CN116538949B - 一种基于时域超分辨的高速动态过程dic测量装置与方法 - Google Patents
一种基于时域超分辨的高速动态过程dic测量装置与方法 Download PDFInfo
- Publication number
- CN116538949B CN116538949B CN202310803610.4A CN202310803610A CN116538949B CN 116538949 B CN116538949 B CN 116538949B CN 202310803610 A CN202310803610 A CN 202310803610A CN 116538949 B CN116538949 B CN 116538949B
- Authority
- CN
- China
- Prior art keywords
- image
- time domain
- calculation
- dic
- dmd
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 93
- 238000005259 measurement Methods 0.000 title claims description 41
- 238000003384 imaging method Methods 0.000 claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims description 34
- 238000006073 displacement reaction Methods 0.000 claims description 15
- 230000003287 optical effect Effects 0.000 claims description 11
- 238000000691 measurement method Methods 0.000 claims description 10
- 230000001052 transient effect Effects 0.000 claims description 9
- 238000012935 Averaging Methods 0.000 claims description 6
- 238000005314 correlation function Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000006835 compression Effects 0.000 claims description 4
- 238000007906 compression Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000001351 cycling effect Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 10
- 230000015572 biosynthetic process Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 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
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种基于时域超分辨的高速动态过程DIC测量装置与方法,其中高速动态过程DIC测量装置包括高速图像采集硬件系统,所述高速图像采集硬件系统主要由DMD、成像传感器、TIR棱镜、透镜组1、透镜组2和控制处理模块组成,本发明高速动态过程DIC测量方法还包括时域超分辨重建算法和DIC应变测量,本发明集高速图像采集、重建与DIC应变测量功能于一体,在不降低相机单帧成像分辨率的条件下,实现了高速动态过程的高空间分辨率、高帧率图像采集与相应图像DIC应变测量,具有时空分辨率高、重建速度快、带宽/内存要求低、成本低、功耗低、泛化性强等优点。
Description
技术领域
本发明涉及时域超分辨率重建和高速动态过程DIC技术,具体说是一种基于时域超分辨的高速动态过程DIC测量装置与方法。
背景技术
光学测量作为一种非接触式测量方法,可以不与被测物表面接触得到全场的变形信息,具备全场、高精度、高灵敏度等特点,在高速动态过程的观察和定量测量中受到广泛应用。例如,军事应用领域中观测并分析现代武器发射、炮弹轨迹、飞行器高速飞行状态等高速变化过程中的瞬态,道路安全领域中对桥梁、道路等设施进行实时动态检测等。
借助高速图像获取方法及设备的光测图像技术,是获取被测目标的瞬态信息有效、甚至唯一可行的方法。但是高分辨率的高速相机价格昂贵,而普通相机受传感器时空分辨率、动态范围、读出噪声以及数据传输与存储速率等物理上限制约,单幅图像空间分辨率与帧率互相掣肘(即高帧率下图像的空间分辨率很低),难以获取高时空分辨率(高帧率高分辨)的图像满足对高速物理现象观测和对运动现象准确分析的需求。
