CN108871197A - 用于材料表面的位移场测量方法、装置、设备及存储介质 - Google Patents
用于材料表面的位移场测量方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN108871197A CN108871197A CN201810392736.6A CN201810392736A CN108871197A CN 108871197 A CN108871197 A CN 108871197A CN 201810392736 A CN201810392736 A CN 201810392736A CN 108871197 A CN108871197 A CN 108871197A
- Authority
- CN
- China
- Prior art keywords
- image
- level
- pyramid
- gray
- shade
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/022—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by means of tv-camera scanning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明实施例提供了一种用于材料表面的位移场测量方法、装置、设备及存储介质,该方法包括:针对待测量材料,采集变形前的第一图像和变形后的第二图像;根据第一图像建立第一图像金字塔,根据第二图像建立第二图像金字塔,第一图像和第二图像的尺寸相同;根据第一图像金字塔和第二图像金字塔,计算第二图像金字塔中每个层级相对于第一图像金字塔中相同层级的灰度梯度;将第二图像金字塔中每个层级的灰度梯度代入L1范数流光算法的目标函数,采用次梯度迭代算法计算L1范数流光算法的目标函数,得出第二图像金字塔中每个层级的位移场。该方案实现了计算材料表面的运动边缘部位、裂缝以及切口等出现不连续位移位置的位移场,缩短了位移计算的时间。
Description
技术领域
本发明涉及固体力学技术领域,特别涉及一种用于材料表面的位移场测量方法、装置、设备及存储介质。
背景技术
在工程技术领域,DIC(Digital Image Correlation,数字图像匹配)技术被用于测量材料表面在不同荷载作用下的变形。其原理是在相同目标物体的两幅不同数字图像中,通过匹配相同的几何元素(点、线、面等)而计算得到位移数值。针对不同的研究问题和角度,DIC技术可分为二维数字图像匹配(2D-DIC)、立体数字图像匹配(3D-DIC)和体积数字图像匹配技术(V-DIC)。
目前,在计算机领域,基于能量最小原则和L2范数形式的光流算法来测量位移场,但是,该算法旨在计算二维数字图像中目标物体内部的连续位移场,并有良好的表现。然而,在处理物体边缘、裂缝以及切口等存在不连续位移的地方,上述算法不能取得理想的结果。
针对上述问题,现有技术还提出将目标函数由L2范数形式改造为L1范数形式的方法以解决位移场的“过光滑化”问题,但是,此方法仍因其目标函数的不可微性而产生计算上的困难。虽然有许多学者提出解决此问题的方法,但L1范数的光流算法仍未与工程上的DIC技术很好地结合。
发明内容
本发明实施例提供了一种用于材料表面的位移场测量方法,以解决现有技术中测量不连续位移时存在的计算困难的技术问题。该方法包括:
针对待测量材料,采集变形前的第一图像和变形后的第二图像,第一图像和第二图像的尺寸相同;
根据第一图像建立第一图像金字塔,根据第二图像建立第二图像金字塔,其中,所述第一图像金字塔中层级间的缩小比例和所述第二图像金字塔中层级间的缩小比例相同;
根据所述第一图像金字塔和所述第二图像金字塔,计算所述第二图像金字塔中每个层级相对于所述第一图像金字塔中相同层级的灰度梯度;
将所述第二图像金字塔中每个层级的灰度梯度代入L1范数流光算法的目标函数,采用次梯度迭代算法计算L1范数流光算法的目标函数,得出所述第二图像金字塔中每个层级的位移场。
本发明实施例还提供了一种用于材料表面的位移场测量装置,以解决现有技术中测量不连续位移时存在的计算困难的技术问题。该装置包括:
图像采集模块,用于针对待测量材料,采集变形前的第一图像和变形后的第二图像,第一图像和第二图像的尺寸相同;
