CN114993452B - 基于宽带相位运动放大的结构微小振动测量方法与系统 - Google Patents

基于宽带相位运动放大的结构微小振动测量方法与系统 Download PDF

Info

Publication number
CN114993452B
CN114993452B CN202210826667.1A CN202210826667A CN114993452B CN 114993452 B CN114993452 B CN 114993452B CN 202210826667 A CN202210826667 A CN 202210826667A CN 114993452 B CN114993452 B CN 114993452B
Authority
CN
China
Prior art keywords
target
video
image sequence
measured
vibration
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.)
Active
Application number
CN202210826667.1A
Other languages
English (en)
Other versions
CN114993452A (zh
Inventor
孔烜
罗奎
韩振勇
王秀艳
易金鑫
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.)
Hunan University
China Construction Sixth Engineering Division Co Ltd
Original Assignee
Hunan University
China Construction Sixth Engineering Division Co Ltd
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 Hunan University, China Construction Sixth Engineering Division Co Ltd filed Critical Hunan University
Priority to CN202210826667.1A priority Critical patent/CN114993452B/zh
Publication of CN114993452A publication Critical patent/CN114993452A/zh
Application granted granted Critical
Publication of CN114993452B publication Critical patent/CN114993452B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H9/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/42—Analysis of texture based on statistical description of texture using transform domain methods
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20064—Wavelet transform [DWT]
    • 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
    • G06T2207/30132—Masonry; Concrete
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Probability & Statistics with Applications (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本申请公开了一种基于宽带相位运动放大算法的结构微小振动测量方法与系统，该方法包括：基于待测量对象结构的微小振动视频获取目标视频图像；利用目标视频图像的目标图像序列获取待测量图像序列；在不需要结构频率先验信息时，对待测量图像序列中感兴趣区域宽频带内的目标频率基带进行滤波得到滤波后频率基带；利用宽带相位运动放大算法对滤波后频率基带的目标相位差进行放大，得到放大后图像序列，基于放大后图像序列得到放大后视频；利用亚像素模板匹配算法和预设尺度因子确定物理位移时程响应，通过基于物理位移时程响应确定的真实位移时程响应获取模态参数。由此可见，本申请在结构频率先验信息未知时实时测量结构微小振动并得到精确结果。

