模态追踪与分离,往往需要向材料中引入一个非常小的阻尼比。(Ichchou MN,Akrout S,Mencik J M.Guided waves group and energy velocities via finiteelements[J].Journal of Sound&Vibration,2007,305(4-5):931-944.)
上述两种方法都涉及到大量的矢量运算,且为保证模态追踪结果的准确性都严格要求相邻频散点的频率间隔足够小,具有一定的应用局限性。
(3)南京航天航空大学的马尧于2019年在硕士论文中提出了基于梯度预测的导波模态频散曲线搜索和追踪算法(马尧.薄壁管和板结构中超声导波模态分离的数值算法[D].南京航空航天大学,2019.),在两个频散曲线相交点附近,利用位移场的皮尔逊相关度系数统计方法,对模态加以识别,使得模态曲线追踪可穿过交叉点。然而,这种方法只改进了传统解析法在绘制频散曲线时所存在的问题,并不适用于现在工程常用的有限元数值方法。
发明内容
为了解决上述背景技术中存在的至少一项技术问题,本发明提供一种基于图像配准的导波频散曲线模态追踪方法及系统,其利用同一导波模态相邻频散点间模态振型所具有的极高相似性,通过提取各频散点对应的模态振型图,依据波数将其划分为图像序列,构建了一种包含一次图像配准模块和二次图像配准模块的模态追踪算法,按照波数从小到大的顺序,先由所述的一次图像配准模块对相邻图像序列中的频散点模态振型图进行图像配准,随后计算图像间的结构相似度来筛选误匹配的频散点,其中针对误匹配频散点的模态振型图需进行位移反转及二次图像配准,最后结合配准结果中结构相似度(SSIM)的最大值来追踪相邻图像序列中的各阶导波模态,依序循环,直至所有图像序列中的频散点都已配准完毕,可以绘制出多模态分离后的导波频散曲线。
为了实现上述目的,本发明采用如下技术方案:
本发明的第一个方面提供一种基于图像配准的导波频散曲线模态追踪方法,包括如下步骤:
提取各频散点对应的模态振型图;
按照波数将模态振型图划分为图像序列;
根据图像序列和模态追踪算法得到所有图像序列的配准结果;其中,所述模态追踪算法为:对相邻图像序列中的频散点模态振型图进行一次图像配准,筛选误匹配的频散点,针对误匹配频散点的模态振型图进行位移反转及二次图像配准;
基于所有图像序列的配准结果,结合配准结果中结构相似度的最大值来追踪相邻图像序列中的各阶导波模态,绘制各阶模态导波频散曲线,根据各阶模态导波频散曲线提取结构损伤信息。
本发明的第二个方面提供一种基于图像配准的导波频散曲线模态追踪系统,包括:
模态振型图提取模块,被配置为:提取各频散点对应的模态振型图;
模态振型图预处理模块,被配置为:按照波数将模态振型图划分为图像序列;
图像序列配准模块,被配置为:根据图像序列和模态追踪算法得到所有图像序列的配准结果;其中,所述模态追踪算法为:对相邻图像序列中的频散点模态振型图进行一次图像配准,筛选误匹配的频散点,针对误匹配频散点的模态振型图进行位移反转及二次图像配准;导波频散曲线绘制模块,被配置为:基于所有图像序列的配准结果,结合配准结果中结构相似度的最大值来追踪相邻图像序列中的各阶导波模态,绘制各阶模态导波频散曲线,根据各阶模态导波频散曲线提取结构损伤信息。
本发明的第三个方面提供一种计算机可读存储介质。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述所述的一种基于图像配准的导波频散曲线模态追踪方法中的步骤。
本发明的第四个方面提供一种计算机设备。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述所述的一种基于图像配准的导波频散曲线模态追踪方法中的步骤。
与现有技术相比,本发明的有益效果是:
1、本发明提供的基于图像配准的导波频散曲线模式追踪方法,无需大量的矢量运算,基于传统简单的图像配准算法,每次只对相邻图像序列中频散点的模态振型图进行两两配准,即可实现所有导波模态的追踪与分离,提高了频散曲线模态追踪的效率;
2、本发明通过频散点位移反转后模态振型图的二次图像配准,能够实现频散曲线相交点附近导波模态的匹配,提高了导波频散曲线模态追踪的准确性,同时减少了误判率;
3、本发明适用于有限元数值方法求解的各种波导结构(包括预应力波导、热弹性波导等),无需事先人为分辨导波模态的特征值,是一种通用且高效的导波频散曲线模态追踪方法。
4、由于同一导波模态相邻频散点间的模态振型具有极高的相似性,且不同导波模态间的模态振型各不相同。因此,本发明对频散点之间的波数及频率间隔并没有严格要求,具有较好的工程适用性。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1是本发明实施例中一种基于图像配准的导波频散曲线模态追踪方法整体流程示意图;
图2是本发明实施例中2mm厚6061-T6铝板的频散特性点图;
图3是本发明实施例中k=2000 1/m,freq=1760kHz下6061-T6铝板频散点的模态振型图;
图4是本发明实例中相邻图像序列间各频散点的一次图像配准流程示意图;