金字塔建立模块,用于根据第一图像建立第一图像金字塔,根据第二图像建立第二图像金字塔,其中,所述第一图像金字塔中层级间的缩小比例和所述第二图像金字塔中层级间的缩小比例相同;
灰度梯度计算模块,用于根据所述第一图像金字塔和所述第二图像金字塔,计算所述第二图像金字塔中每个层级相对于所述第一图像金字塔中相同层级的灰度梯度;
位移计算模块,用于将所述第二图像金字塔中每个层级的灰度梯度代入L1范数流光算法的目标函数,采用次梯度迭代算法计算L1范数流光算法的目标函数,得出所述第二图像金字塔中每个层级的位移场。
本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意的用于材料表面的位移场测量方法。以解决现有技术中测量不连续位移时存在的计算困难的技术问题。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述任意的用于材料表面的位移场测量方法的计算机程序。以解决现有技术中测量不连续位移时存在的计算困难的技术问题。
在本发明实施例中,根据变形前的第一图像建立第一图像金字塔,根据变形后的第二图像建立第二图像金字塔,进而根据第一图像金字塔和第二图像金字塔,分别计算第二图像金字塔中每个层级相对于第一图像金字塔中相同层级的灰度梯度,最后,将第二图像金字塔中每个层级的灰度梯度代入L1范数流光算法的目标函数,采用次梯度迭代算法计算L1范数流光算法的目标函数,得出第二图像金字塔中每个层级的位移场。本申请采用L1范数流光算法的目标函数,实现了位移非连续性的保存;同时本申请将图像金字塔与L1范数流光算法相结合,进而采用次梯度迭代算法来计算L1范数流光算法的目标函数,实现了计算材料表面的运动边缘部位、裂缝以及切口等出现不连续位移位置的位移场,同时,缩短了位移计算的时间,解决了现有技术中测量不连续位移时存在的计算困难的技术问题,有利于将L1范数的光流算法与工程上的DIC技术很好地结合。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,并不构成对本发明的限定。在附图中:
图1是本发明实施例提供的一种用于材料表面的位移场测量方法的流程图;
图2是本发明实施例提供的一种用于材料表面的位移场测量装置的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施方式和附图,对本发明做进一步详细说明。在此,本发明的示意性实施方式及其说明用于解释本发明,但并不作为对本发明的限定。
在本发明实施例中,提供了一种用于材料表面的位移场测量方法,如图1所示,该方法包括:
步骤101:针对待测量材料,采集变形前的第一图像和变形后的第二图像,第一图像和第二图像的尺寸相同;
步骤102:根据第一图像建立第一图像金字塔,根据第二图像建立第二图像金字塔,其中,所述第一图像金字塔中层级间的缩小比例和所述第二图像金字塔中层级间的缩小比例相同;
步骤103:根据所述第一图像金字塔和所述第二图像金字塔,计算所述第二图像金字塔中每个层级相对于所述第一图像金字塔中相同层级的灰度梯度;
步骤104:将所述第二图像金字塔中每个层级的灰度梯度代入L1范数流光算法的目标函数,采用次梯度迭代算法计算L1范数流光算法的目标函数,得出所述第二图像金字塔中每个层级的位移场。
由图1所示的流程可知,在本发明实施例中,根据变形前的第一图像建立第一图像金字塔,根据变形后的第二图像建立第二图像金字塔,进而根据第一图像金字塔和第二图像金字塔,分别计算第二图像金字塔中每个层级相对于第一图像金字塔中相同层级的灰度梯度,最后,将第二图像金字塔中每个层级的灰度梯度代入L1范数流光算法的目标函数,采用次梯度迭代算法计算L1范数流光算法的目标函数,得出第二图像金字塔中每个层级的位移场。本申请采用L1范数流光算法的目标函数,实现了位移非连续性的保存;同时本申请将图像金字塔与L1范数流光算法相结合,进而采用次梯度迭代算法来计算L1范数流光算法的目标函数,实现了计算材料表面的运动边缘部位、裂缝以及切口等出现不连续位移位置的位移场,同时,缩短了位移计算的时间,解决了现有技术中测量不连续位移时存在的计算困难的技术问题,有利于将L1范数的光流算法与工程上的DIC技术很好地结合。
具体实施时,针对待测量材料,采集变形前的第一图像和变形后的第二图像的过程中,针对相同的待测量材料,分别采集变形前的第一图像和变形后的第二图像,该第二图像可以是在任何变形状态下的图像。具体的,该第一图像和第二图像可以是二值化数字图像。