时域压缩感知技术,利用图像稀疏特性以远低于奈奎斯特频率的数据采样,获得帧频远高于器件指标的高分辨图像,是视频成像和遥感等领域的研究前沿和热点。因此,本发明将时域压缩感知技术应用于光测图像的获取,使其与光测力学的分析方法相结合,突破目前传感器物理极限的制约,实现高速动态过程的测量。
发明内容
针对上述问题,本发明将时域压缩感知技术与光测技术结合,搭建一种基于时域超分辨的高速动态过程DIC测量装置与方法,在不降低相机单帧成像分辨率的条件下,实现高帧频的序列图像采集,应用于高速飞行、大型空间结构的动态变形测量等高速变化过程中的瞬态测量。
本发明解决上述技术问题所采用的技术方案为:一种基于时域超分辨的高速动态过程DIC测量装置,包括高速图像采集硬件系统,所述高速图像采集硬件系统包括成像光路和控制处理模块,所述成像光路主要由DMD、成像传感器CMOS、TIR棱镜、透镜组1和透镜组2组成,所述DMD放置于透镜组1的成像面上,透镜组2将DMD成像于CMOS感光面,被测物表面反射的光线通过透镜组1后,经TIR棱镜成像在DMD表面,DMD使用掩码对光线进行调制,以24°偏角再次进入TIR棱镜并被反射至透镜组2,最后在成像传感器CMOS成像得到高速动态过程中的测量值,所述控制处理模块用于控制整套装置并对采集的测量值、掩码数据进行处理,获取高速变化过程中的瞬态测量结果。
本发明还包括一种基于时域超分辨的高速动态过程DIC测量方法,采用上述的基于时域超分辨的高速动态过程DIC测量装置进行测量,具体包括如下步骤:
S1,采用基于时域超分辨的高速动态过程DIC测量装置进行高时空分辨率图像采集处理,具体步骤如下,
S101,搭建时域压缩感知成像光路,
搭建基于时域超分辨的高速动态过程DIC测量装置中的以DMD为核心器件设计时域分块编码曝光调制的成像光路,实现光测图像时域压缩采样;
S102,数据采集方法,
在步骤S101所述成像光路的基础上,设置曝光时间T和压缩比B,控制处理模块每隔T/B时间生成第张掩码/>,其中/>为高斯随机矩阵,通过外部电路按照/>中的“0”和“1”控制DMD镜面翻转,实现对/>时间段的成像场景/>进行空间维编码调制,掩码中的“0”表示使用DMD镜面将光线反射至光路之外,“1”表示使用DMD镜面将光线反射至光路之内,然后经过透镜2将编码后的图像聚焦到CMOS成像传感器上,在成像平面进行时域的像素堆叠,如此循环,当对B帧场景图像调制结束后,即时,曝光时间结束,控制处理模块读取CMOS得到测量值/>,实现时域压缩数据采集,调制过程中的数学模型可表示为:
(1.1)
其中表示B张掩码,/>,/>表示需要重建的B帧高速动态序列图像,/>,/>表示噪声;
S103,数据标定方法,
在步骤S102采集完数据后,需要对掩码进行标定,首先通过S102中的方法采集掩码全为“1”的调制图像/>和掩码全为“0”的调制图像/>,并使用下式进行掩码的标定:
(1.2)
其中./表示矩阵逐元素相除,表示标定后的第/>张掩码,将被输入进PnP-FastDVDNet重构算法,为了减小标定误差,式中等号右侧的每一项可以采用多幅图取平均的方法来降低随机噪声,
然后采集高速动态变化过程中的瞬态图像测量值,利用/>对每个测量值进行标定,如下式:
(1.3)
其中表示标定后的测量值,/>采用多幅图取平均的方法来降低随机噪声;
S2,基于PnP-FastDVDNet的压缩感知DIC图像重建与应变测量算法,具体步骤如下,
S201,利用PnP-FastDVDNet算法重建出原序列图像,
通过引入正则化约束,将逆向问题表示为:
(2.1)
此处的和/>是指标定后的测量值和掩码,然后利用ADMM算法分别交替求解/>、/>:
Ⅰ、给定,通过/>在线性流形/>上的欧几里得投影更新/>:
(2.2)
Ⅱ、给定,可以将更新/>视为一个去噪问题:
(2.3)
其中表示去噪器,/>为噪声估计,通过PnP-FastDVDNet算法和式(2.1)(2.2)(2.3)计算得到重建的原序列图像/>;
S202,针对高速动态变化过程中的瞬态进行应变测量,
将重建后的第一张原序列图像作为参考图像,其余序列图像作为变形图像输入到DIC应变测量方法中,所述DIC应变测量方法为变形前先在计算的域内选好一个中心,范围的参考图像子/>,经外界施加荷载后,在变形后的计算区内,选取合适的相关函数进行相关的匹配计算,找出与变形前的参考图像子区最吻合的目标图像子区,完成匹配过程的计算,即完成图像匹配,在得出匹配的结果后,再通过位移计算求出图像上像素点的位移量,然后将像素位移转换成为实际位移,利用位移场数据的数值差分的应变计算求解被测物的变形值,最后,应变计算完毕之后,查看试件的变形及应变云图,同时根据计算结果提取需要的数据进行后续分析。
作为优选,所述步骤S202中图像匹配的具体步骤如下:
①,读取变形前的图像,即作为参考图像的第一张原序列图像,将该图像以的函数形式表达,并在图像上选取参考子区,其大小为/>;
