岩土材料CT图像的数字图像相关法

为探索实现数字图像相关法对岩土材料CT图像的分析计算,借助可进行原位单轴压缩的CT扫描实验系统,实时记录了石膏试样在不同应力水平下的CT图像,比较了采用不同相关系数、不同子区大小进行图像相关计算时的搜索匹配精度.针对子区线性小变形特点,利用最小二乘拟合得到位移场表达式,求导得到应变场,提高了应变计算的精度.分析结果反映了岩土材料内部非均匀变形的特征,揭示了单轴压缩下张拉破坏的特征.研究结果表明:采用数字图像相关法可以利用岩土材料CT图像求得其内部变形场.研究结论为提高求解效率和精度提供了参考.     

大变形测量数字图像的种子点匹配方法

针对数字图像相关方法中的大变形测量难题,提出了一种数字图像的种子点匹配方法.对于连续变形的图像系列,将图像子区划分后,选取其中任一子区作为种子点并进行相关匹配,根据相邻状态变形的连续性,提出了一种改进的整像素搜索方法,可保证种子点在大变形情况下仍能匹配成功.当种子点匹配完成后,根据同一状态相邻点变形的连续性,利用种子点的相关参数计算其4个邻近点的相关参数初值并完成匹配,按照同样的方法依次向外扩散,直至所有的点匹配完成.通过刚体旋转和单向拉伸实验表明,对于40°旋转图像的位移场以及高达113%的钢试件大变形,测量结果良好,具有较高的精度,证明了该方法的有效性.     

基于网格点扩散的二维DIC连续变形测量方法研究

为提高数字图像相关法（digital image correlation, DIC）测量二维连续变形时的计算效率，本文在种子点扩散法的基础上提出了网格点扩散法，实现了二维区域连续位移场以及应变场的高效测量；通过反向组合高斯牛顿法（inverse compositional Gauss-Newton method, IC-GN）实现相关匹配，结合网格点扩散以及三次样条插值得到位移场；研究多项式拟合平滑去噪方法，计算得出格林-拉格朗日应变场；对比分析网格点扩散和传统逐点相关匹配算法的计算速度以及位移测量精度。计算结果表明：本文中所提出的网格点扩散法在保证测量结果准确的同时极大地提高了计算效率。     

基于数字相关法初始值优化的微悬臂梁弯曲变形与应变测量方法

提出了一种基于数字相关法初始值优化的微悬臂梁弯曲变形与应变测量方法.基于放大的微悬臂梁表面的纹理特征,在尺度空间内进行特征点的测量与匹配,在特征点处进行高阶的数字相关法计算以得到变形参数;将特征点处的变形参数进行二维插值运算以得到任意像素点处变形参数的初始值;采用牛顿拉普森迭代方法计算在特定网格点处的变形参数,进而得到网格点处的位移和应变.通过仿真变形图像的计算结果来确定数字相关法的设定参数,对实际的微悬臂梁变形图像进行应变场计算,并与有限元法的计算结果进行比较,以验证所提出方法的有效性.     

带权重因子相关函数对数字图像算法性能的影响

在传统数字图像相关算法中,图像子区中每个像素点对相关系数的贡献是一样的,这与实际变形情况存在差异.采用一种带高斯权重因子的相关函数计算物体变形前后2幅图像的位移场,并将其与传统计算方法的计算结果进行了比较.结果表明,与传统计算方法相比,采用高斯权重因子相关函数后,数字图像相关算法的计算精度有了显著提高.     

基于高分影像和ASIFT算法的滑坡位移场监测方法

针对利用高分遥感影像和SIFT算法进行大变形滑坡位移场监测时存在的不足,引入了一种具备完全仿射不变性的图像特征匹配算法(ASIFT),对不同时相高分遥感影像进行特征点提取与匹配,并在抚顺西露天矿特大型滑坡的位移场监测中进行了应用.结果表明,与SIFT算法相比,ASIFT算法弥补了特征提取算法在仿射不变性上的不足,增加了特征匹配点,提高了滑坡空间位移矢量场标定精度,且自动化程度高、成本低,非常适合于特大型滑坡的大变形位移场监测.     