图5(a)-图5(b)是本发明实例中频散点k=2000 1/m,freq=1760kHz与相邻图像序列中频散点k=1950 1/m,freq=1239kHz的配准结果图;
图6(a)-图6(b)是本发明实例中频散点k=2000 1/m,freq=1760kHz与相邻图像序列中频散点k=1950 1/m,freq=1734kHz的配准结果图;
图7是本发明实例中误匹配频散点的二次图像配准流程示意图;
图8(a)-图8(b)是本发明实例中误匹配频散点k=4300 1/m,freq=5262kHz与相邻图像序列中频散点k=4250 1/m,freq=5244kHz的配准结果图;
图9(a)-图9(b)是本发明实例中位移反转后频散点k=4300 1/m,freq=5262kHz与相邻图像序列中频散点k=4250 1/m,freq=5244kHz的配准结果图;
图10是本发明实例中多模态分离后6061-T6铝板的相速度频散曲线图;
图11是本发明实例中多模态分离后6061-T6铝板的群速度频散曲线图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
超声导波技术由于传播距离远、检测范围广、损伤灵敏度高等优点,在无损检测、结构健康监测以及其他工程领域得到了广泛的应用。但由于导波本身具有频散及多模式的特性,其在工程结构中的传播特性远较体波复杂。因此,为了能够选取合适的导波激发模态及频率,绘制波导结构的频散曲线,并掌握各阶导波模态对应的传播特性是超声导波检测技术所面临的关键问题。本发明的整体思路为:利用同一导波模态相邻频散点间模态振型所具有的极高相似性,通过提取各频散点对应的模态振型图,依据波数将其划分为图像序列,构建了一种包含一次图像配准模块和二次图像配准模块的模态追踪算法,按照波数从小到大的顺序,先由所述的一次图像配准模块对相邻图像序列中的频散点模态振型图进行图像配准,随后计算图像间的结构相似度(Structural Similarity,SSIM)来筛选误匹配的频散点,其中针对误匹配频散点的模态振型图需进行位移反转及二次图像配准,最后结合配准结果中SSIM的最大值来追踪相邻图像序列中的各阶导波模态,依序循环,直至所有图像序列中的频散点都已配准完毕,可以绘制出多模态分离后的导波频散曲线。
如图1所示,本实施例提供了一种基于图像配准的导波频散曲线模态追踪方法,包括如下步骤:
步骤一:提取各频散点对应的模态振型图;
步骤二:按照波数将模态振型图划分为图像序列;
步骤三:根据图像序列和模态追踪算法得到所有图像序列的配准结果;其中,所述模态追踪算法为:按照波数从小到大的顺序,对相邻图像序列中的频散点模态振型图进行一次图像配准,筛选误匹配的频散点,针对误匹配频散点的模态振型图进行位移反转及二次图像配准;
步骤四:基于所有图像序列的配准结果,结合配准结果中结构相似度的最大值来追踪相邻图像序列中的各阶导波模态,以实现导波的多模态分离,并对各阶模态进行频散曲线单独绘制,为导波检测应用中激发模态和频率的选择提供理论指导,便于后续对导波信号的分析及结构损伤信息的准确提取。
以6061-T6无应力自由铝板为例,基于波有限元法求得本发明实施例的2mm厚6061-T6铝板频散特性散点图,其中频散点的波数间隔为50 1/m,具体如图2所示,图2中的频散特性散点图无法判断和区分各自导波模态的频散曲线,这对导波检测技术在实际应用中的信号分析和模态定征带来了一定的难度。
其中,步骤一中,所述提取各频散点对应的模态振型图包括:
(1-1)为保证所有图片的大小一致,统一设置位移缩放比例为1,从数值计算结果中提取各频散点沿不同坐标轴方向上的位移分布图;
(1-2)将沿不同坐标轴方向的位移分布图进行合并,可以得到各个频散点在对应波数k和频率freq下的模态振型图;
图3为k=2000 1/m,freq=1760kHz下6061-T6铝板频散点的模态振型图,其中从右到左分为别沿坐标轴x、y、z三个方向上的位移分布图;
其中,步骤二中,按照波数将模态振型图划分为图像序列中,包括:
(2-1)选择待分离频散点的频率区间以及波束区间;
例如,本实施例可以选取频率区间为0~6000kHz,波数区间为50~12750 1/m;
(2-2)对相同波数的频散点进行归类,按照波数从小到大的顺序,分别划分为K组图像序列,其中每组图像序列中都含有不同频率频散点的模态振型图;
本实施例中,划分为255组图像序列(k1,k2k255)。
如图4所示,步骤三中,对相邻图像序列中的频散点模态振型图进行一次图像配准,包括如下步骤:
(3-1)按照波数从小到大的顺序,先将初始图像序列k1(k=50 1/m)中的所有模态振型图都设为模板图;
(3-2)从下一组相邻图像序列k2(k=100 1/m)中依序选取待配准频散点的模态振型图与初始图像序列k1中的所有模板图进行两两配准;
(3-3)采用高斯核函数计算图像的均值、方差及协方差,从亮度、对比度和结构三方面评估两配准图像之间的结构相似度(SSIM),其中SSIM是一个0到1之间的数,越大表示输出两图像配准的相似度越高,当两幅图像一模一样时,SSIM=1。
其中,所述SSIM的计算表达式为:
其中:μx,μy分别表示图像x和y的均值,σx,σy分别表示图像x和y的标准差,分别表示图像x和y的方差,σxy表示图像x和y的协方差,C1=K1L2和C2=K2L2为常数,是为了避免分母接近于零时造成的不稳定,L是像素值的动态范围,一般取K1=0.01,K2=0.03,L=255;
(3-4)图像序列k2(k=100 1/m)中的任一待配准频散点经计算后可以得到多个SSIM,认定SSIM最大的模板图频散点与待配准频散点属于同一条模态频散曲线,以此准则进行相邻序列中模态振型图的图像匹配,即频散点的模态分离;
图5(a)-图5(b)和图6(a)-图6(b)展示了频散点k=2000 1/m,freq=1760kHz与相邻图像序列其中两频散点的配准计算结果,对比SSIM可以发现频散点k=20001/m,freq=1760kHz与相邻图像序列中频散点k=1950 1/m,freq=1734kHz的模态振型图相似度最高,由此可以判断两频散点属于同一导波模态。
其中,筛选误匹配的频散点包括:判断是否有重复匹配的散射点,判断的条件为:同一模态相邻频散点的模态振型图,在沿不同坐标轴方向上的位移分布完全相反。由于不同导波模态的频散曲线在相交点附近,其频散点的模态振型可能会出现位移反转现象,即同一模态相邻频散点的模态振型图,在沿不同坐标轴方向上的位移分布完全相反。因此,会存在重复匹配的频散点,导致多个待配准频散点都与模板图像序列中的同一频散点被判定为同一模态。此时,需要进行误匹配频散点的筛选;
其中,筛选误匹配的频散点包括:
对比重复匹配频散点与同一模板图像频散点的SSIM,认定SSIM最大的频散点与模板频散点属于同一模态,即是一对有效匹配的频散点,从而筛选出其余误匹配的频散点;
对于6061-T6铝板而言,频散点k=4300 1/m,freq=5262kHz位于不同导波模态频散曲线的相交点附近,由于模态振型图发生位移反转,所以其与频散点k=4300 1/m,freq=6042kHz存在重复匹配,通过对比SSIM,可以确定频散点k=4300 1/m,freq=5262kHz属于误匹配的频散点。
如图7所示,步骤三中,所述针对误匹配频散点的模态振型图进行位移反转及二次图像配准,包括如下步骤:
(6-1)对误匹配的频散点模态振型图进行处理,将图像中的颜色反向排序,从而实现位移分布的反转,得到反转后频散点的模态振型图;
(6-2)将反转后的频散点模态振型图重新与上一组相邻图像序列中的所有模板图像进行二次配准,并重新计算SSIM;
(6-3)根据SSIM的最大值,可以确定振型反转后的频散点与上一组相邻图像序列中的哪一模式点属于同一条模态频散曲线;
(6-4)重复步骤(6-1)至(6-4),直到所有误匹配的频散点依据SSIM都已唯一确定最佳匹配的相邻频散点;
图8(a)-图8(b)和图9(a)-图9(b)展示了频散点k=4300 1/m,freq=5262kHz位移反转前后与同一频散点k=4250 1/m,freq=5244kHz的的配准计算结果,通过SSIM对比可以发现,位移反转后相邻图像序列中两频散点的模态振型图相似度最高,由此经过误匹配频散点的二次图像配准,可以确定频散点k=4300 1/m,freq=5262kHz与频散点k=42501/m,freq=5244kHz属于同一导波模态。
步骤四中,基于所有图像序列的配准结果绘制多模态分离后的导波频散曲线,包括如下步骤:
(7-1)当图像序列k2(k=100 1/m)中的所有频散点模式分离后,再将图像序列k2(k=100 1/m)中的模态振型图设为模板图,对下一组相邻图像序列k3(k=150 1/m)中的频散点按照步骤三进行依序图像配准,以此循环,直至最后一组图像序列k314(k=15700 1/m)中的所有频散点模式分离完毕;
通过本发明的一种基于图像配准的导波频散曲线模态追踪方法,可以将数值计算结果求得的频散特性散点图进行多模态分离,并对各阶导波模态的频散曲线进行单独绘制,经对比可以发现,频散曲线中各导波模态的分布与其他方法得到的结果一致,验证了本发明方法的正确性,对导波技术在实际应用中的信号分析和模态定征具有重要的工程意义。
实施例二
本实施例提供了一种基于图像配准的导波频散曲线模态追踪系统,包括:
模态振型图提取模块,被配置为:提取各频散点对应的模态振型图;
模态振型图预处理模块,被配置为:按照波数将模态振型图划分为图像序列;
图像序列配准模块,被配置为:根据图像序列和模态追踪算法得到所有图像序列的配准结果;其中,所述模态追踪算法为:对相邻图像序列中的频散点模态振型图进行一次图像配准,筛选误匹配的频散点,针对误匹配频散点的模态振型图进行位移反转及二次图像配准;
导波频散曲线绘制模块,被配置为:基于所有图像序列的配准结果,结合配准结果中结构相似度的最大值来追踪相邻图像序列中的各阶导波模态,并绘制各阶模态导波频散曲线,根据各阶模态导波频散曲线提取结构损伤信息。
实施例三
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述所述的一种基于图像配准的导波频散曲线模态追踪方法中的步骤。
实施例四