Description

基于宽带相位运动放大的结构微小振动测量方法与系统
技术领域
本发明涉及结构检测与监测领域，特别涉及一种基于宽带相位运动放大算法的结构微小振动测量方法与系统。
背景技术
桥梁的振动状态是反映桥梁健康状况的重要参数，桥梁的振动监测是桥梁结构健康监测(Structure Health Monitoring,SHM)的一项重要内容，其中桥梁的动位移是评价桥梁整体结构性能的控制指标，基于振动的桥梁健康监测常采用固有频率、模态振型和阻尼比等信息对桥梁结构的损伤位置和损伤程度进行识别。桥梁运营期间，不可避免地会发生振动现象，如何快速对桥梁的微小振动响应进行测量是保证桥梁安全运营的前提，也是实现桥梁健康状况实时监测的有力保障。
目前，对于桥梁振动特性测量的常用仪器为加速度传感器，但加速度传感器存在成本高、安装困难、测点有限、测量精度低和实时性差等缺点，难以满足桥梁动态响应实时监测的需求。其他的常规测量方法如水准仪、百分表和全站仪等难以进行动态测量，GPS(Global Positioning System，全球定位系统)虽能实现动态测量，但调试安装非常繁琐，复杂的桥梁地域工作环境和卫星、天气等因素都会影响测量的精度和测量的时间。现有基于计算机视觉技术的非接触式振动测量方法大部分仅适用于结构振动位移幅值较大的场景，难以适用于结构的微小振动测量，而桥梁微小振动信号恰好又包含了重要的信息。虽然，近年来快速发展起来的基于相位的运动放大(Phase-based Motion Magnification,PMM)算法可用于结构的微小振动测量，但利用PMM算法进行结构微小振动放大处理时，需要根据结构固有频率的先验信息对微小振动视频进行分频处理，然后在结构固有频率附近的窄频带内进行运动放大获取结构的模态振型轮廓，模态阶数越高需要的预设放大因子也就越大，导致PMM算法的运算量较大，无法实现结构微小振动的实时监测。且当结构固有频率未知时，PMM算法难以应用，限制了PMM算法在结构模态参数识别和SHM领域内的发展。
综上所述，如何在结构频率先验信息未知时实时测量结构微小振动情况，并得到精确结果是当前亟待解决的问题。
发明内容
有鉴于此，本发明的目的在于提供一种基于宽带相位运动放大算法的结构微小振动测量方法与系统，能够在结构频率先验信息未知时实时测量结构微小振动情况，并得到精确结果。其具体方案如下：
第一方面，本申请公开了一种基于宽带相位运动放大算法的结构微小振动测量方法，包括：
获取待测量对象结构的微小振动视频，并基于所述微小振动视频获取目标视频图像；
对所述目标视频图像进行空域分解以得到对应的目标图像序列，并对所述目标图像序列进行降噪处理以获取待测量图像序列；
在不需要结构频率先验信息的情况下，对所述待测量图像序列中感兴趣区域宽频带内的目标频率基带进行滤波得到滤波后频率基带；其中，所述目标频率基带对应的带宽大于预设阈值；
利用宽带相位运动放大算法并通过预设放大因子对所述滤波后频率基带对应的目标相位差进行放大处理，以得到放大后图像序列，然后对所述放大后图像序列进行重建以得到放大后视频；
利用亚像素模板匹配算法以及预设尺度因子确定出所述放大后视频对应的物理位移时程响应，并基于所述物理位移时程响应确定真实位移时程响应；
基于所述真实位移时程响应获取所述微小振动视频中所述待测量对象结构对应的模态参数。
可选的，所述获取待测量对象结构的微小振动视频，并基于所述微小振动视频获取目标视频图像，包括：
获取待测量对象结构的微小振动视频，并对所述微小振动视频进行分帧处理以得到微小振动视频图像，然后修改所述微小振动视频图像的格式参数以得到修改后视频图像；
对所述修改后视频图像进行旋转、裁剪和缩放处理得到处理后视频图像，并将满足预设噪声条件的所述处理后视频图像确定为所述待测量对象对应的目标视频图像。
可选的，所述对所述目标视频图像进行空域分解以得到对应的目标图像序列，并对所述目标图像序列进行降噪处理以获取待测量图像序列，包括：
对所述目标视频图像进行空域分解，以得到包括目标高通残差部分、目标可用图像序列和目标低通残差部分的目标图像序列；
利用二维Gabor小波滤波器提取所述目标图像序列的纹理特征，并对所述目标图像序列中除所述纹理特征之外的图像信息进行平移处理，以完成对所述目标图像序列的降噪处理，得到相应的待测量图像序列；其中，所述待测量图像序列中包括待测量高通残差部分、待测量可用图像序列和待测量低通残差部分。
可选的，所述利用宽带相位运动放大算法并通过预设放大因子对所述滤波后频率基带对应的目标相位差进行放大处理，以得到放大后图像序列，包括：
确定所述滤波后频率基带对应的原始相位，并将所述原始相位确定为所述待测量可用图像序列对应的目标视频图像的目标相位；
将第一帧所述目标视频图像的目标相位与其他帧所述目标视频图像的目标相位之间的相位差，作为相应的其他帧所述目标视频图像对应的待测量可用图像序列中的感兴趣区域对应的目标频率基带的目标相位差；
利用所述预设放大因子对所有所述目标相位差进行放大处理，以得到放大后相位差，并利用所述放大后相位差计算放大后目标频率基带，然后基于所述放大后频率基带获得放大后可用图像序列；
基于所述放大后可用图像序列、待测量高通残差部分和待测量低通残差部分获得放大后图像序列。
可选的，所述利用亚像素模板匹配算法以及预设尺度因子确定出所述放大后视频对应的物理位移时程响应，包括：
对所述放大后视频进行分帧处理以得到放大后视频图像，并利用亚像素模板匹配算法分别计算第一帧放大后视频图像与其他帧放大后视频图像之间的亚像素位移；
根据预设尺度因子将所有所述亚像素位移转换为物理位移，并基于所有所述物理位移确定出物理位移时程响应。
可选的，所述基于所述物理位移时程响应确定真实位移时程响应，包括：
根据所述预设放大因子确定目标因子，并基于所述目标因子对所述物理位移时程响应进行归一化处理以确定真实位移时程响应。
可选的，所述基于所述真实位移时程响应获取所述微小振动视频中所述待测量对象结构对应的模态参数，包括：
利用快速傅里叶变换并基于所述真实位移时程响应获取所述微小振动视频中所述待测量对象的模态频率，然后利用半功率法并基于所述模态频率获取所述微小振动视频中所述待测量对象的阻尼比；
利用协方差驱动随机子空间算法并基于所述真实位移时程响应获取所述微小振动视频中所述待测量对象的模态振型。
第二方面，本申请公开了一种基于宽带相位运动放大算法的结构微小振动测量系统，包括：
图像获取模块，用于获取待测量对象对应的微小振动视频，并基于所述微小振动视频获取目标视频图像；
图像序列获取模块，用于对所述目标视频图像进行空域分解以得到对应的目标图像序列，并对所述目标图像序列进行降噪处理以获取待测量图像序列；
滤波模块，用于在不需要结构频率先验信息的情况下，对所述待测量图像序列中感兴趣区域宽频带内的目标频率基带进行滤波得到滤波后频率基带；其中，所述目标频率基带对应的带宽大于预设阈值；
放大后视频获取模块，用于利用宽带相位运动放大算法并通过预设放大因子对所述滤波后频率基带对应的目标相位差进行放大处理，以得到放大后图像序列，然后对所述放大后图像序列进行重建以得到放大后视频；