一种对薄板焊接全场变形的图像测量方法

为解决焊接过程中由于高温高亮而使焊件变形难以测量的问题,采用改进的数字图像相关法和双目立体视觉对金属薄板焊接全场变形进行测量。对弱相关图像匹配的解决方法和数字图像相关的算法进行分析,并通过去噪和分段基准保证弱相关图像的正确匹配:首先,使用高斯平滑对原始图像进行去噪处理,消除焊接强光干扰;然后,采用分段建立基准的方法解决了焊点区域因散斑质量下降而出现的难以匹配的问题。对Newton-Raphson算法的二阶梯度矩阵进行简化,提高相关计算的速度。在测量实验中,首先对板料表面进行预处理与散斑制备,然后在氩弧堆焊(TIG)过程中利用高速相机拍摄板料焊接及冷却自由变形的全过程,最后计算所有图像中变形点的位移,获得板料特别是焊缝区的全场变形数据。研究结果表明:将此方法应用于焊接变形测量,能得到整个焊接过程中任意点的变形曲线,并且可在高温焊缝区获得准确的变形趋势。测量结果可用于分析影响焊接变形的因素,进而对焊接变形实施控制,也可用于检验焊接变形数值模拟方法的正确性。     

基于数字图像相关法的混凝土全场变形测量

为了解决混凝土构件实验中大刚体位移、低应变的变形特点使常用测量技术难以胜任实验测试要求的问题,采用提高数字图像相关法(DIC)形函数阶次和选择合适的相关函数以提高图像位移模式识别的精度;结合DIC位移识别精度分析了刚体位移对变形分析的不利影响,根据双点位移识别转动角度和受力变形特点提出了刚体位移消除方法;根据混凝土构件的力学变形特性提出了由位移场求解应变分布的方法,并进行了实测验证.数字模拟试验表明,改进后的数字图像相关法能很好地消除刚体位移的影响和提高测量分析精度,实测验证实验结果也能够很好地解释构件的受力变形分布特征.与目前常用的离散、接触式测量技术相比,针对混凝土构件实验特点进行改进后的数字图像相关法能够更好地适应工程实验测试的要求.     

基于多模态传递比的旋转叶片动应变场重构方法

针对旋转叶片非接触式应力/应变测试的需求,本文提出一种基于多模态传递比的叶片动应变场重构方法。首先,基于多自由度(MDOF)系统的振动微分方程,在模态坐标系下建立位移频响函数(FRF)和应变频响函数,进而得到位移-应变响应传递比表达式;以某12扇区的叶盘为分析对象,建立叶片有限元模型并进行模态分析,通过提取多模态叶尖位移和叶身应变,得到总位移-应变传递比矩阵和定向位移-应变传递比矩阵;最后,基于Simulink平台进行旋转叶片叶尖定时采样(BTT)仿真模拟,通过周向傅里叶拟合算法(CFF)对欠采样信号进行振动位移重构,将得到的叶尖位移代入传递比表达式,得到叶身应变。研究结果表明：在非共振态下,由叶尖位移重构得到的叶身总应变与有限元分析得到的总应变相对误差为0.12%～14.56%,定向应变相对误差为1.92%～14.70%,验证了本文提出的基于多模态传递比的叶片动应变场重构方法的有效性。     