本实施例提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述所述的一种基于图像配准的导波频散曲线模态追踪方法中的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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 (10)
1.一种基于图像配准的导波频散曲线模态追踪方法,其特征在于,包括如下步骤:
提取各频散点对应的模态振型图;
按照波数将模态振型图划分为图像序列;
根据图像序列和模态追踪算法得到所有图像序列的配准结果;其中,所述模态追踪算法为:对相邻图像序列中的频散点模态振型图进行一次图像配准,筛选误匹配的频散点,针对误匹配频散点的模态振型图进行位移反转及二次图像配准;
基于所有图像序列的配准结果,结合配准结果中结构相似度的最大值来追踪相邻图像序列中的各阶导波模态,绘制各阶模态导波频散曲线,根据各阶模态导波频散曲线提取结构损伤信息。
2.如权利要求1所述的一种基于图像配准的导波频散曲线模态追踪方法,其特征在于,所述按照波数将模态振型图划分为图像序列,包括:
选择待分离频散点的频率区间以及波束区间;
对相同波数的频散点进行归类,按照波数从小到大的顺序,划分为K组图像序列,其中每组图像序列中都含有不同频率频散点的模态振型图。
3.如权利要求1所述的一种基于图像配准的导波频散曲线模态追踪方法,其特征在于,对相邻图像序列中的频散点模态振型图进行一次图像配准,包括如下步骤:
按照波数从小到大的顺序,先将初始图像序列中的所有模态振型图都设为模板图;
从下一组相邻图像序列中依序选取待配准频散点的模态振型图与初始图像序列中的所有模板图进行两两配准;
评估两两配准图像之间的结构相似度,相似度越大,图像配准率越高。
4.如权利要求3所述的一种基于图像配准的导波频散曲线模态追踪方法,其特征在于,所述两两配准图像之间的结构相似度通过采用高斯核函数计算图像的均值、方差及协方差,从亮度、对比度和结构三方面评估。
5.如权利要求1所述的一种基于图像配准的导波频散曲线模态追踪方法,其特征在于,所述筛选误匹配的频散点之前包括是否有重复匹配散射点的判断,判断的条件为:同一模态相邻频散点的模态振型图,在沿不同坐标轴方向上的位移分布完全相反。
6.如权利要求1所述的一种基于图像配准的导波频散曲线模态追踪方法,其特征在于,所述筛选误匹配的频散点包括:对比重复匹配频散点与同一模板图像频散点的结构相似度指数,认定结构相似度指数最大的频散点与模板频散点属于同一模态,即是一对有效匹配的频散点,从而筛选出其余误匹配的频散点。
7.如权利要求1所述的一种基于图像配准的导波频散曲线模态追踪方法,其特征在于,所述针对误匹配频散点的模态振型图进行位移反转及二次图像配准,包括如下步骤:
对误匹配的频散点模态振型图进行处理,将图像中的颜色反向排序,从而实现位移分布的反转,得到反转后频散点的模态振型图;
将反转后的频散点模态振型图重新与上一组相邻图像序列中的所有模板图像进行二次配准,并重新计算结构相似度;
根据结构相似度的最大值,确定振型反转后的频散点与上一组相邻图像序列中的对应的模式点属于同一条模态频散曲线。
8.一种基于图像配准的导波频散曲线模态追踪系统,其特征在于,包括:
模态振型图提取模块,被配置为:提取各频散点对应的模态振型图;
模态振型图预处理模块,被配置为:按照波数将模态振型图划分为图像序列;
图像序列配准模块,被配置为:根据图像序列和模态追踪算法得到所有图像序列的配准结果;其中,所述模态追踪算法为:对相邻图像序列中的频散点模态振型图进行一次图像配准,筛选误匹配的频散点,针对误匹配频散点的模态振型图进行位移反转及二次图像配准;
导波频散曲线绘制模块,被配置为:基于所有图像序列的配准结果,结合配准结果中结构相似度的最大值来追踪相邻图像序列中的各阶导波模态,绘制各阶模态导波频散曲线,根据各阶模态导波频散曲线提取结构损伤信息。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一项所述的一种基于图像配准的导波频散曲线模态追踪方法中的步骤。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一项所述的一种基于图像配准的导波频散曲线模态追踪方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111564369.1A CN114240899B (zh) | 2021-12-20 | 2021-12-20 | 一种基于图像配准的导波频散曲线模态追踪方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111564369.1A CN114240899B (zh) | 2021-12-20 | 2021-12-20 | 一种基于图像配准的导波频散曲线模态追踪方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114240899A true CN114240899A (zh) | 2022-03-25 |
CN114240899B CN114240899B (zh) | 2024-04-09 |
Family
