一种基于数字散斑的应变测量方法和系统技术方案

本发明专利技术涉及一种基于数字散斑的应变测量方法和系统，方法包括以下步骤：获取用于训练的散斑图像集，对散斑图像集中的每张散斑图像进行随机标记，基于所述随机标记生成训练样本集；基于所述训练样本集训练神经网络模型，得到散斑区域识别模型；获取被测表面的原始图像和变形图像；基于所述散斑区域识别模型识别所述原始图像的散斑区域；以所述原始图像的散斑区域中的每个散斑点为中心建立参考子区，通过亚像素搜索算法在所述变形图像中搜索所述参考子区对应的变形子区，基于所述参考子区和变形子区得到所述散斑点的位移；所有散斑点的位移构成所述变形图像的位移场；基于所述变形图像的位移场，通过面内应变计算方法计算得到被测表面的应变场。测表面的应变场。测表面的应变场。

【技术实现步骤摘要】
一种基于数字散斑的应变测量方法和系统


[0001]本专利技术涉及应变测量
，尤其涉及一种基于数字散斑的应变测量方法和系统。

技术介绍

[0002]数字散斑测量方法是基于图像处理技术的现代新型光学测量方法，通过光学原理与力学原理的结合实现被测物表面的变形测量，具有非接触、全场测量、高自动化、高精度和高灵敏度等方面的优势。数字散斑测量方法可有效地避免传统测量方法中接触式测量、设备造价昂贵、对测量环境要求高等缺点，现已在生物医学、土木工程、航空航天等众多领域发挥重要作用并得到了认可。
[0003]数字散斑应变测量方法需要首先从图像中选择散斑位置作为目标区，然后对目标区执行相关的位移计算，最终完成目标区应变测量。但目前市面主流产品中目标区的选择均是由用户手动操作，对于大批量试验测量应用而言，需要逐一对每组图像的目标区进行手动选择，这会带来大量人工成本的增加。同时，由于不同操作员对目标区选择的差异性也会极大地增加计算的不确定性，因而造成应变测量不准确。同时，传统方法计算应变场是通过对位移场直接差分得到，但直接使用相关搜索后得到的位移场分布不均匀、波动较大，采用直接差分会放大噪声，因而导致应变测量结果不准确。