②,根据计算前所选取的形函数,给各个相关参数赋予初值;
③,将数据和相关参数代入形函数,得出变形后的目标图像子区,并在计算的过程中,若得出的计算坐标不在整数点上时,通过采用亚像素插值法求出目标图像子区对应非整数坐标灰度值;
④,将求出的目标图像子区代入相关函数的计算公式,计算相关系数值;
⑤,设置合理的阈值,并判断相关系数值是否大于阈值,若相关系数值大于给定的阈值则输出匹配结果,若相关系数值小于给定的阈值,则回到②步重新计算,直到计算出的相关系数值大于阈值为止。
与现有技术相比,本发明具有以下有益效果:
1、本发明具备空间分辨率高、采集速度快等优势,能在不降低相机单帧成像分辨率的条件下显著提升帧率,实现了高速动态过程的高空间分辨率、高帧率图像采集与相应图像DIC应变测量;
2、本发明装置应变测量泛化性好、鲁棒性强,采用一种即插即用的FastDVDnet网络作为重建算法的去噪器,可以将噪声估计作为输入,适应空间变化的噪声,鲁棒性强;且无需制作数据集和重新训练,即插即用,泛化性强;
3、本发明的重建速度快、应变测量精度高,重建算法的去噪器采用基于卷积神经网络的FastDVDnet模型,考虑了视频中的时序问题,去噪性能强,求解精度高;且相比于传统去噪算法,深度学习推理速度快,在GPU加速的情况下能显著降低算法求解时间;
4、本发明装置成本低、功耗低,相比同等空间分辨率、帧率的高速相机,本装置只在普通相机的基础上引入DMD、透镜等低成本、低功耗器件,可以大幅降低高速DIC中高速相机等硬件的成本和功耗;
5、本发明具有带宽/内存要求低等优势,可以将多帧的视频压缩成一张测量值,大幅度降低视频的存储内存和传输带宽需求。
附图说明
图1是本发明中高时空分辨率图像采集成像光路示意图;
图2是本发明中掩码调制原理示意图;
图3是本发明基于PnP-FastDVDNet的压缩感知DIC图像重建与应变测量算法框架图;
图4是本发明参考图像与变形图像子区匹配流程图;
图5是本发明DIC应变测量流程图;
图6是本发明中PnP-FastDVDNet算法流程图。
具体实施方式
下面将结合图1-6详细说明本发明,在此本发明的示意性实施例以及说明用来解释本发明,但并不作为对本发明的限定。
本发明针对以图像数据为信息基础和载体的光测技术,高速相机价格高昂,而普通相机空间分辨率与帧率互相掣肘、难以获取高时空分辨率图像(即高空间分辨率、高帧率)等问题,将时域压缩感知技术与光测技术结合,搭建一套基于时域超分辨的高速动态过程DIC测量装置与方法,在不降低相机单帧成像分辨率的条件下,实现高帧频的序列图像采集,应用于高速飞行、大型空间结构的动态变形测量等高速变化过程中的瞬态测量。
一种基于时域超分辨的高速动态过程DIC测量装置,包括高速图像采集硬件系统,所述高速图像采集硬件系统包括成像光路和控制处理模块,成像光路主要由DMD、成像传感器CMOS、TIR(全内反射)棱镜、透镜组1和透镜组2组成,DMD放置于透镜组1的成像面上,透镜组2将DMD成像于CMOS感光面,被测物表面反射的光线通过透镜组1后,经TIR棱镜成像在DMD表面,DMD使用掩码对光线进行调制,以24°偏角再次进入TIR棱镜并被反射至透镜组2,最后在成像传感器CMOS成像得到高速动态过程中的测量值,控制处理模块用于控制整套装置并对采集的测量值、掩码等数据进行处理,获取高速变化过程中的瞬态测量结果。
本发明还包括一种基于时域超分辨的高速动态过程DIC测量方法,采用上述的基于时域超分辨的高速动态过程DIC测量装置进行测量,具体包括如下步骤:
S1,采用基于时域超分辨的高速动态过程DIC测量装置进行高时空分辨率图像采集处理,具体步骤如下,
S101,搭建时域压缩感知成像光路,
搭建基于时域超分辨的高速动态过程DIC测量装置中的以DMD为核心器件设计时域分块编码曝光调制的成像光路,实现光测图像时域压缩采样,针对常用的DMD二次成像光路的反射镜存在倾斜、偏心等,成像光路采用图1所示的光路设计方案,即成像光路主要由DMD、成像传感器CMOS、TIR棱镜、透镜组1和透镜组2组成,DMD放置于透镜组1的成像面上,透镜组2将DMD成像于CMOS感光面,被测物表面反射的光线通过透镜组1后,经TIR棱镜成像在DMD表面,DMD使用掩码对光线进行调制,以24°偏角再次进入TIR棱镜并被反射至透镜组2,最后在成像传感器CMOS成像得到高速动态过程中的测量值;
S102,数据采集方法,
在步骤S101所述成像光路的基础上,设置曝光时间T和压缩比B,控制处理模块每隔T/B时间生成第张掩码/>,其中/>为高斯随机矩阵,通过外部电路按照/>中的“0”和“1”控制DMD镜面翻转,实现对/>时间段的成像场景/>进行空间维编码调制,根据DMD物理结构可知,通过控制小型铝制反射镜面,掩码中的“0”表示使用DMD镜面将光线反射至光路之外,“1”表示使用DMD镜面将光线反射至光路之内,从而实现调制,然后经过透镜2将编码后的图像聚焦到CMOS成像传感器上,在成像平面进行时域的像素堆叠,如此循环,当对B帧场景图像调制结束后,即/>,曝光时间结束,控制处理模块读取CMOS得到测量值/>,实现时域压缩数据采集,调制过程如图2所示,数学模型可表示为:
(1.1)
其中表示B张掩码,/>,/>表示需要重建的B帧高速动态序列图像,/>,/>表示噪声;
S103,数据标定方法,
在步骤S102采集完数据后,需要对掩码进行标定,首先通过S102中的方法采集掩码全为“1”的调制图像/>和掩码全为“0”的调制图像/>,并使用下式进行掩码的标定:
(1.2)
其中./表示矩阵逐元素相除,表示标定后的第/>张掩码,将被输入进PnP-FastDVDNet重构算法,为了减小标定误差,式中等号右侧的每一项可以采用多幅图取平均的方法来降低随机噪声,
然后采集高速动态变化过程中的瞬态图像测量值,利用/>对每个测量值进行标定,如下式:
(1.3)
其中表示标定后的测量值,/>采用多幅图取平均的方法来降低随机噪声;
S2,基于PnP-FastDVDNet的压缩感知DIC图像重建与应变测量算法,具体步骤如下,
S201,利用PnP-FastDVDNet算法重建出原序列图像,
通过引入正则化约束,将逆向问题表示为:
(2.1)
此处的和/>是指标定后的测量值和掩码,然后利用ADMM算法分别交替求解/>、/>:
Ⅰ、给定,通过/>在线性流形/>上的欧几里得投影更新/>:
(2.2)
Ⅱ、给定,可以将更新/>视为一个去噪问题:
(2.3)
其中表示去噪器,/>为噪声估计,通过PnP-FastDVDNet算法和式(2.1)(2.2)(2.3)计算得到重建的原序列图像/>;本发明使用的FastDVDnet去噪器不仅考虑了视频帧之间的时间相关性,提高序列帧图像重建质量,还将噪声估计作为输入,适应空间变化的噪声,鲁棒性强。其中PnP-FastDVDNet算法如图6所示,基于PnP-FastDVDNet的压缩感知DIC图像重建与应变测量算法框架图如图3所示;
S202,针对高速动态变化过程中的瞬态进行应变测量,
将重建后的第一张原序列图像作为参考图像,其余序列图像作为变形图像输入到DIC应变测量方法中,具体DIC应变测量流程如图5所示,DIC应变测量方法为变形前先在计算的域内选好一个中心,范围的参考图像子/>,经外界施加荷载后,在变形后的计算区内,选取合适的相关函数进行相关的匹配计算,找出与变形前的参考图像子区最吻合的目标图像子区,完成匹配过程的计算,即完成图像匹配,
其中图像匹配的具体步骤如下,且如图4所示:
①,读取变形前的图像,即作为参考图像的第一张原序列图像,将该图像以的函数形式表达,并在图像上选取参考子区,其大小为/>;
②,根据计算前所选取的形函数,给各个相关参数赋予初值;
③,将数据和相关参数代入形函数,得出变形后的目标图像子区,并在计算的过程中,若得出的计算坐标不在整数点上时,通过采用亚像素插值法求出目标图像子区对应非整数坐标灰度值;
④,将求出的目标图像子区代入相关函数的计算公式,计算相关系数值;
⑤,设置合理的阈值,并判断相关系数值是否大于阈值,若相关系数值大于给定的阈值则输出匹配结果,若相关系数值小于给定的阈值,则回到②步重新计算,直到计算出的相关系数值大于阈值为止。
在得出匹配的结果后,再通过位移计算求出图像上像素点的位移量,然后将像素位移转换成为实际位移,利用位移场数据的数值差分的应变计算求解被测物的变形值,最后,应变计算完毕之后,查看试件的变形及应变云图,同时根据计算结果提取需要的数据进行后续分析。
本发明集高速图像采集、重建与DIC应变测量功能于一体,在不降低相机单帧成像分辨率的条件下,实现了高速动态过程的高空间分辨率、高帧率图像采集与相应图像DIC应变测量,具有时空分辨率高、重建速度快、带宽/内存要求低、成本低、功耗低、泛化性强等优点。
以上对本发明实施例所提供的技术方案进行了详细介绍,本文中应用了具体个例对本发明实施例的原理以及实施方式进行了阐述,以上实施例的说明只适用于帮助理解本发明实施例的原理;同时,对于本领域的一般技术人员,依据本发明实施例,在具体实施方式以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 (2)
1.一种基于时域超分辨的高速动态过程DIC测量方法,其特征在于:所使用的基于时域超分辨的高速动态过程DIC测量装置包括高速图像采集硬件系统,所述高速图像采集硬件系统包括成像光路和控制处理模块,所述成像光路主要由DMD、成像传感器CMOS、TIR棱镜、透镜组1和透镜组2组成,所述DMD放置于透镜组1的成像面上,透镜组2将DMD成像于CMOS感光面,被测物表面反射的光线通过透镜组1后,经TIR棱镜成像在DMD表面,DMD使用掩码对光线进行调制,以24°偏角再次进入TIR棱镜并被反射至透镜组2,最后在成像传感器CMOS成像得到高速动态过程中的测量值,所述控制处理模块用于控制整套装置并对采集的测量值、掩码数据进行处理,获取高速变化过程中的瞬态测量结果;
所述的基于时域超分辨的高速动态过程DIC测量方法具体包括如下步骤:
S1,采用基于时域超分辨的高速动态过程DIC测量装置进行高时空分辨率图像采集处理,具体步骤如下,
S101,搭建时域压缩感知成像光路,
搭建基于时域超分辨的高速动态过程DIC测量装置中的以DMD为核心器件设计时域分块编码曝光调制的成像光路,实现光测图像时域压缩采样;
S102,数据采集方法,
在步骤S101所述成像光路的基础上,设置曝光时间T和压缩比B,控制处理模块每隔T/B时间生成第张掩码/>,其中/>为高斯随机矩阵,通过外部电路按照中的“0”和“1”控制DMD镜面翻转,实现对/>时间段的成像场景进行空间维编码调制,掩码中的“0”表示使用DMD镜面将光线反射至光路之外,“1”表示使用DMD镜面将光线反射至光路之内,然后经过透镜2将编码后的图像聚焦到CMOS成像传感器上,在成像平面进行时域的像素堆叠,如此循环,当对B帧场景图像调制结束后,即/>,曝光时间结束,控制处理模块读取CMOS得到测量值/>,实现时域压缩数据采集,调制过程中的数学模型可表示为:
(1.1)
其中表示B张掩码,/>,/>表示需要重建的B帧高速动态序列图像,/>,/>表示噪声;
S103,数据标定方法,
在步骤S102采集完数据后,需要对掩码进行标定,首先通过S102中的方法采集掩码全为“1”的调制图像/>和掩码全为“0”的调制图像/>,并使用下式进行掩码的标定:
(1.2)
其中./表示矩阵逐元素相除,表示标定后的第/>张掩码,将被输入进PnP-FastDVDNet重构算法,为了减小标定误差,式中等号右侧的每一项可以采用多幅图取平均的方法来降低随机噪声,
然后采集高速动态变化过程中的瞬态图像测量值,利用/>对每个测量值/>进行标定,如下式:
(1.3)
其中表示标定后的测量值,/>采用多幅图取平均的方法来降低随机噪声;
S2,基于PnP-FastDVDNet的压缩感知DIC图像重建与应变测量算法,具体步骤如下,
S201,利用PnP-FastDVDNet算法重建出原序列图像,
通过引入正则化约束,将逆向问题表示为:
(2.1)
此处和/>是指标定后的测量值和掩码,然后利用ADMM算法分别交替求解/>、/>:
Ⅰ、给定,通过/>在线性流形/>上的欧几里得投影更新/>:
(2.2)
Ⅱ、给定,可以将更新/>视为一个去噪问题:
(2.3)
其中表示去噪器,/>为噪声估计,通过PnP-FastDVDNet算法和式(2.1)(2.2)(2.3)计算得到重建的原序列图像/>;
S202,针对高速动态变化过程中的瞬态进行应变测量,
将重建后的第一张原序列图像作为参考图像,其余序列图像作为变形图像输入到DIC应变测量方法中,所述DIC应变测量方法为变形前先在计算的域内选好一个中心,范围的参考图像子/>,经外界施加荷载后,在变形后的计算区内,选取合适的相关函数进行相关的匹配计算,找出与变形前的参考图像子区最吻合的目标图像子区,完成匹配过程的计算,即完成图像匹配,在得出匹配的结果后,再通过位移计算求出图像上像素点的位移量,然后将像素位移转换成为实际位移,利用位移场数据的数值差分的应变计算求解被测物的变形值,最后,应变计算完毕之后,查看试件的变形及应变云图,同时根据计算结果提取需要的数据进行后续分析。
2.根据权利要求1所述基于时域超分辨的高速动态过程DIC测量方法,其特征在于:所述步骤S202中图像匹配的具体步骤如下:
①,读取变形前的图像,即作为参考图像的第一张原序列图像,将该图像以的函数形式表达,并在图像上选取参考子区,其大小为/>;
②,根据计算前所选取的形函数,给各个相关参数赋予初值;
③,将数据和相关参数代入形函数,得出变形后的目标图像子区,并在计算的过程中,若得出的计算坐标不在整数点上时,通过采用亚像素插值法求出目标图像子区对应非整数坐标灰度值;
④,将求出的目标图像子区代入相关函数的计算公式,计算相关系数值;
⑤,设置合理的阈值,并判断相关系数值是否大于阈值,若相关系数值大于给定的阈值则输出匹配结果,若相关系数值小于给定的阈值,则回到②步重新计算,直到计算出的相关系数值大于阈值为止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310803610.4A CN116538949B (zh) | 2023-07-03 | 2023-07-03 | 一种基于时域超分辨的高速动态过程dic测量装置与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310803610.4A CN116538949B (zh) | 2023-07-03 | 2023-07-03 | 一种基于时域超分辨的高速动态过程dic测量装置与方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116538949A CN116538949A (zh) | 2023-08-04 |
CN116538949B true CN116538949B (zh) | 2023-09-15 |
Family