图像金字塔是图像多尺度表达的一种形式,是一种以多分辨率来解释图像的有效且概念简单的结构。一幅图像的图像金字塔是一系列以金字塔形状排列的分辨率逐步降低,且来源于同一张原始图的图像集合。各层级的图像通过梯次向下采样获得,直到达到某个终止条件才停止采样。将一层一层的图像比喻成金字塔,层级越高,则图像越小,分辨率越低。金字塔的最低层级是待处理图像的高分辨率原图,而最高层级是低分辨率的图像。
具体实施时,在根据第一图像和第二图像分别建立第一图像金字塔和第二图像金字塔的过程中,以建立第一图像金字塔为例,将第一图像按照固定的尺寸比例(即各层级之间的缩小比例,例如,0.25-0.75)进行迭代缩小,直至达到合适的尺寸(例如,16px×16px)以满足小位移的计算要求,将第一图像的原图和缩小后的各图像,按照尺寸由大到小的顺序进行标记和存储,分别形成第一图像金字塔由下向上的各层级,即第一图像的原图作为第一图像金字塔的最低层级。建立第二图像金字塔的过程与建立第一图像金字塔的过程相似,第一图像金字塔中层级间的缩小比例和第二图像金字塔中层级间的缩小比例相同。
具体实施时,第二图像金字塔中每个层级的灰度梯度包括:当前层级的图像关于两个维度的第一灰度梯度和当前层级的图像相对于所述第一图像金字塔中相同层级的图像在时间维度上的第二灰度梯度。即计算当前层级的图像关于两个维度(例如,x,y两个维度)的第一灰度梯度,计算当前层级的图像相对于第一图像金字塔中相同层级的图像在时间维度上的第二灰度梯度,例如,将当前层级的图像与第一图像金字塔中相同层级的图像中相同像素点的灰度相减,得到当前层级的图像相对于第一图像金字塔中相同层级的图像在时间维度上的第二灰度梯度,最后,将第一灰度梯度和第二灰度梯度叠加,得到二图像金字塔中当前层级的灰度梯度。
具体实施时,可以分别计算第二图像金字塔中每个层级相对于第一图像金字塔中相同层级的灰度梯度,进而分别计算第二图像金字塔中每个层级的位移场;还可以按照层级由高到低的顺序,依次计算第二图像金字塔中每个层级的灰度梯度,进而依次计算第二图像金字塔中每个层级的位移场。
具体实施时,无论是分别计算第二图像金字塔中每个层级的灰度梯度,还是按照层级由高到低的顺序依次计算第二图像金字塔中每个层级的灰度梯度,在本实施例中,都可以通过以下步骤来计算第二图像金字塔中最高层级的灰度梯度:计算该最高层级的图像相对于所述第一图像金字塔中最高层级的图像的灰度梯度,得到该最高层级的灰度梯度。
具体实施时,为了提高位移场的计算精度,在本实施例中,按照层级由高到低的顺序依次计算第二图像金字塔中每个层级的灰度梯度,通过以下步骤计算第二图像金字塔中除了最高层级之外的层级的灰度梯度:
针对所述第二图像金字塔中除了最高层级之外的层级,获取上一层级的位移场;
根据上一层级与当前层级之间的缩小比例,放大上一层级的位移场;
将当前层级的图像的坐标加上放大后的上一层级的位移场,得到当前层级的新图像;例如,当前层级的图像的坐标加上放大后的上一层级的位移场之后,可以采用插值的方式根据改变的坐标构造新图像。
计算当前层级的新图像相对于所述第一图像金字塔中相同层级的图像的灰度梯度,得到当前层级的灰度梯度。
具体实施时,得到第二图像金字塔中每个层级的灰度梯度后,将第二图像金字塔中每个层级的灰度梯度代入L1范数流光算法的目标函数,L1范数流光算法的目标函数如公式(1)所示,还可以将第二图像金字塔中每个层级的灰度梯度代入经变量对偶化的L1范数流光算法的目标函数,经变量对偶化的L1范数流光算法的目标函数如公式(2)所示。
其中,u、v分别是x方向和y方向的位移,p、q是与u、v梯度对应的对偶变量;w是附加的照明函数,作用是消除两张照片时环境中的光线明暗差异对灰度计算的影响,β是其权重系数,l是其梯度的对偶变量;是时间维度上的灰度梯度,和分别是x和y方向上的灰度梯度,λ是位移计算项的权重系数。
具体实施时,上述计算得到的第二图像金字塔中各个层级的位移场之间数值相似,但精度不同,各层级的位移场均可以表示材料表面的运动边缘部位、裂缝以及切口等出现不连续位移位置的位移场。由于最低层级的图像分辨率高,最低层级的位移场的精度相对较高,因此,可以采用最低层级的位移场作为待测量材料表面的位移场。
具体的,以下详细描述上述用于材料表面的位移场测量方法的过程,该过程包括以下步骤:
步骤1:针对相同材料试件,分别采集变形前和不同变形状态下的两幅二值化数字图像,一幅作为变形前的参考图像,即上述第一图像,另一幅作为变形后的变形图像,即上述第二图像,第一图像和第二图像的尺寸相同;
步骤2:根据第一图像建立第一图像金字塔,根据第二图像建立第二图像金字塔,将步骤1中采集的两幅数字图像均按照固定的尺寸比例进行迭代缩小,直至达到合适的尺寸以满足小位移的计算要求;而后分别将两幅数字图像的原图及各缩小后的图像,按照尺寸由大到小的顺序进行标记和存储,每张图像自底向上地作为图像金字塔的每一层,直至最高层,得到第一图像对应的第一图像金字塔,第二图像对应的第二图像金字塔;
步骤3:按照层级由高到低的顺序,依次计算每个层级的位移场。针对第二图像金字塔的最高层级的图像与第一图像金字塔的最高层级的图像进行位移计算,选取坐标系没有要求,首先,计算第二图像金字塔的最高层级的图像关于两个维度(通常取为x,y)的第一灰度梯度,然后,计算第二图像金字塔的最高层级的图像相对于第一图像金字塔的最高层级的图像在时间维度t上的第二灰度梯度(两图像中相同像素点的灰度相减),将第一灰度梯度和第二灰度梯度叠加得到第二图像金字塔的最高层级的灰度梯度;将最高层级的灰度梯度代入经变量对偶化的L1范数光流算法的目标函数,通过次梯度迭代算法对目标函数进行计算,得到最高层级的位移场;
步骤4:利用第二图像金字塔上一层级得到的位移场,自上而下地按照原先的尺寸比例放大上一层级的位移场,然后,将当前层级的图像的每个像素点的坐标加上放大后的位移值,作为新图像的坐标,利用插值的方式构造出当前层级的新图像,基于当前层级的新图像与第一图像金字塔中相同层级的图形进行步骤3的计算处理,得出当前层级的位移场;
步骤5:重复步骤4,直至第二图像金字塔的最底层级(即原图层),输出位移场。
在本实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意的用于材料表面的位移场测量方法。
在本实施例中,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述任意的用于材料表面的位移场测量方法的计算机程序。
基于同一发明构思,本发明实施例中还提供了一种用于材料表面的位移场测量装置,如下面的实施例所述。由于用于材料表面的位移场测量装置解决问题的原理与用于材料表面的位移场测量方法相似,因此用于材料表面的位移场测量装置的实施可以参见用于材料表面的位移场测量方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图2是本发明实施例的用于材料表面的位移场测量装置的一种结构框图,如图2所示,该装置包括:
图像采集模块201,用于针对待测量材料,采集变形前的第一图像和变形后的第二图像,第一图像和第二图像的尺寸相同;
金字塔建立模块202,用于根据第一图像建立第一图像金字塔,根据第二图像建立第二图像金字塔,其中,所述第一图像金字塔中层级间的缩小比例和所述第二图像金字塔中层级间的缩小比例相同;
灰度梯度计算模块203,用于根据所述第一图像金字塔和所述第二图像金字塔,计算所述第二图像金字塔中每个层级相对于所述第一图像金字塔中相同层级的灰度梯度;
位移计算模块204,用于将所述第二图像金字塔中每个层级的灰度梯度代入L1范数流光算法的目标函数,采用次梯度迭代算法计算L1范数流光算法的目标函数,得出所述第二图像金字塔中每个层级的位移场。
在一个实施例中,所述第二图像金字塔中每个层级的灰度梯度包括:当前层级的图像关于两个维度的第一灰度梯度和当前层级的图像相对于所述第一图像金字塔中相同层级的图像在时间维度上的第二灰度梯度。
在一个实施例中,灰度梯度计算模块,包括:
第一灰度梯度计算单元,用于针对所述第二图像金字塔中的最高层级,计算该最高层级的图像相对于所述第一图像金字塔中最高层级的图像的灰度梯度,得到该最高层级的灰度梯度。
在一个实施例中,灰度梯度计算模块,包括:
位移场获取单元,用于按照层级由高到低的顺序,计算所述第二图像金字塔中每个层级的灰度梯度,针对所述第二图像金字塔中除了最高层级之外的层级,获取上一层级的位移场;
放大单元,用于根据上一层级与当前层级之间的缩小比例,放大上一层级的位移场;
图像构造单元,将当前层级的图像的坐标加上放大后的上一层级的位移场,得到当前层级的新图像;
第二灰度梯度计算单元,用于计算当前层级的新图像相对于所述第一图像金字塔中相同层级的图像的灰度梯度,得到当前层级的灰度梯度。
在另外一个实施例中,还提供了一种软件,该软件用于执行上述实施例及优选实施方式中描述的技术方案。