ID=80759410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111564369.1A Active CN114240899B (zh) | 2021-12-20 | 2021-12-20 | 一种基于图像配准的导波频散曲线模态追踪方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114240899B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117648584A (zh) * | 2024-01-26 | 2024-03-05 | 中国石油大学(华东) | 基于位移矢量相似度的导波模态分类方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130327148A1 (en) * | 2012-05-25 | 2013-12-12 | Fbs, Inc. | Systems and methods for damage detection in plate-like structures using guided wave phased arrays |
CN109871824A (zh) * | 2019-03-11 | 2019-06-11 | 西安交通大学 | 基于稀疏贝叶斯学习的超声导波多模态分离方法及其系统 |
CN111812207A (zh) * | 2020-07-21 | 2020-10-23 | 大连理工大学 | 基于超声导波转换模态提取的无基准损伤诊断成像方法 |
CN113008992A (zh) * | 2021-03-26 | 2021-06-22 | 天津大学 | 一种适用于检测材料早期疲劳损伤的新成像检测方法 |
-
2021
- 2021-12-20 CN CN202111564369.1A patent/CN114240899B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130327148A1 (en) * | 2012-05-25 | 2013-12-12 | Fbs, Inc. | Systems and methods for damage detection in plate-like structures using guided wave phased arrays |
CN109871824A (zh) * | 2019-03-11 | 2019-06-11 | 西安交通大学 | 基于稀疏贝叶斯学习的超声导波多模态分离方法及其系统 |
CN111812207A (zh) * | 2020-07-21 | 2020-10-23 | 大连理工大学 | 基于超声导波转换模态提取的无基准损伤诊断成像方法 |
CN113008992A (zh) * | 2021-03-26 | 2021-06-22 | 天津大学 | 一种适用于检测材料早期疲劳损伤的新成像检测方法 |
Non-Patent Citations (2)
Title |
---|
CHAO ZHANG ETC: ""Topological imaging in layered plate by guided waves"", 《2016 SYMPOSIUM ON PIEZOELECTRICITY, ACOUSTIC WAVES, AND DEVICE APPLICATIONS (SPAWDA)》 * |
许西宁;叶阳升;江成;余祖俊;柯在田;: "钢轨应力检测中超声导波模态选取方法研究", 仪器仪表学报, no. 11 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117648584A (zh) * | 2024-01-26 | 2024-03-05 | 中国石油大学(华东) | 基于位移矢量相似度的导波模态分类方法及系统 |
CN117648584B (zh) * | 2024-01-26 | 2024-04-30 | 中国石油大学(华东) | 基于位移矢量相似度的导波模态分类方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114240899B (zh) | 2024-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8249320B2 (en) | Method, apparatus, and program for measuring sizes of tumor regions | |
WO2016045215A1 (zh) | 指纹图像质量的判断方法和装置 | |
Skibbe et al. | Fast rotation invariant 3D feature computation utilizing efficient local neighborhood operators | |
CN108830842B (zh) | 一种基于角点检测的医学图像处理方法 | |
