一种组合式DIC算法在亚像素级位移测量中的应用 下载: 929次
1 引言
数字图像相关法(DIC)具有光路简单、非接触、全场测量等优点[1-2],已在材料力学、无损检测、土木工程等领域得到了广泛应用。早期的DIC算法,如双参数法、爬山法、粗细搜索法、牛顿迭代法等,普遍存在搜索时间长、出现多峰值时易陷入局部最优的情况[3-4]。近些年来,一些智能算法,如遗传算法、粒子群算法、蚁群算法、神经网络算法等的出现提高了DIC的运算效率。智能算法具有全局搜索的特性,弥补了一般算法易陷入局部最优、匹配精度不稳定的缺陷,且其还可以近似地计算出亚像素级的位移值,在测量精度要求不高时是一个不错的选择。
随着对DIC研究的日臻完善,以及对测量精度的要求越来越高,基于智能算法的DIC法在整像素搜索速度上得到了大幅提高,但在亚像素级位移测量中还不能满足高精度测量的需求。因此,寻求在智能算法基础上的亚像素位移算法是DIC发展的方向,对保证数字图像处理的速度和精度都具有重要意义[5]。传统的亚像素算法有牛顿迭代法、拟合法、插值法、梯度法等。根据相关文献的研究可知:牛顿迭代法的精度要优于其他几种亚像素算法[6],但如果初值估计不合理就会陷入局部收敛,同时导致收敛速度变慢。因此,在实验中使用牛顿迭代法计算时,通常以模拟散斑图为对象,目标函数的Hessian矩阵选择一阶型函数。拟合法的速度比较快,但精度比较低;梯度法、插值法的精度、速度介于牛顿迭代法和拟合法之间[7]。因此,考虑将智能算法运用在整像素搜索阶段。参考已有文献的研究,本文将自适应遗传算法(AGA)引入到DIC法中[8-9],同时根据拟合法速度快、插值法精度高的特点,提出了一种将拟合法和插值法相结合的亚像素位移测量算法,称为组合式DIC算法;该算法在保证整像素搜索速度快的基础上,进一步提高了亚像素位移的测量精度,能够满足微小位移测量中对速度和精度的要求。
2 基于自适应遗传算法的DIC原理
遗传算法[9-11]起源于生物的进化规则,基本的遗传算法是将求解问题表示为染色体的形式,一定数量的种群经过选择、交叉、变异过程后,会产生出新一代中适应度较高的个体,重新组合的种群继续进化下去,直到产生满足条件的个体,即求得最优解。编码即是把所求问题转换为染色体的形式,种群的大小关系到收敛速度的快慢,实验中可以根据需要人为设定种群的大小。种群初始化的表达式[1]为
式中:
每产生一代新的解,就需要对其进行适应度评价,适应度高的个体被选择出来进入下一代,适应度低的个体则被淘汰。取适当的相关函数作为适应度高低的评价函数。
本文对交叉、变异概率进行了改进,使遗传控制参数
式中:
自适应遗传算法通过这种动态地调整交叉、变异概率,加快了算法的收敛速度,直接提高了DIC的搜索效率。DIC的原理[13-15]如
式中:
图 1. DIC的基本原理。(a)变形前的图像;(b)变形后的图像
Fig. 1. Basic principle of DIC. (a) Image before deformation; (b) image after deformation
3 亚像素位移测量算法原理
3.1 曲面拟合法
根据相关文献对拟合法的研究,本课题组选择二次曲面拟合法进行分析研究[18]。拟合窗口为3 pixel×3 pixel,布点如
式中:
根据9个点的位置坐标,通过最小二乘法即可求得二元二次函数的系数
通过式(6)即可解得亚像素位移量为
3.2 灰度插值法
根据已有对插值法的相关研究,本课题组选择双三次样条插值[20]进行分析研究。已知
首先,以
令
取自然边界条件,即
其次,以
令
取自然边界条件,即
3.3 组合式DIC算法
正向增量型、正向组合型、反向增量型、反向组合型等匹配策略的精度高、稳定性好,在计算精度上等效,但对于微小位移测量并不是必要的选择。通过研究二次曲面拟合法和双三次样条插值法可知:曲面拟合法虽然在处理较大刚体转动和变形时的精度相对较低,但对于微小的位移量变化仍可适用;二次曲面拟合法对亚像素的处理速度比较理想,但精度只能达到0.1 pixel左右;双三次样条插值法的速度稍慢于二次曲面拟合法,但精度更高。因此,本课题组提出了一种组合式DIC算法,即以自适应遗传算法搜索到的最大相关系数点为插值中心,建立3 pixel×3 pixel的插值区域,进而根据相关系数对应的
1) 通过自适应遗传算法得到低精度的亚像素级的最大相关系数点;
2) 根据
3) 在步骤2)的基础上,以拟合得到的亚像素位移值为插值中心点,选取3 pixel×3 pixel的插值范围,插值间距的大小视具体情况而定,根据插值图形找出最大的插值点,即为插值以后的亚像素位移值;
4) 通过自适应遗传算法进行快速整像素匹配后,再经过二次曲面拟合法和双三次样条插值法两次亚像素位移方法计算以后,得到的最终亚像素位移值即为最优值。
4 算法验证
4.1 模拟散斑图验证
