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技术

本发明专利技术公开了一种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，涉及实验力学、非接触式全场裂纹位移测量、数字图像相关领域，该方法是一种能够非均匀地对变形图像进行网格划分，同时通过深度学习智能算法智能识别裂纹等不连续区域并标注轮廓，在裂纹轮廓外自动或手动添加节点，并定义节点的剔除裂纹区域的异形子区。根据定义的节点及子区，与参考图像进行相关性匹配，进而计算所有节点的位移，然后插值得到全场位移。该方法可以有效解决传统数字图像相关方法中，由于裂纹等不连续区域的存在导致子区断裂，进而造成某些区域计算结果缺失从而导致计算结果错误的问题。算结果缺失从而导致计算结果错误的问题。算结果缺失从而导致计算结果错误的问题。

【技术实现步骤摘要】
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


[0001]本专利技术涉及实验力学、非接触式全场裂纹位移测量、数字图像相关领域，具体涉及一种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。

技术介绍

[0002]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。
[0003]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。
[0004]传统的数字图像相关法(DIC)中，遇到裂纹等不连续区域的位移测量问题时，由于采用均匀的网格划分方法，所以节点划分时不能规避裂纹区域。如此导致在计算裂纹区域的节点位移时，由于该节点子区包含裂纹信息，导致该子区的像素灰度分布不连续。在进行节点子区间相关性匹配计算时，由于子区灰度的不连续性，导致节点位移计算错误或根本得不到位移信息。