位移时程响应确定模块，用于利用亚像素模板匹配算法以及预设尺度因子确定出所述放大后视频对应的物理位移时程响应，并基于所述物理位移时程响应确定真实位移时程响应；
模态参数获取模块，用于基于所述真实位移时程响应获取所述微小振动视频中所述待测量对象结构对应的模态参数。
第三方面，本申请公开了一种电子设备，包括处理器和存储器；其中，所述处理器执行所述存储器中保存的计算机程序时实现前述公开的基于宽带相位运动放大算法的结构微小振动测量方法。
第四方面，本申请公开了一种计算机可读存储介质，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现前述公开的基于宽带相位运动放大算法的结构微小振动测量方法。
可见，本申请获取待测量对象结构的微小振动视频，并基于所述微小振动视频获取目标视频图像；对所述目标视频图像进行空域分解以得到对应的目标图像序列，并对所述目标图像序列进行降噪处理以获取待测量图像序列；利用预设放大因子对所述待测量图像序列中感兴趣区域的目标频率基带对应的目标相位差进行放大处理，以得到放大后图像序列，然后对所述放大后图像序列进行重建以得到放大后视频；其中，所述目标频率基带对应的带宽大于预设阈值；利用亚像素模板匹配算法以及预设尺度因子确定出所述放大后视频对应的物理位移时程响应，并基于所述物理位移时程响应确定真实位移时程响应；基于所述真实位移时程响应获取所述微小振动视频中所述待测量对象结构对应的模态参数。由此可见，本申请在无需结构频率的先验信息的情况下，利用宽带相位运动放大算法在感兴趣区域宽频带内进行微小运动放大处理，可对感兴趣区域宽频带内的目标频率基带对应的图像序列一次性进行放大处理。具有噪声鲁棒性好、操作简单、计算量小和实时性强等优点。另外，本申请能够实时获取微小振动视频并进行测量；并且，通过对目标图像序列进行降噪处理获取待测量图像序列，增强了测量精度，便于得到精确的真实位移时程响应和模态参数。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请提供的一种基于宽带相位运动放大算法的结构微小振动测量方法流程图；
图2为本申请提供的一种具体的基于宽带相位运动放大算法的结构微小振动测量方法流程图；
图3为本申请提供的一种具体的位移时程响应示意图；
图4为本申请提供的一种针对桥梁的结构微小振动测量示意图；
图5为本申请提供的一种针对桥梁的基于宽带相位运动放大算法的结构微小振动测量方法流程图；
图6为本申请提供的一种结构微小振动测量系统结构示意图；
图7为本申请公开的一种电子设备结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
当前计算机视觉的振动测量技术主要是针对结构振动位移较大的情况，无法对桥梁结构的微小振动进行准确的测量。
为了克服上述问题，本申请提供了一种基于宽带相位运动放大算法的结构微小振动测量方案，能够在结构频率先验信息未知时实时测量结构微小振动情况，并得到精确结果。
参见图1所示，本申请实施例公开了一种基于宽带相位运动放大算法的结构微小振动测量方法，该方法包括：
步骤S11：获取待测量对象结构的微小振动视频，并基于所述微小振动视频获取目标视频图像。
本申请实施例中，首先通过高帧率相机或无人机拍摄待测量对象的微小振动视频，由于，测量过程是针对图像的，所以需要将视频进行分帧处理，对所述微小振动视频进行分帧处理后，得到微小振动视频图像，然后修改所述微小振动视频图像的格式参数以得到修改后视频图像；然后利用数字图像处理软件对所述修改后视频图像进行旋转、裁剪和缩放处理得到处理后视频图像，并将满足预设噪声条件的所述处理后视频图像确定为所述待测量对象对应的目标视频图像。需要指出的是，所述待测量对象可以是桥梁，桥梁在随机车辆荷载和人群荷载的作用下会发生振动；另外，所述满足预设噪声条件表示噪声较小，可以理解的是，此时，需要将含有较大噪声的图像进行初步剔除，避免在进行之后的运动放大处理时，噪声也被放大，由此，可排除噪声对运动放大结果的影响。
步骤S12：对所述目标视频图像进行空域分解以得到对应的目标图像序列，并对所述目标图像序列进行降噪处理以获取待测量图像序列。
本申请实施例中，利用复可操控金字塔(Complex Steerable Pyramid，CSP)对待测量对象的目标图像视频进行空域分解，得到不同尺度、不同方向和不同位置的目标图像序列，可由此目标图像序列实现待测量对象结构的微小振动视频中局部相位对局部运动的表达。需要指出的是，所述目标图像序列包括目标高通残差部分、目标可用图像序列和目标低通残差部分的目标图像序列；其中，目标可用图像序列包含不同频率基带的相位信息。
本申请实施例中，在获得目标图像序列之后，需要进一步对所述图像序列进行降噪处理，以得到待测量图像序列，具体的，利用二维Gabor小波滤波器提取所述目标图像序列的纹理特征，并对所述目标图像序列中除所述纹理特征之外的图像信息进行平移处理，以完成对所述目标图像序列的降噪处理，得到相应的待测量图像序列；其中，所述待测量图像序列中包括待测量高通残差部分、待测量可用图像序列和待测量低通残差部分。需要指出的是，所述二维Gabor小波滤波器对于图像的边缘信息较为敏感，能够提供良好的方向选择和尺度选择特性，另外，所述二维Gabor小波滤波器可用于空间滤波。可以理解的是，使用二维Gabor小波滤波器进行降噪处理，有效避免了噪声在运动放大时产生的伪影。
需要指出的是，二维Gabor小波滤波器是高斯函数调制的正弦函数，其复数表达式如下所示：
Figure BDA0003746848580000071
实数部分如下所示：
Figure BDA0003746848580000081
虚数部分如下所示；
Figure BDA0003746848580000082
式中，λ表示正弦函数的波长；ψ表示调谐函数的相位偏移量；γ决定Gabor函数的空间长宽比；σ为高斯函数标准差，决定二维Gabor滤波器核可接受区域的大小；θ表示二维Gabor小波滤波器核的方向，且θ∈[0°,360°]；x和y为图像的像素坐标；exp表示指数计算。
需要指出的是，xθ和yθ包含了视频图像序列的方向信息和空间信息，如下所示：
Figure BDA0003746848580000083
步骤S13：在不需要结构频率先验信息的情况下，对所述待测量图像序列中感兴趣区域宽频带内的目标频率基带进行滤波得到滤波后频率基带；其中，所述目标频率基带对应的带宽大于预设阈值。
步骤S14：利用宽带相位运动放大算法并通过预设放大因子对所述滤波后频率基带对应的目标相位差进行放大处理，以得到放大后图像序列，然后对所述放大后图像序列进行重建以得到放大后视频。
本申请实施例中，由于上述不需要结构频率先验信息，因此进行放大处理时，使用的是相同的预设放大因子，只需进行一次放大，运算量较小。