数字图像相关中的裂纹变形测量方法

为了解决传统数字图像相关法(DIC)对变形较大的裂纹边缘测量时出现的裂纹底色导致匹配相关性差、测量精度低的问题,提出一种引入高斯加权系数的裂纹边缘变形测量方法。该方法首先根据灰度梯度平方和比较算法自动调节匹配子区的高斯中心点位置;然后,通过恒定位移填充模拟试验确定高斯加权系数中高斯标准差的适用范围;最后,对传统DIC的相关系数进行高斯加权,得到新的相关系数。将所提方法与传统DIC方法和种子点方法分别应用于数字散斑模拟图像的刚体平移试验和Q235试件单向拉伸试验,测量开裂过程中图像的位移,结果表明:传统DIC测量方法不能得到完整的裂缝边缘区域的位移场,而所提方法能够准确测量出完整的裂缝区域的位移变化;传统DIC方法的测量精度仅为0.05像素,而所提方法的测量精度可达到0.01像素;所提方法在高斯标准差为1～6.5像素范围内具有最佳的匹配精度。     

一种基于不变特征的图像匹配算法

提出了一种基于图像不变特征的目标匹配算法.算法首先采用了一种改进的SIFT图像特征点提取技术提取目标的SIFT特征向量;建立改进的Kd-Tree特征结构,使用BBF搜索策略完成特征的匹配,接着建立目标的姿态变换空间对匹配点进行HOUGH聚类,去除错误的匹配点,最后对匹配点按照最小二乘法拟合出目标的姿态参数,从而完成目标的定位.实验结果表明,在目标发生平移、旋转和缩放以及场景部分遮挡、视角变化等因素引起的图像变形时,算法均能够稳定地匹配出目标.     

基于光流追踪技术的变形位移测量方法

提出一种基于金字塔Lucas Kanade光流跟踪技术的变形位移测量算法. 该算法通过检测变形前图像的角点, 先利用金字塔Lucas-Kanade算法在变形图像中搜索其匹配点, 再经计算求得变形位移值. 实验结果表明, 该算法进行变形位移测量时精度高、 稳定性好.     

一种鲁棒的二进制图像特征点描述子

为了提高特征点匹配的速度,采用二进制方法生成特征点描述,并对描述子进行了尺度和旋转适应性改进.使用特征点邻域小块中随机点的强度对比生成描述,描述子的相似度以Ham-ming距离度量,以二进制运算提高算法的时间性能.为了检验算法在视角、旋转及尺度变化时的性能,采用Wall和Graffiti图像集及相应的旋转和尺度变换图像集对算法进行测试,得到该算法在各图像集上的匹配准确率,并与SURF算法得到的结果进行比较.结果表明,在2幅图像间进行特征点匹配时,该算法的特征点描述生成时间和匹配时间分别为1 043.67和4 313.36 ms,而使用SURF算法时的相应时间分别为3 950.34和9 951.03 ms,说明该算法的时间特性明显优于SURF算法.此外,在绝大多数测试集上,该算法的匹配准确率明显高于SURF算法.     

一种基于不变特征的图像识别算法研究

深入研究了图象的不变特征,并建立了一种基于图像不变特征的目标识别算法。算法首先提取目标的SIFt特征向量,并建立改进的Kd—Tree特征结构,使用BBF搜索策略完成特征点的匹配,接着建立目标的姿态变换空间对匹配点进行HOUGH聚类,去除错误的匹配点,最后对匹配点按照最小二乘法拟合出目标的姿态参数,从而完成目标的定位。实验证明,在目标发生平移、旋转和缩放以及场景部分遮挡、视角变化等因素引起的图像变形,算法都能够稳定的识别出目标。     

数字图像相关的多尺度图像子区匹配算法

数字图像相关(DIC)是一种测量固体表面位移和应变的非接触式光学实验方法,其关键步骤是基于图像子区的图像匹配算法,但是图像子区的选择仍然是一个难题,过大或过小的图像子区都会对测量精度不利,为此,本文提出一种基于多尺度图像子区匹配的算法,利用权重函数族调整图像子区内各个像素点对图像子区相关性的贡献,使图像子区的边界完全变得模糊,实现动态调整图像子区大小,更加合适大形变或不连续形变的表面.实验结果表明,本文方法能够得到令人满意的测量效果,模拟实验中测量位移的相对误差仅为1.6%和2.8%;真实实验进一步验证了本文方法在材料表面发生不连续形变时能够有效监测到位移和应变的变化.     