在另外一个实施例中,还提供了一种存储介质,该存储介质中存储有上述软件,该存储介质包括但不限于:光盘、软盘、硬盘、可擦写存储器等。
本发明实施例实现了如下技术效果:根据变形前的第一图像建立第一图像金字塔,根据变形后的第二图像建立第二图像金字塔,进而根据第一图像金字塔和第二图像金字塔,分别计算第二图像金字塔中每个层级相对于第一图像金字塔中相同层级的灰度梯度,最后,将第二图像金字塔中每个层级的灰度梯度代入L1范数流光算法的目标函数,采用次梯度迭代算法计算L1范数流光算法的目标函数,得出第二图像金字塔中每个层级的位移场。本申请采用L1范数流光算法的目标函数,实现了位移非连续性的保存;同时本申请将图像金字塔与L1范数流光算法相结合,进而采用次梯度迭代算法来计算L1范数流光算法的目标函数,实现了计算材料表面的运动边缘部位、裂缝以及切口等出现不连续位移位置的位移场,同时,缩短了位移计算的时间,解决了现有技术中测量不连续位移时存在的计算困难的技术问题,有利于将L1范数的光流算法与工程上的DIC技术很好地结合。
显然,本领域的技术人员应该明白,上述的本发明实施例的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明实施例不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种用于材料表面的位移场测量方法,其特征在于,包括:
针对待测量材料,采集变形前的第一图像和变形后的第二图像,第一图像和第二图像的尺寸相同;
根据第一图像建立第一图像金字塔,根据第二图像建立第二图像金字塔,其中,所述第一图像金字塔中层级间的缩小比例和所述第二图像金字塔中层级间的缩小比例相同;
根据所述第一图像金字塔和所述第二图像金字塔,计算所述第二图像金字塔中每个层级相对于所述第一图像金字塔中相同层级的灰度梯度;
将所述第二图像金字塔中每个层级的灰度梯度代入L1范数流光算法的目标函数,采用次梯度迭代算法计算L1范数流光算法的目标函数,得出所述第二图像金字塔中每个层级的位移场。
2.如权利要求1所述的用于材料表面的位移场测量方法,其特征在于,所述第二图像金字塔中每个层级的灰度梯度包括:当前层级的图像关于两个维度的第一灰度梯度和当前层级的图像相对于所述第一图像金字塔中相同层级的图像在时间维度上的第二灰度梯度。
3.如权利要求1所述的用于材料表面的位移场测量方法,其特征在于,据所述第一图像金字塔和所述第二图像金字塔,计算所述第二图像金字塔中每个层级相对于所述第一图像金字塔中相同层级的灰度梯度,包括:
针对所述第二图像金字塔中的最高层级,计算该最高层级的图像相对于所述第一图像金字塔中最高层级的图像的灰度梯度,得到该最高层级的灰度梯度。
4.如权利要求1至3中任一项所述的用于材料表面的位移场测量方法,其特征在于,据所述第一图像金字塔和所述第二图像金字塔,计算所述第二图像金字塔中每个层级相对于所述第一图像金字塔中相同层级的灰度梯度,包括:
按照层级由高到低的顺序,计算所述第二图像金字塔中每个层级的灰度梯度,针对所述第二图像金字塔中除了最高层级之外的层级,获取上一层级的位移场;
根据上一层级与当前层级之间的缩小比例,放大上一层级的位移场;
将当前层级的图像的坐标加上放大后的上一层级的位移场,得到当前层级的新图像;
计算当前层级的新图像相对于所述第一图像金字塔中相同层级的图像的灰度梯度,得到当前层级的灰度梯度。
5.一种用于材料表面的位移场测量装置,其特征在于,包括:
图像采集模块,用于针对待测量材料,采集变形前的第一图像和变形后的第二图像,第一图像和第二图像的尺寸相同;
金字塔建立模块,用于根据第一图像建立第一图像金字塔,根据第二图像建立第二图像金字塔,其中,所述第一图像金字塔中层级间的缩小比例和所述第二图像金字塔中层级间的缩小比例相同;
灰度梯度计算模块,用于根据所述第一图像金字塔和所述第二图像金字塔,计算所述第二图像金字塔中每个层级相对于所述第一图像金字塔中相同层级的灰度梯度;
位移计算模块,用于将所述第二图像金字塔中每个层级的灰度梯度代入L1范数流光算法的目标函数,采用次梯度迭代算法计算L1范数流光算法的目标函数,得出所述第二图像金字塔中每个层级的位移场。
6.如权利要求5所述的用于材料表面的位移场测量装置,其特征在于,所述第二图像金字塔中每个层级的灰度梯度包括:当前层级的图像关于两个维度的第一灰度梯度和当前层级的图像相对于所述第一图像金字塔中相同层级的图像在时间维度上的第二灰度梯度。