本申请实施例中，相位运动放大算法是一种用于改变视频中感兴趣区域的运动幅度的技术，称之为视频运动放大技术，可以将视频中的微小运动变化放大转变为肉眼可以观察的变化，将亚像素级别的微小位移放大到像素级的肉眼可见的运动变化，通过视频放大理论，可以将视频中的微小运动进行放大，从而可以可视化振动的过程，清晰的反应振动现象，为视觉测量提供了另一种思路，在此基础上，本申请中提出了使用宽带相位运动放大算法(Broad-band Phase-based Motion Magnification，BPMM)，所述宽带相位运动放大算法是在感兴趣区域宽频带内进行微小运动放大处理，无需结构频率的先验信息，可对感兴趣区域宽频带内的目标频率基带对应的图像序列一次性进行放大处理，具有噪声鲁棒性好、操作简单、计算量小和实时性强等优点。
本申请实施例中，放大时使用的图像序列为待测量图像序列中的待测量可用图像序列，待测量图像序列中的待测量高通残差部分和待测量低通残差部分不被放大。确定所述待测量可用图像序列中的感兴趣区域(region of interest，ROI)对应的目标频率基带，并确定所述目标频率基带对应的原始相位；将所述原始相位确定为所述待测量可用图像序列对应的目标视频图像的目标相位；将第一帧所述目标视频图像的目标相位与其他帧所述目标视频图像的目标相位之间的相位差，作为相应的其他帧所述目标视频图像对应的待测量可用图像序列中的感兴趣区域对应的目标频率基带的目标相位差；利用所述预设放大因子对所有所述目标相位差进行放大处理，以得到放大后相位差，并利用所述放大后相位差计算放大后目标频率基带，然后基于所述放大后频率基带获得放大后可用图像序列；基于所述放大后可用图像序列、待测量高通残差部分和待测量低通残差部分获得放大后图像序列。需要指出的是，所述目标频率基带为[fmin,fmax]；其中，fmin为所述目标频率基带的低频截止频率，fmax为所述目标频率基带的高频截止频率；另外所述预设放大因子可用α表示。
本申请实施例中，在得到放大后图像序列之后，利用复可操控金字塔(ComplexSteerable Pyramid，CSP)对所述放大后图像序列进行重建以得到放大后视频。
本申请实施例中，进行放大时，首先利用I(x,y,t)表示待测量对象的目标视频图像的位置(x,y)在t时刻的图像强度，即I(x,y,0)＝f(x,y)。当待测量对象发生微小振动位移δ(x,t)和δ(y,t)时，图像强度为I(x,y,t)＝f(x+δ(x,t),y+δ(y,t))；然后，通过傅里叶变换将输入的视频信号转化为频域信号，如下所示：
当t＝0时：
Figure BDA0003746848580000091
当t>0时：
Figure BDA0003746848580000092
上式中，Lω(x,y,t)为待测量对象振动频率ωi所对应的频率基带；Aω(x,y,t)为待测量对象的振动幅值；eiω(x,y)和eiω(x+δ(x,t),y+δ(y,t))分别为t＝0和t>0包含待测量对象结构运动的相位信息，将t>0和t＝0时刻的相位进行相减，即可得到相位差，所述相位差如下所示：
Kω(x,y,t)＝ω(δ(x,t),δ(y,t))；
将相位差与放大因子相乘得到放大后相位差：
Figure BDA0003746848580000101
此时，目标频率基带在时域中的放大结果如下所示：
Figure BDA0003746848580000102
最后放大结果如下所示：
Figure BDA0003746848580000103
之后，对所述放大后图像序列进行重建以得到放大后视频。
步骤S15：利用亚像素模板匹配算法以及预设尺度因子确定出所述放大后视频对应的物理位移时程响应，并基于所述物理位移时程响应确定真实位移时程响应。
本申请实施例中，首先用亚像素模板匹配算法以及预设尺度因子确定出所述放大后视频对应的物理位移时程响应，由于物理位移时程响应并不是真正的现实中的位移时程响应，因此，需要基于所述物理位移时程响应确定真实位移时程响应。
步骤S16：基于所述真实位移时程响应获取所述微小振动视频中所述待测量对象结构对应的模态参数。
本申请实施例中，确定出真实位移时程响应之后，利用快速傅里叶变换并基于所述真实位移时程响应获取所述微小振动视频中所述待测量对象的模态频率，然后利用半功率法并基于所述模态频率获取所述微小振动视频中所述待测量对象的阻尼比；利用协方差驱动随机子空间算法(COV-SSI)并基于所述真实位移时程响应获取所述微小振动视频中所述待测量对象的模态振型。需要指出的是，所述模态振型也指高精度振型；当所述待测量对象为桥梁时，所述模态频率为竖向振动频率，但不可忽视的是，桥梁的振动分为竖向振动(竖直面内的振动)，横向振动(水平面内的振动)和扭转振动。
可见，本申请获取待测量对象结构的微小振动视频，并基于所述微小振动视频获取目标视频图像；对所述目标视频图像进行空域分解以得到对应的目标图像序列，并对所述目标图像序列进行降噪处理以获取待测量图像序列；在不需要结构频率先验信息的情况下，对所述待测量图像序列中感兴趣区域宽频带内的目标频率基带进行滤波得到滤波后频率基带；其中，所述目标频率基带对应的带宽大于预设阈值；利用宽带相位运动放大算法并通过预设放大因子对所述滤波后频率基带对应的目标相位差进行放大处理，以得到放大后图像序列，然后对所述放大后图像序列进行重建以得到放大后视频；利用亚像素模板匹配算法以及预设尺度因子确定出所述放大后视频对应的物理位移时程响应，并基于所述物理位移时程响应确定真实位移时程响应；基于所述真实位移时程响应获取所述微小振动视频中所述待测量对象结构对应的模态参数。由此可见，本申请在无需结构频率的先验信息的情况下，利用宽带相位运动放大算法在感兴趣区域宽频带内进行微小运动放大处理，可对感兴趣区域宽频带内的目标频率基带对应的图像序列一次性进行放大处理。具有噪声鲁棒性好、操作简单、计算量小和实时性强等优点。另外，本申请能够实时获取微小振动视频并进行测量；并且，利用二维Gabor小波滤波器对目标图像序列进行降噪处理获取待测量图像序列，增强了测量精度，便于得到精确的真实位移时程响应和模态参数。
参见图2所示，本申请实施例公开了一种具体的基于宽带相位运动放大算法的结构微小振动测量方法，该方法包括：
步骤S21：获取待测量对象结构的微小振动视频，并基于所述微小振动视频获取目标视频图像。
其中，关于步骤S21的更加具体的处理过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
步骤S22：对所述目标视频图像进行空域分解以得到对应的目标图像序列，并对所述目标图像序列进行降噪处理以获取待测量图像序列。
其中，关于步骤S22的更加具体的处理过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
步骤S23：在不需要结构频率先验信息的情况下，对所述待测量图像序列中感兴趣区域宽频带内的目标频率基带进行滤波得到滤波后频率基带；其中，所述目标频率基带对应的带宽大于预设阈值。