结合FAST-SURF和改进k-d树最近邻查找的图像配准

针对两图像之间存在平移和旋转变化的图像匹配,提出了一种结合FAST-SURF和改进k-d树最近邻查找的图像配准算法。该算法首先用FAST(加速分割检测特征)检测器进行特征点提取,然后根据特征点周围邻域的信息生成SURF(快速鲁棒特征)描述子,采用一种改进的k-d树最近邻查找算法BBF(最优节点优先)寻找特征点的最近邻点及次近邻点,接着进行双向匹配得到初匹配点对,最后利用RANSAC(随机抽样一致性)算法消除误匹配点,findHomography函数寻找单应性变化矩阵,从而计算出图像间的相对平移量和旋转量。实验结果表明,该算法平移参数的最大误差为0.022个像素,旋转参数的最大误差为0.045度,优于传统的SURF图像匹配算法,实现了图像的快速、高精度配准。     

小视场下基于可移动3D-DIC的全场应变测量方法

由于试件工作环境空间有限，全场应变分析面临着相机光轴和试件表面不垂直和不同区域图像拼接获得的全景图像中存在拼接缝的问题。基于此，提出了基于可移动三维数字图像相关法(3D-digital image correlation,3D-DIC)全场应变测量方法，用于高分辨率形变和应变测量。该方法将双目相机安装在稳定的滑动台结构上，通过控制相机采集叶片不同位置图像，重建试件表面完整图像。提出基于散斑点匹配融合算法，将不同区域图像拼接为叶片全景图像。静态误差分析试验和均匀应变场分析试验被设计验证该方法的有效性。试验结果表明，该方法的横向和轴向应变误差分别为0.98%和1.03%，表明应变分析中具有较高的精度。该方法有效地实现了小视场环境下样本的全场应变测量。     

SIFT算法的改进

【目的】为了减小三维重建的重投影误差,提出一种改进的SIFT(Scale Invariant Feature Transform)算法。【方法】首先使用SIFT提取和匹配特征点,将这些匹配点作为归一化互相关(Normalized Cross-correlation,NCC)的初始匹配对;然后使用特征点的主方向对局部图像进行旋转校正;最后计算该初始匹配对NCC系数并将相似地貌中的误配点剔除。【结果】该方法剔除了大量的误配点,提高了特征点的正确匹配率和重建结果的精度。【结论】改进的SIFT算法能够得到更为准确的匹配点对,获得较好的重建效果。     

基于柱面反投影算法的三维物体表面纹理重建

从图像中提取纹理用作纹理映射是三维重建的常用方法之一,然而通过相机获取的照片纹理经常存在失真变形,不能直接用于纹理映射,故需要研究失真纹理的校正.针对圆柱面物体提出一种柱面反投影算法,将物体在圆柱面上的影像纹理投影到二维视平面上显示,并用线性插值算法对缺损的像素值进行插值校正,然后利用SIFT(Scale Invariant Feature Transform)尺度不变特征点匹配算法对校正后的纹理图像进行特征点提取与匹配,最后采用加权平滑算法实现图像的拼接,从而得到宽视角的纹理图像.实验表明,利用上述方法能够有效地生成三维重建所需的纹理.     

光镊系统中一种亚像素位移测量方法研究

光镊系统中光阱刚度系数的快速、准确、高精度测量是光镊进行粒子定量操控的关键因素。本文给出了一种利用数字图像相关匹配的方法实现亚像素的位移测量。为提高测量精度,此方法在捕获过程中采集多幅图像并以相邻前一幅图像作为模板去匹配下一幅图像,以此类推,最后将每个增量位移场叠加作为最终的位移,同时在亚像素计算时采用较高精度的梯度法;为了提高计算速度,在整像素点匹配时,采用了动态阈值序贯相似法。最后,通过模拟仿真实验,对此算法的有效性进行了验证,结果表明本算法比普通亚像素算法快1~2倍。