ID=87447399
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310803610.4A Active CN116538949B (zh) | 2023-07-03 | 2023-07-03 | 一种基于时域超分辨的高速动态过程dic测量装置与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116538949B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1322328A (zh) * | 1998-09-24 | 2001-11-14 | 英国国防部 | 有关模式识别的改进 |
WO2005088264A1 (en) * | 2004-03-06 | 2005-09-22 | Plain Sight Systems, Inc. | Hyper-spectral imaging methods and devices |
WO2012174940A1 (zh) * | 2011-06-20 | 2012-12-27 | 中国科学院空间科学与应用研究中心 | 一种极弱光多光谱成像方法及其系统 |
WO2017167937A1 (en) * | 2016-03-31 | 2017-10-05 | Koninklijke Philips N.V. | Dynamic mr imaging with increased temporal and spatial resolution |
CN107607040A (zh) * | 2017-08-11 | 2018-01-19 | 天津大学 | 一种适用于强反射表面的三维扫描测量装置及方法 |
CN110545379A (zh) * | 2019-09-09 | 2019-12-06 | 北京理工大学 | 一种采用dmd的并行时空域联合压缩成像方法及装置 |
CN110650340A (zh) * | 2019-04-25 | 2020-01-03 | 长沙理工大学 | 一种时空复用的压缩视频成像方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8405763B2 (en) * | 2010-12-23 | 2013-03-26 | Mitsubishi Electric Research Laboratories, Inc. | Video camera for reconstructing varying spatio-temporal resolution videos |
US9006633B2 (en) * | 2012-11-02 | 2015-04-14 | The United States Of America As Represented By The Secretary Of The Army | Passive imaging correction system using feedback including a variable aperture with plural settings and method thereof |
US10473916B2 (en) * | 2014-09-30 | 2019-11-12 | Washington University | Multiple-view compressed-sensing ultrafast photography (MV-CUP) |
EP3202144A4 (en) * | 2014-09-30 | 2018-06-13 | Washington University | Compressed-sensing ultrafast photography (cup) |
US10356392B2 (en) * | 2015-05-28 | 2019-07-16 | University College Cork—National Univesity of Ireland, Cork | Coded access optical sensor |
-
2023
- 2023-07-03 CN CN202310803610.4A patent/CN116538949B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1322328A (zh) * | 1998-09-24 | 2001-11-14 | 英国国防部 | 有关模式识别的改进 |
WO2005088264A1 (en) * | 2004-03-06 | 2005-09-22 | Plain Sight Systems, Inc. | Hyper-spectral imaging methods and devices |
WO2012174940A1 (zh) * | 2011-06-20 | 2012-12-27 | 中国科学院空间科学与应用研究中心 | 一种极弱光多光谱成像方法及其系统 |