Sonawane et al. | A brief survey on image segmentation methods | |
CN104200114A (zh) | 流式细胞仪数据快速分析方法 | |
Gertych et al. | Rapid 3-D delineation of cell nuclei for high-content screening platforms | |
CN114240899B (zh) | 一种基于图像配准的导波频散曲线模态追踪方法及系统 | |
CN113298007B (zh) | 一种小样本sar图像目标识别方法 | |
Chen et al. | Fully automated natural frequency identification based on deep-learning-enhanced computer vision and power spectral density transmissibility | |
Petelin et al. | Tla: Topological landscape analysis for single-objective continuous optimization problem instances | |
Sun et al. | Feature optimization method for the localization technology on loose particles inside sealed electronic equipment | |
CN103268494A (zh) | 基于稀疏表示的寄生虫虫卵识别方法 | |
Jeon et al. | Target capacity filter pruning method for optimized inference time based on YOLOv5 in embedded systems | |
CN113257357A (zh) | 蛋白质残基接触图预测方法 | |
CN117351321A (zh) | 一种单阶段轻量化的地铁衬砌空洞识别方法及相关设备 | |
Zhang et al. | Mathematical models for information classification and recognition of multi-target optical remote sensing images | |
CN109782216A (zh) | 一种二维空间谱峰值搜索的简易方法 | |
Wang et al. | Rammar: RAM assisted mask R-CNN for FMCW sensor based HGD system | |
Scheunemann et al. | Construction of statistically similar representative volume elements–comparative study regarding different statistical descriptors | |
Sahu et al. | Digital image texture classification and detection using radon transform | |
CN110287514A (zh) | 基于振动信号处理的超高速碰撞源智能定位方法 | |
Quachtran et al. | Voting-based segmentation of overlapping nuclei in clarity images | |
Ruan et al. | A novel particle tracking algorithm using polar coordinate system similarity | |
Kim et al. | Optimal wavelet packets for characterizing surface quality |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220811 Address after: 266580 No. 66 Changjiang West Road, Huangdao District, Qingdao, Shandong. Applicant after: CHINA University OF PETROLEUM (EAST CHINA) Applicant after: Guangdong South China smart pipeline Research Institute Address before: 266580 No. 66 Changjiang West Road, Huangdao District, Qingdao, Shandong. Applicant before: CHINA University OF PETROLEUM (EAST CHINA) |
|
GR01 | Patent grant | ||
GR01 | Patent grant |