技术实现思路

[0004]鉴于上述的分析，本专利技术实施例旨在提供一种基于数字散斑的应变测量方法和系统，用以解决现有手动选择散斑区域工作量大并且测量结果不准确的问题。
[0005]一方面，本专利技术的实施例公开了一种基于数字散斑的应变测量方法，包括以下步骤：
[0006]获取用于训练的散斑图像集，对散斑图像集中的每张散斑图像进行随机标记，基于所述随机标记生成训练样本集；基于所述训练样本集训练神经网络模型，得到散斑区域识别模型；
[0007]获取被测表面的原始图像和变形图像；基于所述散斑区域识别模型识别所述原始图像的散斑区域；
[0008]以所述原始图像的散斑区域中的每个散斑点为中心建立参考子区，通过亚像素搜索算法在所述变形图像中搜索所述参考子区对应的变形子区，基于所述参考子区和变形子区得到所述散斑点的位移；所有散斑点的位移构成所述变形图像的位移场；
[0009]基于所述变形图像的位移场，通过面内应变计算方法计算得到被测表面的应变场。
[0010]上述技术方案的有益效果为：通过训练神经网络获得散斑区域识别模型，通过散斑区域识别模型实现全局散斑区域自动识别定位，替代了传统数字散斑测量过程中人工选择测量目标区的操作，对于批量测量的应用场景可以极大的提高测量效率。同时，避免了选
区的差异性带来的结果不确定性，保证了测量精度。
[0011]进一步地，对散斑图像集中的每张散斑图像进行随机标记，基于所述随机标记生成训练样本集，包括：
[0012]分别采用不同颜色的画笔在所述散斑图像的散斑区域和背景区域进行随机标记，生成标记图像；
[0013]遍历标记图像中的所有标记点，若所述标记点的颜色为散斑区域对应的颜色，则在散斑图像中以所述标记点坐标为中心，裁剪S
×
S的邻域图像作为散斑样本；若所述标记点的颜色为背景区域对应的颜色，则在散斑图像中以所述标记点坐标为中心，裁剪S
×
S的邻域图像作为背景样本，其中，S表示训练样本尺寸。上述技术方案的有益效果为：通过先标记再生成的方式可以快速的生成训练样本集，避免传统逐一对样本图像标记的大量工作，极大地提高了样本生成效率。
[0014]进一步地，基于所述散斑区域识别模型识别所述原始图像的散斑区域，包括：
[0015]在所述原始图像中，遍历以(S/2+1，S/2+1)为起点，(H
‑
S/2，W
‑
S/2)为终点的每一个像素点，以所述像素点为中心裁剪S
×
S的邻域图像作为识别窗口，将所述识别窗口输入所述散斑区域识别模型中判断当前中心点是否为散斑区域，若是，则标记所述像素点为散斑点；其中，H表示原始图像的高度，W表示原始图像的宽度，S表示训练样本尺寸。
[0016]上述技术方案的有益效果为：通过识别窗口和散斑区域识别模型可快速判断中心点是否为散斑区域，从而实现散斑图像中散斑区域的快速识别。
[0017]进一步地，以所述原始图像的散斑区域中的每个散斑点为中心建立参考子区，通过亚像素搜索算法在所述变形图像中搜索所述参考子区对应的变形子区，基于所述参考子区和变形子区得到所述散斑点的位移，包括：
[0018]在所述原始图像f中以每个散斑点(x,y)为中心，以(2M+1)
×
(2M+1)的邻域构建参考子区；
[0019]以作为形函数，以标准化最小平方距离函数为目标函数；
[0020]通过反相组合匹配策略在变形图像g中搜索与所述参考子区最相似的变形子区；
[0021]散斑点(x,y)的位移表示为Δx＝x
′‑
x,Δy＝y
′‑
y，其中，(x',y')表示变形子区的中心点坐标，f(x,y)和g(x
′
,y
′
)分别为点(x,y)在参考图像和变形图像中的灰度值，M为子区窗半径，u和v分别为点(x,y)在X方向和Y方向的位移；f
m
和g
m
分别为参考子区和变形子区的平均灰度，待定参数
[0022]上述技术方案的有益效果为：采用一阶形函数表示参考子区到变形子区的映射形函数计算简单、容易实现，能够很好地描述实际变形。由于标准化最小平方距离函数减去子区灰度平均值，使用归一化处理，因此具有很好抗噪性和对光强不敏感性，而被测物变形过
程中易受光源影响出现曝光过度、照明不均匀等现象，因此采用准化最小平方距离函数相关函数为目标函数相关函数来衡量参考子区和变形子区间相似程度。通过一阶形函数和标准化最小平方距离函数可以准确的找出参考子区对应的变形子区，从而为准确计算位移和应变提供基础。
[0023]进一步地，基于所述变形图像的位移场，通过面内应变计算方法计算得到被测表面的应变场，包括：
