CN114897675A - 一种数字图像相关中用于相关性加权的指数窗法 - Google Patents

一种数字图像相关中用于相关性加权的指数窗法 Download PDF

Info

Publication number
CN114897675A
CN114897675A CN202210825143.0A CN202210825143A CN114897675A CN 114897675 A CN114897675 A CN 114897675A CN 202210825143 A CN202210825143 A CN 202210825143A CN 114897675 A CN114897675 A CN 114897675A
Authority
CN
China
Prior art keywords
correlation
digital image
subarea
area
sub
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
Application number
CN202210825143.0A
Other languages
English (en)
Other versions
CN114897675B (zh
Inventor
熊克
宋祥帆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202210825143.0A priority Critical patent/CN114897675B/zh
Publication of CN114897675A publication Critical patent/CN114897675A/zh
Application granted granted Critical
Publication of CN114897675B publication Critical patent/CN114897675B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G06T3/18—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformation in the plane of the image
    • G06T3/40—Scaling the whole image or part thereof
    • G06T3/4007—Interpolation-based scaling, e.g. bilinear interpolation
    • 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

Abstract

本发明公开了一种数字图像相关中用于相关性加权的指数窗法，属于实验力学、非接触式全场位移测量、数字图像相关方法领域，本发明的方法使用指数窗函数对相关性准则进行加权处理，使子区中点附近区域权重占比较大，远离子区中点的区域权重占比较小，使得数字图像相关法最终计算得到的应变值更加接近子区中点的真实值，以提高数字图像相关法对于应变梯度较大区域的计算精度。