其中，关于步骤S23的更加具体的处理过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
步骤S24：利用宽带相位运动放大算法并通过预设放大因子对所述滤波后频率基带对应的目标相位差进行放大处理，以得到放大后图像序列，然后对所述放大后图像序列进行重建以得到放大后视频。
其中，关于步骤S24的更加具体的处理过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
步骤S25：对所述放大后视频进行分帧处理以得到放大后视频图像，并利用亚像素模板匹配算法分别计算第一帧放大后视频图像与其他帧放大后视频图像之间的亚像素位移。
本申请实施例中，利用亚像素模板匹配算法计算亚像素位移时，是针对两帧图像进行的，因此需要对所述放大后视频进行分帧处理以得到放大后视频图像，然后利用亚像素模板匹配算法分别计算第一帧放大后视频图像与其他帧放大后视频图像之间的亚像素位移。
需要指出的是，列举的计算亚像素位移的过程如下所示：首先，假设有两张具有相同尺寸(M×N)的图像f(x,y)和h(x,y)，其中h(x,y)与参考图像f(x,y)具有相对平移，通过傅里叶变换后f(x,y)和h(x,y)之间的相互关系可以定义为：
Figure BDA0003746848580000121
式中，M和N是图像尺寸；(x0,y0)是坐标位移的量；*表示复共轭；F(u,v)和H*(u,v)分别表示f(x,y)和h(x,y)的离散傅里叶变换(Discrete Fourier Transform,DFT)。
F(u,v)的表达式如下所示：
Figure BDA0003746848580000122
需要指出的是，确定互相关关系Rfh之后，在Rfh的峰值附近的领域内进行基于时效性矩阵乘法DFT互相关提取待测量对象振动的亚像素位移，可以理解的是，也可以通过Rfh的峰值提取待测量对象振动的像素位移，但此处利用亚像素位移，因此，不必计算像素位移。
需要指出的是，第一帧放大后视频图像可表示为参考图像f(x,y)；其他帧放大后视频图像可表示为h(x,y)。
步骤S26：根据预设尺度因子将所有所述亚像素位移转换为物理位移，并基于所有所述物理位移确定出物理位移时程响应，然后基于所述物理位移时程响应确定真实位移时程响应。
本申请实施例中，亚像素位移并不是现实中的位移，因此，获得亚像素位移之后，需要将亚像素位移转换为物理位移，转换过程中根据预设尺度因子将所有所述亚像素位移转换为物理位移，然后基于所有所述物理位移确定出物理位移时程响应。
需要指出的是，转换过程中使用的预设尺度因子根据实际情况发生改变。当相机光轴与待测量对象结构平面垂直时，即光轴与结构平面法线共线，预设尺度因子s如下所示：
Figure BDA0003746848580000131
或/>
Figure BDA0003746848580000132
当相机光轴与待测量对象结构平面不垂直，即光轴与结构平面法线存在夹角θ时，预设尺度因子s如下所示：
Figure BDA0003746848580000133
上式中，D为结构平面内选定物体的尺寸；d为其在图像平面的对应像素个数；f为镜头焦距；Z为相机到结构平面的距离；dpixel为像素尺寸。
本申请实施例中，基于宽带相位运动放大算法对待测量对象的结构微小振动进行放大处理时，将待测量对象的结构微小振动幅值放大了α倍，因此物理位移时程响应也不是现实中的位移，因此获得物理位移时程响应后，基于所述物理位移时程响应确定真实位移时程响应。具体的，根据所述预设放大因子确定目标因子，并基于所述目标因子对所述物理位移时程响应进行归一化处理以确定真实位移时程响应。
需要指出的是，根据预设放大因子α将确定目标因子为1+α，将放大后的位移除以1+α，对运动进行归一化处理获取桥梁结构微小振动的真实位移时程响应。具体的，如图3所示，展示了未进行宽带相位运动放大时的位移，宽带相位运动放大后位移和真实位移。未进行宽带相位运动放大时的位移如下所示：
x＝A+δ；
式中，x为待测量对象结构微小振动的位移；A为待测量对象结构微小振动的位移幅值；δ为由视频光照变化噪声引起的位移识别误差。
宽带相位运动放大后位移如下所示：
xm＝(1+α)A+δ；
式中，xm为宽带相位运动放大后位移；α为预设放大因子。
对宽带相位运动放大后位移进行归一化处理后忽的真实位移，真实位移如下所示：
Figure BDA0003746848580000141
式中，1+α为目标因子，用于归一化处理。
步骤S27：基于所述真实位移时程响应获取所述微小振动视频中所述待测量对象结构对应的模态参数。
其中，关于步骤S27的更加具体的处理过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
可见，本申请获取待测量对象结构的微小振动视频，并基于所述微小振动视频获取目标视频图像；对所述目标视频图像进行空域分解以得到对应的目标图像序列，并对所述目标图像序列进行降噪处理以获取待测量图像序列；在不需要结构频率先验信息的情况下，对所述待测量图像序列中感兴趣区域宽频带内的目标频率基带进行滤波得到滤波后频率基带；其中，所述目标频率基带对应的带宽大于预设阈值；利用宽带相位运动放大算法并通过预设放大因子对所述滤波后频率基带对应的目标相位差进行放大处理，以得到放大后图像序列，然后对所述放大后图像序列进行重建以得到放大后视频；对所述放大后视频进行分帧处理以得到放大后视频图像，并利用亚像素模板匹配算法分别计算第一帧放大后视频图像与其他帧放大后视频图像之间的亚像素位移；根据预设尺度因子将所有所述亚像素位移转换为物理位移，并基于所有所述物理位移确定出物理位移时程响应，然后基于所述物理位移时程响应确定真实位移时程响应；基于所述真实位移时程响应获取所述微小振动视频中所述待测量对象结构对应的模态参数。由此可见，本申请在无需结构频率的先验信息的情况下，利用宽带相位运动放大算法在感兴趣区域宽频带内进行微小运动放大处理，可对感兴趣区域宽频带内的目标频率基带对应的图像序列一次性进行放大处理。具有噪声鲁棒性好、操作简单、计算量小和实时性强等优点；另外，本申请能够实时获取微小振动视频并进行测量；并且，通过对目标图像序列进行降噪处理获取待测量图像序列，增强了测量精度，便于得到精确的真实位移时程响应和模态参数。
参见图4所示，为针对桥梁的结构微小振动测量的步骤，包括视频采集模块、振动提取模块和模态分析模块。视频采集模块表示利用高帧率相机获取桥梁结构的微小振动视频；振动提取模块表示对获取的微小振动视频进行视频预处理得到处理后视频，然后利用运动放大方法将处理后视频进行放大处理，并利用亚像素模板匹配算法计算桥梁结构的振动位移时程，然后对所述振动位移时程进行位移归一化处理得到桥梁的真实位移时程，最后利用真实位移时程获得模态参数。其中ROI(region of interest)为感兴趣区域。