为了消除CCD在图像采集过程中产生的图像误差及外界因素的干扰,本课题组采用Zhou等[21]提出的计算机模拟散斑图,该散斑图的尺寸为256 pixel×256 pixel,散斑颗粒的大小为4 pixel,散斑数为1500。平移前后的模拟散斑图如
图 3. 平移前后的模拟散斑图。(a)平移前;(b)平移后
Fig. 3. Simulated speckle pattern before and after translation. (a) Before translation; (b) after translation
在水平方向上,在0.1~1区间内,以0.1 pixel为步长生成10幅散斑图;在1~10区间内,以1 pixel为步长生成10幅散斑图。分别计算两组散斑图的10个位移点,参考子区窗口的大小为51 pixel×51 pixel。数据处理分析的结果如
从
由
表 1. 几种算法的搜索时间
Table 1. Search time of several algorithmss
|
4.2 实测结果
基于计算机模拟散斑图,将组合式DIC算法应用于亚像素级微小位移的测量中,实测结果如
表 2. 组合式DIC算法的测量结果
Table 2. Measurement results of combinatorial DIC algorithm
|
从
5 结论
以模拟散斑图为研究对象,从亚像素测量精度和搜索速度上对自适应遗传算法、二次曲面拟合法、双三次样条插值法进行对比分析,提出一种基于自适应遗传算法的组合式DIC算法。实验结果表明:该算法保留了自适应遗传算法在搜索速度上的优势,又吸收了二次曲面拟合法和双三次样条插值法在测量精度上的优点,满足了DIC在亚像素级微小位移测量中对搜索速度和测量精度的要求。
[1] 程振进, 王全保, 陈吉安, 等. 基于混合遗传算法的数字图像相关方法[J]. 光学精密工程, 2016, 24(10s): 710-717.
[2] 刘聪, 戴云彤, 戴美玲, 等. 二维多相机全场数字图像相关变形测量方法[J]. 光学学报, 2016, 36(12): 1212002.
[3] 石亮, 李慧娟, 张鹭, 等. 数字图像相关法在材料拉伸试验中的应用[J]. 激光杂志, 2017, 38(7): 81-84.
[4] 周海芳, 杨秋翔, 杨剑. 基于改进CS算法的整像素数字散斑相关方法[J]. 计算机工程与设计, 2015, 36(8): 2108-2113.
[5] 潘兵, 谢惠民, 续伯钦, 等. 数字图像相关中的亚像素位移定位算法进展[J]. 力学进展, 2005, 35(3): 345-352.
[7] 张爱华, 娄小平, 吕乃光. 数字图像相关中亚像素算法的比较[J]. 北京信息科技大学学报(自然科学版), 2013, 28(3): 53-56.
[10] 王琦, 朴燕. 基于改进遗传算法的深度图像获取技术[J]. 激光与光电子学进展, 2018, 55(2): 021003.
[11] 于光帅, 于宪伟. 一种改进的自适应遗传算法[J]. 数学的实践与认识, 2015, 45(19): 259-264.
[14] YangS, Shao LT, Zhao BY, et al. Digital image correlation search method based on particle swarm algorithm[J]. Applied Mechanics and Materials, 2011, 71/78: 4234- 4239.
[15] 单宝华, 霍晓洋, 刘洋. 一种极线约束修正数字图像相关匹配的立体视觉测量方法[J]. 中国激光, 2017, 44(8): 0804003.
[16] 张华俊, 李桂华, 刘程, 等. 基于SURF特征匹配的数字图像相关变形初值可靠估计[J]. 光学学报, 2013, 33(11): 1112005.
[18] 张腾达, 卢荣胜, 杨蕾. DIC中亚像素位移测量的多项式曲面拟合法[J]. 激光杂志, 2016, 37(11): 141-144.
[19] 顾国庆, 王开福, 许星. 基于数字图像相关的刚体面内微小转动测量及转动中心定位[J]. 中国激光, 2012, 39(1): 0108004.
[20] 武婕, 刘开培, 乐健, 等. 基于三次样条插值的算术傅里叶谐波分析方法[J]. 电测与仪表, 2016, 53(1): 15-18, 31.
Article Outline
葛朋祥, 李桂华. 一种组合式DIC算法在亚像素级位移测量中的应用[J]. 激光与光电子学进展, 2018, 55(11): 111202. Pengxiang Ge, Guihua Li. Application of a Combinatorial DIC Algorithm in Sub-Pixel Displacement Measurement[J]. Laser & Optoelectronics Progress, 2018, 55(11): 111202.