Description

一种数字图像相关中用于相关性加权的指数窗法
技术领域
本发明涉及实验力学、非接触式全场位移测量、数字图像相关方法，具体涉及一种数字图像相关中用于相关性加权的指数窗法。
背景技术
在航空航天、建筑桥梁等诸多领域中，保证结构可靠性永远是第一要务。随着科学技术的发展，能够在结构发生不可逆损伤之前，对其施以控制修缮，成为诸多科学家的重要目标。而由实验力学提供的材料响应载荷表征的测量结果，对于完善设计，改进结构以及监测损伤都具有丰富的指导意义。位移与应变，作为实验力学重要参量，对于分析模型力学特性、验证基础假设及特征识别等都具有举足轻重的作用。面对日益复杂的测量需求，传统的位移应变测量方法就显得捉襟见肘。与此同时，有限处位移应变测量结果远不能胜任复杂模型的分析工作。并且针对各种测量条件的约束，能够实现全场应变及非接触式测量的新兴测量技术应运而生。
能够进行全场测量的不同方法，各有其准确性及适用性优势。而又能够同时满足非接触测量条件的数字图像相关法（Digital Image Correlation，DIC），由于其较低的实验成本及数据采集过程相对简单等优势已被广泛用于实验力学中，其对测量环境和隔振要求较低，普适性强，广泛应用于各种工程和学科领域，如航空航天、生物医疗等。
传统的数字图像相关法（DIC）中，一般由一阶或二阶位移函数对子区内变形场进行描述，最终迭代出与子区内变形场最接近的位移函数，这就是数字图像相关法直接计算得到的位移值与应变值。直接计算得到的应变值误差较大，不能作为有效的信息。通常对每个计算点使用最小二乘拟合位移计算得到该点的应变值，但对于应变梯度较大区域，该方法不能保证计算精度。
发明内容
本发明针对现有技术中存在的问题，公开了一种数字图像相关中用于相关性加权的指数窗法，该方法使用指数窗函数对子区间相关性准则进行加权处理，使子区中点附近区域权重占比较大，远离子区中点的区域权重占比较小，从而使应变计算结果更接近子区中点的真实值。本发明的方法能有效提高数字图像相关方法在处理应变梯度较大区域的应变计算精度。
本发明是这样实现的：
一种数字图像相关中用于相关性加权的指数窗法，其特征在于，所述的指数窗法为使用指数窗函数对子区间匹配的相关性准则进行加权处理，具体为：
步骤一、搭建数字图像相关测量系统，获取试件变形前的参考图像及变形后的变形图像；
步骤二、在参考图像上布置计算点，以该计算点为中点划分大小为（2M+1）
Figure DEST_PATH_IMAGE001
（2M+1）的计算子区；
步骤三、选定子区间匹配的相关性准则；
步骤四、对相关性准则进行指数窗加权处理；
步骤五、根据指数窗加权处理后的相关性准则，对各个子区进行相关性匹配，由数字图像相关法计算各子区的指数窗待定系数及各计算点的位移值和应变值；
步骤六、由各计算点的位移值插值得到全场位移值，由各计算点的应变值插值得到全场应变值。
进一步，所述的指数窗函数的表达式如下：
Figure DEST_PATH_IMAGE002
（1）
其中，
Figure DEST_PATH_IMAGE003
，
Figure DEST_PATH_IMAGE004
为参考子区内以子区中点为原点的横纵坐标，
Figure DEST_PATH_IMAGE005
，
Figure DEST_PATH_IMAGE006
为参考子区中横纵坐标的最大值，
Figure DEST_PATH_IMAGE007
，
Figure DEST_PATH_IMAGE008
为待定系数。
进一步，所述的步骤三中相关性准则为零均值归一化差值平方和函数（zero-meannormalized sum of squared difference, ZNSSD）或零均值归一化互相关函数（zero-mean normalized cross-correlation, ZNCC）。
进一步，所述的步骤四中对相关性准则进行指数窗加权处理方法中，以零均值归一化差值平方和函数为相关性准则时，其表达式如下：
Figure DEST_PATH_IMAGE009
（2）
其中，
Figure DEST_PATH_IMAGE010
(
Figure DEST_PATH_IMAGE011
，
Figure DEST_PATH_IMAGE012
)，
Figure DEST_PATH_IMAGE013
(
Figure DEST_PATH_IMAGE014
,
Figure DEST_PATH_IMAGE015
)分别为参考子区、变形子区内像素点的灰度值，
Figure DEST_PATH_IMAGE016
=∑∑