7.如权利要求5所述的用于材料表面的位移场测量装置,其特征在于,灰度梯度计算模块,包括:
第一灰度梯度计算单元,用于针对所述第二图像金字塔中的最高层级,计算该最高层级的图像相对于所述第一图像金字塔中最高层级的图像的灰度梯度,得到该最高层级的灰度梯度。
8.如权利要求5至7中任一项所述的用于材料表面的位移场测量装置,其特征在于,灰度梯度计算模块,包括:
位移场获取单元,用于按照层级由高到低的顺序,计算所述第二图像金字塔中每个层级的灰度梯度,针对所述第二图像金字塔中除了最高层级之外的层级,获取上一层级的位移场;
放大单元,用于根据上一层级与当前层级之间的缩小比例,放大上一层级的位移场;
图像构造单元,将当前层级的图像的坐标加上放大后的上一层级的位移场,得到当前层级的新图像;
第二灰度梯度计算单元,用于计算当前层级的新图像相对于所述第一图像金字塔中相同层级的图像的灰度梯度,得到当前层级的灰度梯度。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的用于材料表面的位移场测量方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求1至4中任一项所述的用于材料表面的位移场测量方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810392736.6A CN108871197B (zh) | 2018-04-27 | 2018-04-27 | 用于材料表面的位移场测量方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810392736.6A CN108871197B (zh) | 2018-04-27 | 2018-04-27 | 用于材料表面的位移场测量方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108871197A true CN108871197A (zh) | 2018-11-23 |
CN108871197B CN108871197B (zh) | 2020-07-28 |
Family
ID=64326863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810392736.6A Active CN108871197B (zh) | 2018-04-27 | 2018-04-27 | 用于材料表面的位移场测量方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108871197B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108507476A (zh) * | 2018-04-27 | 2018-09-07 | 中国石油大学(北京) | 用于材料表面的位移场测量方法、装置、设备及存储介质 |
CN109978968A (zh) * | 2019-04-10 | 2019-07-05 | 广州虎牙信息科技有限公司 | 运动对象的视频绘制方法、装置、设备及存储介质 |
CN112229500A (zh) * | 2020-09-30 | 2021-01-15 | 石家庄铁道大学 | 结构振动位移监测方法及终端设备 |
CN113536570A (zh) * | 2021-07-16 | 2021-10-22 | 中国石油大学(北京) | 一种应力参数计算方法、装置、***及计算机设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05314244A (ja) * | 1992-05-13 | 1993-11-26 | Nippon Telegr & Teleph Corp <Ntt> | 3次元情報抽出方法 |
WO2007107214A2 (de) * | 2006-03-22 | 2007-09-27 | Pilz Gmbh & Co. Kg | Verfahren und vorrichtung zur korrespondenzbestimmung, vorzugsweise zur dreidimensionalen rekonstruktion einer szene |