[0024]以位移场中的每个点为中心构建应变子区；
[0025]采用二阶多项式对应变子区内的位移场进行曲面拟合；其中，(x,y)为应变子区内的点在参考图像中的坐标，u(x,y)和v(x,y)分别表示点(x,y)在水平方向和竖直方向的位移，u0,u1,u2,u3,u4,u5,v0,v1,v2,v3,v4,v5均为拟合参数；
[0026]采用最小二乘法求解所述二阶多项式的拟合参数，基于所述二阶多项式得到位移场中每个点的应变；
[0027]位移场中所有点的应变构成所述被测表面的应变场。
[0028]上述技术方案的有益效果为：通过二阶多项式的拟合和最小二乘法求解可以快速计算出位移场中每个点的应变，得到被测表面的应变场。
[0029]进一步地，在获得变形图像的位移场之后，基于所述变形图像的位移场，通过面内应变计算方法计算得到被测表面的应变场之前，还包括，采用快速高本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数字散斑的应变测量方法，其特征在于，包括以下步骤：获取用于训练的散斑图像集，对散斑图像集中的每张散斑图像进行随机标记，基于所述随机标记生成训练样本集；基于所述训练样本集训练神经网络模型，得到散斑区域识别模型；获取被测表面的原始图像和变形图像；基于所述散斑区域识别模型识别所述原始图像的散斑区域；以所述原始图像的散斑区域中的每个散斑点为中心建立参考子区，通过亚像素搜索算法在所述变形图像中搜索所述参考子区对应的变形子区，基于所述参考子区和变形子区得到所述散斑点的位移；所有散斑点的位移构成所述变形图像的位移场；基于所述变形图像的位移场，通过面内应变计算方法计算得到被测表面的应变场。2.根据权利要求1所述的基于数字散斑的应变测量方法，其特征在于，对散斑图像集中的每张散斑图像进行随机标记，基于所述随机标记生成训练样本集，包括：分别采用不同颜色的画笔在所述散斑图像的散斑区域和背景区域进行随机标记，生成标记图像；遍历标记图像中的所有标记点，若所述标记点的颜色为散斑区域对应的颜色，则在散斑图像中以所述标记点坐标为中心，裁剪S
×
S的邻域图像作为散斑样本；若所述标记点的颜色为背景区域对应的颜色，则在散斑图像中以所述标记点坐标为中心，裁剪S
×
S的邻域图像作为背景样本，其中，S表示训练样本尺寸。3.根据权利要求1所述的一种基于数字散斑的应变测量方法，其特征在于，基于所述散斑区域识别模型识别所述原始图像的散斑区域，包括：在所述原始图像中，遍历以(S/2+1，S/2+1)为起点，(H
‑
S/2，W
‑
S/2)为终点的每一个像素点，以所述像素点为中心裁剪S
×
S的邻域图像作为识别窗口，将所述识别窗口输入所述散斑区域识别模型中判断当前中心点是否为散斑区域，若是，则标记所述像素点为散斑点；其中，H表示原始图像的高度，W表示原始图像的宽度，S表示训练样本尺寸。4.根据权利要求1所述的基于数字散斑的应变测量方法，其特征在于，以所述原始图像的散斑区域中的每个散斑点为中心建立参考子区，通过亚像素搜索算法在所述变形图像中搜索所述参考子区对应的变形子区，基于所述参考子区和变形子区得到所述散斑点的位移，包括：在所述原始图像f中以每个散斑点(x,y)为中心，以(2M+1)
×
(2M+1)的邻域构建参考子区；以作为形函数，以标准化最小平方距离函数为目标函数；通过反相组合匹配策略在变形图像g中搜索与所述参考子区最相似的变形子区；
散斑点(x,y)的位移表示为Δx＝x
′‑
x,Δy＝y
′‑
y，其中，(x',y')表示变形子区的中心点坐标，f(x,y)和g(x
′
,y
′
)分别为点(x,y)在参考图像和变形图像中的灰度值，M为子区窗半径，u和v分别为点(x,y)在X方向和Y方向的位移；f
m
和g
m
分别为参考子区和变形子区的平均灰度，待定参数5.根据权利要求1所述的基于数字散斑的应变测量方法，其特征在于，基于所述变形图像的位移场，通过面内应变计算方法计算得到被测表面的应变场，包括：以位移场中的每个点为中心构建应变子区；采用二阶多项式对应变子区内的位移场进行曲面拟合；其中，(x,y)为应变子区内的点在参考图像中的坐标，u...

【专利技术属性】
技术研发人员：苑文楠，贾彦翔，侯师，李继辉，卞伟伟，巴腾跃，邱旭阳，
申请(专利权)人：北京机械设备研究所，
类型：发明
国别省市：