Figure DEST_PATH_IMAGE017
(
Figure DEST_PATH_IMAGE018
，
Figure DEST_PATH_IMAGE019
)/
Figure DEST_PATH_IMAGE020
,
Figure DEST_PATH_IMAGE021
=∑∑
Figure DEST_PATH_IMAGE022
(
Figure DEST_PATH_IMAGE023
,
Figure DEST_PATH_IMAGE024
)/
Figure DEST_PATH_IMAGE025
分别为参考子区和变形子区范围内的灰度均值，
Figure DEST_PATH_IMAGE026
为子区面积，
Figure DEST_PATH_IMAGE027
(
Figure DEST_PATH_IMAGE028
，
Figure DEST_PATH_IMAGE029
)为指数窗函数。
进一步，所述的步骤五中计算指数窗函数待定系数的方法具体为：
以公式（2）作为参考子区与变形子区间的相关性判定准则，使用数字图像相关法中的牛顿迭代法或列文伯格-马夸尔特迭代法进行迭代求解与参考子区内灰度信息相关性匹配度最高的变形子区信息，从而计算得到公式（1）的待定系数
Figure DEST_PATH_IMAGE030
，
Figure DEST_PATH_IMAGE031
以及该计算点的位移值及应变值。
本发明的方法通过对相关性准则进行指数窗加权处理，使得数字图像相关法最终计算得到的应变值更加接近子区中点的真实值，可以有效提高数字图像相关法对于应变梯度较大区域的计算精度。
附图说明
图1为本发明一种数字图像相关中用于相关性加权的指数窗法的实施例中参考图像；
图2为本发明一种数字图像相关中用于相关性加权的指数窗法的实施例中真实应变场分布图；
图3为本发明一种数字图像相关中用于相关性加权的指数窗法的实施例中计算应变场分布图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚，明确，以下列举实例对本发明进一步详细说明。应当指出此处所描述的具体实施仅用以解释本发明，并不用于限定本发明。
所述的方法具体步骤为：
步骤一、搭建数字图像相关测量系统，获取试件变形前的参考图像及变形后的变形图像；
步骤二、在参考图像上布置计算点，以该计算点为中点划分大小为（2M+1）
Figure 496609DEST_PATH_IMAGE001
（2M+1）的计算子区；
步骤三、选定子区间匹配的相关性准则；
步骤四、根据预期试件变形情况，预设指数窗函数
Figure DEST_PATH_IMAGE032
与
Figure DEST_PATH_IMAGE033
的初值；
步骤五、对相关性准则进行指数窗加权处理；
步骤六、根据指数窗加权处理后的相关性准则，对各个子区进行相关性匹配，由数字图像相关中的列文伯格-马夸尔特迭代法计算各子区的指数窗待定系数及各计算点的位移值和应变值；
步骤七、由各计算点的位移值插值得到全场位移值，由各计算点的应变值插值得到全场应变值。
以下列举具体的实例进行叙述本发明的方法：
本实施例使用DIC Challenge Database中的Sample 14算例进行计算。参考图像如图1所示。施加到参考图像上的真实应变场如图2所示。最后计算结果与真实解进行对比，并计算误差。
具体实施步骤如下：
步骤一：在参考图像上以5个像素的间隔布置计算点，每个计算点的计算子区大小为81×81；
步骤二：选定零均值归一化差值平方和函数作为子区间的相关性准则；
步骤三：选定
Figure DEST_PATH_IMAGE034
迭代初值为50，
Figure DEST_PATH_IMAGE035
迭代初值为2，根据公式（2）对相关性准则进行指数窗加权处理；
步骤四：使用列文伯格-马夸尔特迭代法对每个子区进行迭代计算，最后得到每个子区的指数窗待定系数终值及对应计算点的位移值及应变值；
步骤五：将所有计算点的计算应变值与真实值进行对比，计算误差；
步骤六：插值得到全场应变场。
图3所示为计算得到的全场应变场。
将计算应变场与真实应变场进行比较发现，
Figure DEST_PATH_IMAGE036
向正应变场均方根误差为5.397×10-4。可见本方法计算所得应变场误差较小，可有效提高传统数字图像相关法对于应变梯度较大区域的计算精度。
最后应当说明的是，以上实施方案仅用以说明本发明的实现方式而非对其限制；人们应该理解，对该发明的实施过程进行修改或者部分算法过程进行同等替换，而不会脱离本发明技术方案的精神，其均应涵盖在本发明请求保护的技术方案范围内。