参见图5所示，为针对桥梁的结构微小振动测量的具体步骤，步骤S31：通过高帧率相机或无人机拍摄桥梁结构的微小振动视频，并修改所述微小振动视频对应的视频图像的格式参数获得修改后视频图像，然后利用数字图像处理软件对修改后视频图像进行旋转、裁剪和缩放处理得到目标视频图像；步骤S32：对目标视频图像进行空域分解得到不同尺度、不同方向和不同位置的图像序列，并利用二维Gabor小波滤波器提取所述图像序列的纹理特征，以完成对所述图像序列的降噪处理得到待测量图像序列；步骤S33：在不需要结构频率先验信息的情况下，对所述待测量图像序列中感兴趣区域宽频带内的目标频率基带进行滤波得到滤波后频率基带；其中，所述目标频率基带对应的带宽大于预设阈值；步骤S34：利用宽带相位运动放大算法并通过预设放大因子对所述滤波后频率基带对应的目标相位差进行放大处理，以得到放大后图像序列，然后对所述放大后图像序列进行重建以得到放大后视频；步骤S35：利用亚像素模板匹配算法从放大后视频中获取桥梁的亚像素位移时程响应，并利用所述亚像素位移时程响应获取物理位移时程响应，然后对物理位移时程响应进行归一化处理得到真实位移时程响应；步骤S36：基于真实位移时程响应根据快速傅里叶变换、协方差驱动随机子空间算法和半功率算法分别识别桥梁的模态频率、模态振型和阻尼比。需要指出的是，步骤S33中，所述待测量图像序列包括待测量高通残差部分、待测量可用图像序列和待测量低通残差部分，对待测量图像序列中待测量可用图像序列的感兴趣区域对应的目标频率基带的微小振动进行放大处理，以得到放大后可用图像序列，并基于放大后可用图像序列、待测量高通残差部分和待测量低通残差部分得到放大后图像序列，然后根据所述放大后视频图像进行重建得到放大后视频。具体的，所述对微小振动进行放大处理指对相位差进行放大处理。
参见图6所示，本申请实施例公开了一种基于宽带相位运动放大算法的结构微小振动测量系统，包括：
图像获取模块11，用于获取待测量对象结构的微小振动视频，并基于所述微小振动视频获取目标视频图像；
图像序列获取模块12，用于对所述目标视频图像进行空域分解以得到对应的目标图像序列，并对所述目标图像序列进行降噪处理以获取待测量图像序列；
滤波模块13，用于在不需要结构频率先验信息的情况下，对所述待测量图像序列中感兴趣区域宽频带内的目标频率基带进行滤波得到滤波后频率基带；其中，所述目标频率基带对应的带宽大于预设阈值；
放大后视频获取模块14，用于利用宽带相位运动放大算法并通过预设放大因子对所述滤波后频率基带对应的目标相位差进行放大处理，以得到放大后图像序列，然后对所述放大后图像序列进行重建以得到放大后视频；
位移时程响应确定模块15，用于利用亚像素模板匹配算法以及预设尺度因子确定出所述放大后视频对应的物理位移时程响应，并基于所述物理位移时程响应确定真实位移时程响应；
模态参数获取模块16，用于基于所述真实位移时程响应获取所述微小振动视频中所述待测量对象结构对应的模态参数。
其中，关于上述各个模块更加具体的工作过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
可见，本申请获取待测量对象结构的微小振动视频，并基于所述微小振动视频获取目标视频图像；对所述目标视频图像进行空域分解以得到对应的目标图像序列，并对所述目标图像序列进行降噪处理以获取待测量图像序列；在不需要结构频率先验信息的情况下，对所述待测量图像序列中感兴趣区域宽频带内的目标频率基带进行滤波得到滤波后频率基带；其中，所述目标频率基带对应的带宽大于预设阈值；利用宽带相位运动放大算法并通过预设放大因子对所述滤波后频率基带对应的目标相位差进行放大处理，以得到放大后图像序列，然后对所述放大后图像序列进行重建以得到放大后视频；利用亚像素模板匹配算法以及预设尺度因子确定出所述放大后视频对应的物理位移时程响应，并基于所述物理位移时程响应确定真实位移时程响应；基于所述真实位移时程响应获取所述微小振动视频中所述待测量对象结构对应的模态参数。由此可见，本申请在无需结构频率的先验信息的情况下，利用宽带相位运动放大算法在感兴趣区域宽频带内进行微小运动放大处理，可对感兴趣区域宽频带内的目标频率基带对应的图像序列一次性进行放大处理。具有噪声鲁棒性好、操作简单、计算量小和实时性强等优点；另外，本申请能够实时获取微小振动视频并进行测量；并且，通过对目标图像序列进行降噪处理获取待测量图像序列，增强了测量精度，便于得到精确的真实位移时程响应和模态参数。
进一步的，本申请实施例还提供了一种电子设备，图7是根据一示例性实施例示出的电子设备20结构图，图中的内容不能认为是对本申请的使用范围的任何限制。
图7为本申请实施例提供的一种电子设备20的结构示意图。该电子设备20，具体可以包括：至少一个处理器21、至少一个存储器22、电源23、输入输出接口24、通信接口25和通信总线26。其中，所述存储器22用于存储计算机程序，所述计算机程序由所述处理器21加载并执行，以实现前述任意实施例公开的基于宽带相位运动放大算法的结构微小振动测量方法的相关步骤。
本实施例中，电源23用于为电子设备20上的各硬件设备提供工作电压；通信接口25能够为电子设备20创建与外界设备之间的数据传输通道，其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议，在此不对其进行具体限定；输入输出接口24，用于获取外界输入数据或向外界输出数据，其具体的接口类型可以根据具体应用需要进行选取，在此不进行具体限定。
另外，存储器22作为资源存储的载体，可以是只读存储器、随机存储器、磁盘或者光盘等，存储器22作为可以包括作为运行内存的随机存取存储器和用于外部内存的存储用途的非易失性存储器，其上的存储资源包括操作系统221、计算机程序222等，存储方式可以是短暂存储或者永久存储。
其中，操作系统221用于管理与控制源主机上电子设备20上的各硬件设备以及计算机程序222，操作系统221可以是Windows、Unix、Linux等。计算机程222除了包括能够用于完成前述任一实施例公开的由电子设备20执行的基于宽带相位运动放大算法的结构微小振动测量方法的计算机程序之外，还可以进一步包括能够用于完成其他特定工作的计算机程序。
本实施例中，所述输入输出接口24具体可以包括但不限于USB接口、硬盘读取接口、串行接口、语音输入接口、指纹输入接口等。
进一步的，本申请实施例还公开了一种计算机可读存储介质，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现前述公开的基于宽带相位运动放大算法的结构微小振动测量方法。
关于该方法的具体步骤可以参考前述实施例中公开的相应内容，在此不再进行赘述
