基于深度学习的亚像素位移方法技术

本发明专利技术公开了一种基于深度学习的亚像素位移方法，涉及深度学习领域。本发明专利技术包括以下步骤：S1：获取3通道图像，所述3通道图像由3张单通道的灰度图在三维上叠加而成；S2：将3通道图像输入到ST

【技术实现步骤摘要】
基于深度学习的亚像素位移方法


[0001]本专利技术涉及深度学习领域，更具体的说是涉及一种基于深度学习的亚像素位移方法。

技术介绍

[0002]数字散斑相关方法(DSCM)又称数字图像相关方法(DICM)。它经过四十多年不断的理论创新和实践发展，毫无疑问已成为现代科学中不可或缺的光学测量方法之一。它以光学基本理论为主要基础，以力学实验为主要抓手，还结合了数学、材料学、电子计算机、图像处理以及人工智能等多学科交叉技术，其原理是通过比较变形前后的两幅散斑图像的数值信息来进行测量。对DSCM的研究主要集中在基于整像素位移搜索算法和基于亚像素位移搜索算法等方面，整像素位移搜索为亚像素位移搜索提供了像素级的初值，最后通过亚像素位移搜索来进一步提高测量精度，所以亚像素位移方法尤为重要。基于亚像素位移搜索算法主要有：梯度法、曲面拟合法等传统非迭代亚像素算法，FA
‑
NR和IC
‑
GN等传统迭代亚像素算法和基于人工神经网络(ANN)、卷积神经网络(CNN)等人工智能新型亚像素算法。与此同时，深度学习的广泛应用，为以完成位移场本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的亚像素位移方法，其特征在于，包括以下步骤：S1：获取3通道图像，所述3通道图像由3张单通道的灰度图在三维上叠加而成；S2：将3通道图像输入到ST
‑
SDM中；S3：在ST
‑
SDM中，基于3通道图像分别利用第一级分类任务，第二级分类任务和第三级分类任务输出亚像素位移值。2.根据权利要求1所述的一种基于深度学习的亚像素位移方法，其特征在于，在S1中，3张单通道的灰度图分别是：参考图像，目标图像，目标图像与参考图像对应点位上灰度值的差值而生成的灰度图。3.根据权利要求1所述的一种基于深度学习的亚像素位移方法，其特征在于，在S3中具体包括：对第一目标图像进行四个角度的顺时针旋转，分别叠加参考图像和对第一目标图像旋转后的4幅图像，得到4幅3通道的图像Img1(1)，Img2(1)，Img3(1)，Img4(1)；使用F
‑
ST计算0.1pixel像素级的位移值，得到(u1,v1)；用位移(
‑
u1,
‑
v1)对第一目标图像平移变形后得到第二目标图像，分别叠加参考图像和对第二目标图像旋转后的4幅图像，得到4幅3通道的图像Img1(2)，Img2(2)，Img3(2)，Img4(2)；使用S
‑
ST计算0.01pixel像素级的位移值，得到(u2,v2)；用位移(
‑
u2,
‑
v2)对第一目标图像平移变形后得到第三目标图像，分别叠加参考图像和对第三目标图像旋转后的4幅图像，得到4幅3通道的图像Img1(3)，Im...

【专利技术属性】
技术研发人员：铁治欣，陈强，陶灵兵，陈燕兵，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：