Claims (5)

1.一种数字图像相关中用于相关性加权的指数窗法，其特征在于，所述的指数窗法为使用指数窗函数对子区间匹配的相关性准则进行加权处理，具体为：
步骤一、搭建数字图像相关测量系统，获取试件变形前的参考图像及变形后的变形图像；
步骤二、在参考图像上布置计算点，以该计算点为中点划分大小为（2M+1）
Figure 336861DEST_PATH_IMAGE001
（2M+1）的计算子区；
步骤三、选定子区间匹配的相关性准则；
步骤四、对相关性准则进行指数窗加权处理；
步骤五、根据指数窗加权处理后的相关性准则，对各个子区进行相关性匹配，由数字图像相关法计算各子区的指数窗待定系数及各计算点的位移值和应变值；
步骤六、由各计算点的位移值插值得到全场位移值，由各计算点的应变值插值得到全场应变值。
2.根据权利要求1所述的一种数字图像相关中用于相关性加权的指数窗法，其特征在于，所述的指数窗函数的表达式如下：
Figure 33421DEST_PATH_IMAGE002
（1）
其中，
Figure 209319DEST_PATH_IMAGE003
，
Figure 908723DEST_PATH_IMAGE004
为参考子区内以子区中点为原点的横纵坐标，
Figure 144663DEST_PATH_IMAGE005
，
Figure 79252DEST_PATH_IMAGE006
为参考子区中横纵坐标的最大值，
Figure 855578DEST_PATH_IMAGE007
，
Figure 542911DEST_PATH_IMAGE008
为待定系数。
3.根据权利要求1所述的一种数字图像相关中用于相关性加权的指数窗法，其特征在于，所述的步骤三中相关性准则为零均值归一化差值平方和函数或零均值归一化互相关函数。
4.根据权利要求1所述的一种数字图像相关中用于相关性加权的指数窗法，其特征在于，所述的步骤四中对相关性准则进行指数窗加权处理方法中，以零均值归一化差值平方和函数为相关性准则时，其表达式如下：
Figure 618927DEST_PATH_IMAGE010
（2）
其中，
Figure 290080DEST_PATH_IMAGE011
(
Figure 870097DEST_PATH_IMAGE012
，
Figure 959407DEST_PATH_IMAGE013
)，
Figure 192942DEST_PATH_IMAGE014
(
Figure 102124DEST_PATH_IMAGE015
,
Figure 141624DEST_PATH_IMAGE016
)分别为参考子区、变形子区内像素点的灰度值，
Figure 150687DEST_PATH_IMAGE017
=∑∑
Figure 571435DEST_PATH_IMAGE018
(
Figure 561388DEST_PATH_IMAGE012
，
Figure 138999DEST_PATH_IMAGE019
)/
Figure 937322DEST_PATH_IMAGE020
,
Figure 778239DEST_PATH_IMAGE021
=∑∑
Figure 659083DEST_PATH_IMAGE022
(
Figure 119015DEST_PATH_IMAGE023
,
Figure 489953DEST_PATH_IMAGE024
)/
Figure 518083DEST_PATH_IMAGE025
分别为参考子区和变形子区范围内的灰度均值，
Figure 217049DEST_PATH_IMAGE026
为子区面积，
Figure 402042DEST_PATH_IMAGE027
(
Figure 392868DEST_PATH_IMAGE028
，
Figure 106746DEST_PATH_IMAGE029
)为指数窗函数。
5.根据权利要求1所述的一种数字图像相关中用于相关性加权的指数窗法，其特征在于，所述的步骤五中计算指数窗函数待定系数的方法具体为：
以公式（2）作为参考子区与变形子区间的相关性判定准则，使用数字图像相关法中的牛顿迭代法或列文伯格-马夸尔特迭代法进行迭代求解与参考子区内灰度信息相关性匹配度最高的变形子区信息，从而计算得到公式（1）的待定系数
Figure 293008DEST_PATH_IMAGE030
，
Figure 501267DEST_PATH_IMAGE031
以及该计算点的位移值及应变值。
CN202210825143.0A 2022-07-14 2022-07-14 一种数字图像相关中用于相关性加权的指数窗法 Active CN114897675B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210825143.0A CN114897675B (zh) 2022-07-14 2022-07-14 一种数字图像相关中用于相关性加权的指数窗法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210825143.0A CN114897675B (zh) 2022-07-14 2022-07-14 一种数字图像相关中用于相关性加权的指数窗法

Publications (2)

Publication Number Publication Date
CN114897675A true CN114897675A (zh) 2022-08-12
CN114897675B CN114897675B (zh) 2022-10-21

Family

ID=82729746

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210825143.0A Active CN114897675B (zh) 2022-07-14 2022-07-14 一种数字图像相关中用于相关性加权的指数窗法

Country Status (1)