这里所说的计算机可读存储介质包括随机存取存储器(Random Access Memory，RAM)、内存、只读存储器(Read-Only Memory，ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、磁碟或者光盘或技术领域内所公知的任意其他形式的存储介质。其中，所述计算机程序被处理器执行时实现前述基于宽带相位运动放大算法的结构微小振动测量方法。关于该方法的具体步骤可以参考前述实施例中公开的相应内容，在此不再进行赘述。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的基于宽带相位运动放大算法的结构微小振动测量方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种基于宽带相位运动放大算法的结构微小振动测量方法、系统、设备及介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种基于宽带相位运动放大算法的结构微小振动测量方法，其特征在于，包括：
获取待测量对象结构的微小振动视频，并基于所述微小振动视频获取目标视频图像；
对所述目标视频图像进行空域分解以得到对应的目标图像序列，并对所述目标图像序列进行降噪处理以获取待测量图像序列；
在不需要结构频率先验信息的情况下，对所述待测量图像序列中感兴趣区域宽频带内的目标频率基带进行滤波得到滤波后频率基带；其中，所述目标频率基带对应的带宽大于预设阈值；
利用宽带相位运动放大算法并通过预设放大因子对所述滤波后频率基带对应的目标相位差进行放大处理，以得到放大后图像序列，然后对所述放大后的图像序列进行重建以得到放大后视频；
利用亚像素模板匹配算法以及预设尺度因子确定出所述放大后视频对应的物理位移时程响应，并基于所述物理位移时程响应确定真实位移时程响应；
基于所述真实位移时程响应获取所述微小振动视频中所述待测量对象结构对应的模态参数。
2.根据权利要求1所述的基于宽带相位运动放大算法的结构微小振动测量方法，其特征在于，所述获取待测量对象结构的微小振动视频，并基于所述微小振动视频获取目标视频图像，包括：
获取待测量对象结构的微小振动视频，并对所述微小振动视频进行分帧处理以得到微小振动视频图像，然后修改所述微小振动视频图像的格式参数以得到修改后视频图像；
对所述修改后视频图像进行旋转、裁剪和缩放处理得到处理后视频图像，并将满足预设噪声条件的所述处理后视频图像确定为所述待测量对象对应的目标视频图像。
3.根据权利要求1所述的基于宽带相位运动放大算法的结构微小振动测量方法，其特征在于，所述对所述目标视频图像进行空域分解以得到对应的目标图像序列，并对所述目标图像序列进行降噪处理以获取待测量图像序列，包括：
对所述目标视频图像进行空域分解，以得到包括目标高通残差部分、目标可用图像序列和目标低通残差部分的目标图像序列；
利用二维Gabor小波滤波器提取所述目标图像序列的纹理特征，并对所述目标图像序列中除所述纹理特征之外的图像信息进行平移处理，以完成对所述目标图像序列的降噪处理，得到相应的待测量图像序列；其中，所述待测量图像序列中包括待测量高通残差部分、待测量可用图像序列和待测量低通残差部分。
4.根据权利要求3所述的基于宽带相位运动放大算法的结构微小振动测量方法，其特征在于，所述利用宽带相位运动放大算法并通过预设放大因子对所述滤波后频率基带对应的目标相位差进行放大处理，以得到放大后图像序列，包括：
确定所述滤波后频率基带对应的原始相位，并将所述原始相位确定为所述待测量可用图像序列对应的目标视频图像的目标相位；
将第一帧所述目标视频图像的目标相位与其他帧所述目标视频图像的目标相位之间的相位差，作为相应的其他帧所述目标视频图像对应的待测量可用图像序列中的感兴趣区域对应的目标频率基带的目标相位差；
通过所述预设放大因子对所有所述目标相位差进行放大处理，以得到放大后相位差，并利用所述放大后相位差计算放大后目标频率基带，然后基于所述放大后频率基带获得放大后可用图像序列；
基于所述放大后可用图像序列、待测量高通残差部分和待测量低通残差部分获得放大后图像序列。
5.根据权利要求1所述的基于宽带相位运动放大算法的结构微小振动测量方法，其特征在于，所述利用亚像素模板匹配算法以及预设尺度因子确定出所述放大后视频对应的物理位移时程响应，包括：
对所述放大后视频进行分帧处理以得到放大后视频图像，并利用亚像素模板匹配算法分别计算第一帧放大后视频图像与其他帧放大后视频图像之间的亚像素位移；
根据预设尺度因子将所有所述亚像素位移转换为物理位移，并基于所有所述物理位移确定出物理位移时程响应。
6.根据权利要求1所述的基于宽带相位运动放大算法的结构微小振动测量方法，其特征在于，所述基于所述物理位移时程响应确定真实位移时程响应，包括：
根据所述预设放大因子确定目标因子，并基于所述目标因子对所述物理位移时程响应进行归一化处理以确定真实位移时程响应。
7.根据权利要求1至6任一项所述的基于宽带相位运动放大算法的结构微小振动测量方法，其特征在于，所述基于所述真实位移时程响应获取所述微小振动视频中所述待测量对象结构对应的模态参数，包括：
利用快速傅里叶变换并基于所述真实位移时程响应获取所述微小振动视频中所述待测量对象的模态频率，然后利用半功率法并基于所述模态频率获取所述微小振动视频中所述待测量对象的阻尼比；
利用协方差驱动随机子空间算法并基于所述真实位移时程响应获取所述微小振动视频中所述待测量对象的模态振型。
8.一种基于宽带相位运动放大算法的结构微小振动测量系统，其特征在于，包括：
图像获取模块，用于获取待测量对象结构的微小振动视频，并基于所述微小振动视频获取目标视频图像；
图像序列获取模块，用于对所述目标视频图像进行空域分解以得到对应的目标图像序列，并对所述目标图像序列进行降噪处理以获取待测量图像序列；
滤波模块，用于在不需要结构频率先验信息的情况下，对所述待测量图像序列中感兴趣区域宽频带内的目标频率基带进行滤波得到滤波后频率基带；其中，所述目标频率基带对应的带宽大于预设阈值；
放大后视频获取模块，用于利用宽带相位运动放大算法并通过预设放大因子对所述滤波后频率基带对应的目标相位差进行放大处理，以得到放大后图像序列，然后对所述放大后图像序列进行重建以得到放大后视频；
位移时程响应确定模块，用于利用亚像素模板匹配算法以及预设尺度因子确定出所述放大后视频对应的物理位移时程响应，并基于所述物理位移时程响应确定真实位移时程响应；
模态参数获取模块，用于基于所述真实位移时程响应获取所述微小振动视频中所述待测量对象结构对应的模态参数。
CN202210826667.1A 2022-07-14 2022-07-14 基于宽带相位运动放大的结构微小振动测量方法与系统 Active CN114993452B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210826667.1A CN114993452B (zh) 2022-07-14 2022-07-14 基于宽带相位运动放大的结构微小振动测量方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210826667.1A CN114993452B (zh) 2022-07-14 2022-07-14 基于宽带相位运动放大的结构微小振动测量方法与系统