CN102262781A (zh) * | 2011-05-11 | 2011-11-30 | 浙江工业大学 | 一种基于单元分解光流场的喷墨印花纹理图像配准方法 |
WO2013048641A1 (en) * | 2011-09-28 | 2013-04-04 | Qualcomm Incorporated | Framework for reference-free drift-corrected planar tracking using lucas-kanade optical flow |
CN104869387A (zh) * | 2015-04-19 | 2015-08-26 | 中国传媒大学 | 基于光流法的双目图像最大视差获取方法 |
CN105100546A (zh) * | 2014-12-31 | 2015-11-25 | 天津航天中为数据***科技有限公司 | 运动估计方法及装置 |
WO2017171651A1 (en) * | 2016-03-30 | 2017-10-05 | Agency For Science, Technology And Research | System and method for imaging a surface defect on an object |
CN108507476A (zh) * | 2018-04-27 | 2018-09-07 | 中国石油大学(北京) | 用于材料表面的位移场测量方法、装置、设备及存储介质 |
-
2018
- 2018-04-27 CN CN201810392736.6A patent/CN108871197B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05314244A (ja) * | 1992-05-13 | 1993-11-26 | Nippon Telegr & Teleph Corp <Ntt> | 3次元情報抽出方法 |
WO2007107214A2 (de) * | 2006-03-22 | 2007-09-27 | Pilz Gmbh & Co. Kg | Verfahren und vorrichtung zur korrespondenzbestimmung, vorzugsweise zur dreidimensionalen rekonstruktion einer szene |
CN102262781A (zh) * | 2011-05-11 | 2011-11-30 | 浙江工业大学 | 一种基于单元分解光流场的喷墨印花纹理图像配准方法 |
WO2013048641A1 (en) * | 2011-09-28 | 2013-04-04 | Qualcomm Incorporated | Framework for reference-free drift-corrected planar tracking using lucas-kanade optical flow |
CN105100546A (zh) * | 2014-12-31 | 2015-11-25 | 天津航天中为数据***科技有限公司 | 运动估计方法及装置 |
CN104869387A (zh) * | 2015-04-19 | 2015-08-26 | 中国传媒大学 | 基于光流法的双目图像最大视差获取方法 |
WO2017171651A1 (en) * | 2016-03-30 | 2017-10-05 | Agency For Science, Technology And Research | System and method for imaging a surface defect on an object |
CN108507476A (zh) * | 2018-04-27 | 2018-09-07 | 中国石油大学(北京) | 用于材料表面的位移场测量方法、装置、设备及存储介质 |
Non-Patent Citations (6)
Title |
---|
ANTONIO FERNÁNDEZ-CABALLERO等: "Optical flow or image subtraction in human detection from infrared camera on mobile robot", 《ROBOTICS AND AUTONOMOUS SYSTEMS》 * |