Country Link
CN (1) CN114897675B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115511881A (zh) * 2022-11-08 2022-12-23 南京航空航天大学 一种数字图像相关和数字体相关中的相关性调谐法
CN115546210A (zh) * 2022-11-28 2022-12-30 南京航空航天大学 一种数字图像相关中的局部应变加权平均方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112017223A (zh) * 2020-09-11 2020-12-01 西安电子科技大学 基于改进SIFT-Delaunay的异源图像配准方法
CN113532308A (zh) * 2021-09-13 2021-10-22 南京航空航天大学 数字图像相关中带初值的岭回归应变测量方法
CN113538473A (zh) * 2021-07-08 2021-10-22 南京航空航天大学 数字图像相关中针对裂纹的随机网格及异形子区划分方法
CN114266776A (zh) * 2022-03-03 2022-04-01 南京航空航天大学 一种应用复合裂纹位移场函数的数字图像相关方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112017223A (zh) * 2020-09-11 2020-12-01 西安电子科技大学 基于改进SIFT-Delaunay的异源图像配准方法
CN113538473A (zh) * 2021-07-08 2021-10-22 南京航空航天大学 数字图像相关中针对裂纹的随机网格及异形子区划分方法
CN113532308A (zh) * 2021-09-13 2021-10-22 南京航空航天大学 数字图像相关中带初值的岭回归应变测量方法
CN114266776A (zh) * 2022-03-03 2022-04-01 南京航空航天大学 一种应用复合裂纹位移场函数的数字图像相关方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
付白强等: "数字图像相关中的裂纹变形测量方法", 《西安交通大学学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115511881A (zh) * 2022-11-08 2022-12-23 南京航空航天大学 一种数字图像相关和数字体相关中的相关性调谐法
CN115546210A (zh) * 2022-11-28 2022-12-30 南京航空航天大学 一种数字图像相关中的局部应变加权平均方法

Also Published As

Publication number Publication date
CN114897675B (zh) 2022-10-21

Similar Documents

Publication Publication Date Title
CN114897675B (zh) 一种数字图像相关中用于相关性加权的指数窗法
Bibalan et al. Characteristic function based parameter estimation of skewed alpha-stable distribution: An analytical approach
CN114609912B (zh) 基于伪线性最大相关熵卡尔曼滤波的仅测角目标追踪方法
CN111832176B (zh) 降雨条件下全极化微波辐射计海面风场反演方法及系统
CN110595479B (zh) 一种基于icp算法的slam轨迹评估方法
CN114782451A (zh) 工件缺陷检测方法、装置、电子设备及可读存储介质
CN114266776B (zh) 一种应用复合裂纹位移场函数的数字图像相关方法
CN113094640A (zh) 一种频域下宽带多轴随机振动寿命预测方法
CN112720450B (zh) 机器人关节角度检验方法、装置、设备及介质
Lecompte et al. Parameter identification for anisotropic plasticity model using digital image correlation: Comparison between uni-axial and bi-axial tensile testing
CN116067600A (zh) 幕墙工作模态参数识别、故障诊断与健康状态监测方法
Huang et al. General expression for linear and nonlinear time series models
Tashlinskii et al. Methods of finding gradient estimates of target function for measurement of images parameters
CN109146840B (zh) 基于高斯概率统计的数据几何定位精度评估方法及装置
CN108917632B (zh) 一种高效率高精度数字图像相关位移后处理方法
CN115546210B (zh) 一种数字图像相关中的局部应变加权平均方法
Zhang et al. Identification of Anisotropic Yield Functions Using FEMU and an Information-Rich Tensile Specimen
CN110672947A (zh) 一种智能化电气工程测量系统及测量方法
Qian Unscented Kalman Filter and Its Implementation in Digital Image Correlation
CN117095161B (zh) 一种向量化编码的旋转目标检测方法及装置
CN115511881A (zh) 一种数字图像相关和数字体相关中的相关性调谐法
CN115222961B (zh) 一种用于影像基础矩阵不确定性的评估方法
Pang et al. Static and dynamic stability analysis of an SEM-based nanomanipulation system using a fast sub-pixel template matching algorithm
WO2024036824A1 (zh) 用于光纤形状传感的精度评估方法及系统
CN114200449A (zh) 基于qr分解的变量投影法在地表形变中的应用

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
GR01 Patent grant
GR01 Patent grant