Publications (2)

Publication Number Publication Date
CN114993452A CN114993452A (zh) 2022-09-02
CN114993452B true CN114993452B (zh) 2023-03-24

Family

ID=83021656

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210826667.1A Active CN114993452B (zh) 2022-07-14 2022-07-14 基于宽带相位运动放大的结构微小振动测量方法与系统

Country Status (1)

Country Link
CN (1) CN114993452B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115683431B (zh) * 2023-01-03 2023-08-18 湖南大学 基于直线跟踪算法的拉索索力确定方法、装置及设备
CN117392106A (zh) * 2023-11-07 2024-01-12 中交公路长大桥建设国家工程研究中心有限公司 一种基于视觉增强的桥梁振动视觉检测方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110823358A (zh) * 2019-11-08 2020-02-21 重庆邮电大学 一种基于视觉处理的建筑振动位移测量方法
CN111784647A (zh) * 2020-06-19 2020-10-16 西北工业大学 基于视频振动放大的高精度结构模态测试方法
WO2021036638A1 (zh) * 2019-04-26 2021-03-04 深圳市豪视智能科技有限公司 桥梁振动检测方法及相关装置
WO2021052025A1 (zh) * 2019-04-26 2021-03-25 深圳市豪视智能科技有限公司 电风扇振动故障检测方法及装置
CN114445404A (zh) * 2022-04-06 2022-05-06 湖南大学 基于亚像素边缘检测的结构振动响应自动识别方法及系统
CN114528887A (zh) * 2022-04-24 2022-05-24 湖南大学 基于微小振动放大技术的桥梁监测方法、系统及装置
CN114646381A (zh) * 2022-03-30 2022-06-21 西安交通大学 一种旋转机械振动测量方法、系统、设备及存储介质
CN114693653A (zh) * 2022-04-01 2022-07-01 桂林电子科技大学 基于人体浅表动脉视频精确提取脉搏波的方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021036638A1 (zh) * 2019-04-26 2021-03-04 深圳市豪视智能科技有限公司 桥梁振动检测方法及相关装置
WO2021052025A1 (zh) * 2019-04-26 2021-03-25 深圳市豪视智能科技有限公司 电风扇振动故障检测方法及装置
CN110823358A (zh) * 2019-11-08 2020-02-21 重庆邮电大学 一种基于视觉处理的建筑振动位移测量方法
CN111784647A (zh) * 2020-06-19 2020-10-16 西北工业大学 基于视频振动放大的高精度结构模态测试方法
CN114646381A (zh) * 2022-03-30 2022-06-21 西安交通大学 一种旋转机械振动测量方法、系统、设备及存储介质
CN114693653A (zh) * 2022-04-01 2022-07-01 桂林电子科技大学 基于人体浅表动脉视频精确提取脉搏波的方法
CN114445404A (zh) * 2022-04-06 2022-05-06 湖南大学 基于亚像素边缘检测的结构振动响应自动识别方法及系统
CN114528887A (zh) * 2022-04-24 2022-05-24 湖南大学 基于微小振动放大技术的桥梁监测方法、系统及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
欧拉运动放大算法在桥梁振动分析中的试验研究;楚玺 等;《公路交通科技》;20190615;第36卷(第06期);第41-47,57页 *

Also Published As

Publication number Publication date
CN114993452A (zh) 2022-09-02

Similar Documents

Publication Publication Date Title
CN114993452B (zh) 基于宽带相位运动放大的结构微小振动测量方法与系统
Liu et al. Estimating generalized gaussian blur kernels for out-of-focus image deblurring
JP2001266140A (ja) ２次元パターンの変調及び位相判定方法及び装置
Liu et al. Structural motion estimation via Hilbert transform enhanced phase-based video processing
CN107516322B (zh) 一种基于对数极空间的图像物体大小和旋转估计计算方法
Dobson et al. Fast, large-scale, particle image velocimetry-based estimations of river surface velocity
CN114782451B (zh) 工件缺陷检测方法、装置、电子设备及可读存储介质
CN111062978B (zh) 基于频域滤波技术的时空图像测流的纹理识别方法
CN115375924A (zh) 一种基于图像识别的桥梁健康监测方法与系统
CN103679167A (zh) 一种ccd图像处理的方法
Hong et al. Fast restoration approach for rotational motion blurred image based on deconvolution along the blurring paths
Miao et al. Phase-based displacement measurement on a straight edge using an optimal complex Gabor filter
Shao et al. Target-free 3D tiny structural vibration measurement based on deep learning and motion magnification
CN110751677A (zh) 一种基于改进cmt算法的视觉振动测量方法和设备
CN114445404A (zh) 基于亚像素边缘检测的结构振动响应自动识别方法及系统
AlAzawee et al. Using morphological operations—Erosion based algorithm for edge detection
CN115683431B (zh) 基于直线跟踪算法的拉索索力确定方法、装置及设备
Miao et al. Phase-based vibration imaging for structural dynamics applications: Marker-free full-field displacement measurements with confidence measures
Wang et al. Motion estimation from noisy data with unknown distributions using multi-frame phase-preserving denoising
CN116363121A (zh) 一种基于计算机视觉的拉索索力检测方法、系统及装置
CN116608937A (zh) 基于计算机视觉的大型柔性结构振动模态辨识方法与试验装置
Zhong et al. Noise reduction in modulation measurement profilometry based on the wavelet transform method
Silvetti et al. Quadratic self-correlation: An improved method for computing local fractal dimension in remote sensing imagery
CN110188601B (zh) 一种基于学习的机场遥感图像检测方法
CN110222688B (zh) 一种基于多层次相关滤波的仪表定位方法

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