WO2017167937A1 (en) * | 2016-03-31 | 2017-10-05 | Koninklijke Philips N.V. | Dynamic mr imaging with increased temporal and spatial resolution |
CN107607040A (zh) * | 2017-08-11 | 2018-01-19 | 天津大学 | 一种适用于强反射表面的三维扫描测量装置及方法 |
CN110650340A (zh) * | 2019-04-25 | 2020-01-03 | 长沙理工大学 | 一种时空复用的压缩视频成像方法 |
CN110545379A (zh) * | 2019-09-09 | 2019-12-06 | 北京理工大学 | 一种采用dmd的并行时空域联合压缩成像方法及装置 |
Non-Patent Citations (1)
Title |
---|
相机阵列测量二维应变场的高精度分析方法;邵新星;陈振宁;代祥俊;刘聪;何小元;;中国科学:技术科学(05);第483-490页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116538949A (zh) | 2023-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8139823B2 (en) | Method for capturing images comprising a measurement of local motions | |
CN110070598B (zh) | 用于3d扫描重建的移动终端及其进行3d扫描重建方法 | |
US10154216B2 (en) | Image capturing apparatus, image capturing method, and storage medium using compressive sensing | |
CN110969670B (zh) | 基于显著特征的多光谱相机动态立体标定方法 | |
CN114898125B (zh) | 基于光场成像技术的轮轴识别方法、系统及存储介质 | |
CN103905746A (zh) | 亚像素级图像偏移定位及叠加方法和装置以及视频设备 | |
CN116245726A (zh) | 基于深度学习框架的压缩感知偏振超分辨成像方法 | |
CN111598775B (zh) | 基于lstm网络的光场视频时域超分辨重建方法 | |
CN115421158A (zh) | 自监督学习的固态激光雷达三维语义建图方法与装置 | |
CN115714855A (zh) | 一种基于立体视觉与tof融合的三维视觉感知方法及系统 | |
CN116310131A (zh) | 一种考虑多视图融合策略的三维重建方法 | |
US20160255294A1 (en) | Image capturing apparatus and image processing apparatus | |
CN116538949B (zh) | 一种基于时域超分辨的高速动态过程dic测量装置与方法 | |
Zheng et al. | Exposure interpolation via hybrid learning | |
Zuo et al. | Accurate depth estimation from a hybrid event-RGB stereo setup | |
US20230245277A1 (en) | Image restoration method and device | |
US20230177771A1 (en) | Method for performing volumetric reconstruction | |
CN113808070B (zh) | 一种双目数字散斑图像相关的视差测量方法 | |
JP2017059998A (ja) | 画像処理装置およびその方法、並びに、撮像装置 | |
TW202238522A (zh) | 使用焦點資訊深度估計的方法和裝置 | |
CN114663519A (zh) | 一种多相机标定方法、装置及相关设备 | |
CN114885144A (zh) | 基于数据融合的高帧率3d视频生成方法及装置 | |
JP7286268B2 (ja) | 画像処理方法、画像処理装置、撮像装置、画像処理プログラム、および、記憶媒体 | |
CN111637837A (zh) | 一种单目摄像头测量物体尺寸及距离的方法和系统 | |
CN117615253B (zh) | 一种目标矩直接探测快速对焦的方法及设备 |
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 |