技术实现思路

[0005]本专利技术针对现有技术中存在的问题，公开了一种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，该方法是一种能够非均匀地对变形图像进行网格划分，同时针对裂纹等不连续区域，在裂纹轮廓外自动或手动添加节点，并定义节点的剔除裂纹区域的异形子区。根据定义的节点及子区，与参考图像进行相关性匹配，进而计算所有节点的位移，然后插值得到全场位移。该方法解决了现有技术中存在的节点位移计算错误或根本得不到位移信息的技术缺陷。
[0006]本专利技术是这样实现的：
[0007]一种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，其特征在于，所述的方法为：
[0008]步骤一、采集参考图像以及带有裂纹的变形图像；步骤二、对含有裂纹的变形图像进行裂纹特征识别，定义裂纹的数量、位置及轮廓，并将各裂纹轮廓用函数表示；步骤三、在变形图像中，预设裂纹扩展范围，沿轮廓外法向方向，扩展各裂纹轮廓，得到扩展轮廓区域；
步骤四、在变形图像的扩展轮廓区域外，布置一定数量、随机分布的节点，作为网格划分的初始节点；步骤五、根据设定的匹配子区大小及各初始节点与裂纹的相对位置，在变形图像上定义各初始节点的匹配子区；步骤六、通过智能布点或手动选点的方式，在扩展裂纹轮廓内及其他需要加密网格的区域，选择若干加密网格所需添加的节点，并在变形图像上定义各添加节点的异形匹配子区；步骤七、由初始节点及添加节点组成变形图像的节点群，根据各节点匹配子区信息，由数字图像相关方法，计算各节点的位移；步骤八、由各节点位移，可插值得到全场位移。
[0009]进一步，所述的步骤一具体为：搭建实验平台，用数码相机采集物体变形前后的散斑图像，采集实验前物体的数字散斑图像，记为参考图像；采集实验后物体带有裂纹的数字散斑图像，记为变形图像。
[0010]进一步，所述的步骤二具体为：通过图像识别或特征识别的方法，所述的方法为深度学习神经网络的特征识别，检测变形图像中裂纹的个数及相应的位置和轮廓范围，并用线性或非线性函数表示其轮廓。
[0011]进一步，所述的步骤五具体为：定义各初始节点匹配子区位置：
[0012]预设节点匹配子区的半径M，通常节点子区取值范围为：以节点为中心，2M+1为边长的正方形区域，大小为(2M+1)
×
(2M+1)；当节点子区某些区域包含裂纹时，节点位置保持不动，将该子区沿远离裂纹的方向平移，使子区边界位于裂纹轮廓外，此时需保证节点与子区边界保持两个像素以上距离。
[0013]进一步，所述的步骤六中，添加节点的方法具体为：在扩展裂纹轮廓范围内或需要加密网格的区域，通过智能算法自动选择节点，或通过人机交互的方式手动添加节点。
[0014]进一步，所述的步骤六中，异形匹配子区的定义方法具体为：
[0015]预设节点子区的半径M，取以节点为中心，2M+1为边长的正方形区域为子区；当子区某些区域包含裂纹时，节点位置保持不动，将该子区沿远离裂纹的方向平移，以减少该子区包含裂纹区域的面积，但需保证节点与子区边界保持两个像素以上距离；当平移过后的子区仍包含裂纹区域时，将该子区中裂纹区域的灰度信息剔除，该正方形子区就变成多边形子区，称之为异形子区。
[0016]进一步，所述的步骤七中，所述的数字图像相关方法具体为：根据计算得到的变形图像所有节点的子区范围，选定相关性准则，与变形前的参考图像进行相关性匹配，即可得到各节点的位移。
[0017]进一步，所述的相关性准则包括数字图像相关方法中所有的相关性函数，例如零均值归一化协方差互相关函数或者归一化最小平方距离相关函数。
[0018]进一步，所述的零均值归一化协方差互相关函数(zero
‑
mean normalized cross
‑
correlation,ZNCC)的具体表达式如下：
[0019][0020]其中，x，y为横纵坐标，2M+1为特征描述域边长，f(x,y)表示参考节点特征描述域的灰度分布，f
m
为该区域灰度均值，g(x',y')表示变形节点特征描述域的灰度分布，g
m
为该
区域灰度均值。
[0021]本专利技术与现有技术的有益效果在于：
[0022]本专利技术提出了一种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，该方法可有效解决对裂纹等不连续区域的位移测量结果不精确的问题。本专利技术在变形图像的非裂纹区域随机布置节点，划分非均匀网格。同时在裂纹区域外侧自动或手动布置节点并划分该节点的异形子区，该异形子区可解决传统DIC的子区断裂问题。
附图说明
[0023]图1为本专利技术一种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的偏移子区划分方法；
[0024]图2为本专利技术一种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的异形子区划分方法；
[0025]图3为本专利技术一种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的模拟散斑图像；
[0026]图4为本专利技术一种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的位移真实解云图；
[0027]图5为本专利技术一种数字图像相关中针对裂纹的随机网格及异形子区本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种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，其特征在于，所述的方法为：步骤一、采集参考图像以及带有裂纹的变形图像；步骤二、对含有裂纹的变形图像进行裂纹特征识别，定义裂纹的数量、位置及轮廓，并将各裂纹轮廓用函数表示；步骤三、在变形图像中，预设裂纹扩展范围，沿轮廓外法向方向，扩展各裂纹轮廓，得到扩展轮廓区域；步骤四、在变形图像的扩展轮廓区域外，布置一定数量、随机分布的节点，作为网格划分的初始节点；步骤五、根据设定的匹配子区大小及各初始节点与裂纹的相对位置，在变形图像上定义各初始节点的匹配子区；步骤六、通过智能布点或手动选点的方式，在扩展裂纹轮廓内及其他需要加密网格的区域，选择若干加密网格所需添加的节点，并在变形图像上定义各添加节点的异形匹配子区；步骤七、由初始节点及添加节点组成变形图像的节点群，根据各节点匹配子区信息，由数字图像相关方法，计算各节点的位移；步骤八、由各节点位移，可插值得到全场位移。2.根据权利要求1所述的一种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，其特征在于，所述的步骤一具体为：搭建实验平台，用数码相机采集物体变形前后的散斑图像，采集实验前物体的数字散斑图像，记为参考图像；采集实验后物体带有裂纹的数字散斑图像，记为变形图像。3.根据权利要求1所述的一种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，其特征在于，所述的步骤二具体为：通过图像识别或特征识别的方法，所述的方法为深度学习神经网络的特征识别，检测变形图像中裂纹的个数及相应的位置和轮廓范围，并用线性或非线性函数表示其轮廓。4.根据权利要求1所述的一种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，其特征在于，所述的步骤五具体为：定义各初始节点匹配子区位置：预设节点匹...

【专利技术属性】
技术研发人员：熊克，宋祥帆，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：