M.阿佛里耳等: "《非线性规划——分析与方法 上册》", 31 October 1979, 上海科学技术出版社 * |
于合龙等: "基于光流追踪技术的变形位移测量方法", 《吉林大学学报(理学版)》 * |
张桂梅等: "基于分数阶微分的TV_L1光流模型的图像配准方法研究", 《自动化学报》 * |
王化存等译: "《非线性规划——理论与算法》", 30 September 1986, 贵州人民出版社 * |
赖泊能等: "基于DM642的金字塔Lucas-Kanade光流法计算速度信息", 《测控技术》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108507476A (zh) * | 2018-04-27 | 2018-09-07 | 中国石油大学(北京) | 用于材料表面的位移场测量方法、装置、设备及存储介质 |
CN108507476B (zh) * | 2018-04-27 | 2020-08-07 | 中国石油大学(北京) | 用于材料表面的位移场测量方法、装置、设备及存储介质 |
CN109978968A (zh) * | 2019-04-10 | 2019-07-05 | 广州虎牙信息科技有限公司 | 运动对象的视频绘制方法、装置、设备及存储介质 |
CN112229500A (zh) * | 2020-09-30 | 2021-01-15 | 石家庄铁道大学 | 结构振动位移监测方法及终端设备 |
CN112229500B (zh) * | 2020-09-30 | 2022-05-20 | 石家庄铁道大学 | 结构振动位移监测方法及终端设备 |
CN113536570A (zh) * | 2021-07-16 | 2021-10-22 | 中国石油大学(北京) | 一种应力参数计算方法、装置、***及计算机设备 |
CN113536570B (zh) * | 2021-07-16 | 2022-09-27 | 中国石油大学(北京) | 一种应力参数计算方法、装置、***及计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108871197B (zh) | 2020-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110108348B (zh) | 基于运动放大光流跟踪的薄壁件微幅振动测量方法及*** | |
CN108871197A (zh) | 用于材料表面的位移场测量方法、装置、设备及存储介质 | |
Nayar et al. | Shape from focus: An effective approach for rough surfaces | |
CN110866969B (zh) | 基于神经网络与点云配准的发动机叶片重构方法 | |
CN105787901B (zh) | 一种用于太阳高分辨图像序列中相邻两帧间的多尺度速度场测量方法 | |
CN110136114B (zh) | 一种波面高度测量方法、终端设备及存储介质 | |
US11512946B2 (en) | Method and system for automatic focusing for high-resolution structured light 3D imaging | |
CN108507476A (zh) | 用于材料表面的位移场测量方法、装置、设备及存储介质 | |
CN106575363A (zh) | 用于追踪场景中的关键点的方法 | |
CN108288250A (zh) | 基于tgv正则化的红外遥感图像超分辨率重建方法 | |
CN114596525A (zh) | 一种基于计算机视觉的动态桥梁形态识别方法 | |
CN108010122B (zh) | 一种人体三维模型重建与测量的方法及*** | |
CN116363121A (zh) | 一种基于计算机视觉的拉索索力检测方法、***及装置 | |
CN114396877B (zh) | 面向材料力学性能的智能三维位移场及应变场测量方法 | |
CN113658147B (zh) | 一种基于深度学习的工件尺寸测量装置及方法 | |
CN113628170B (zh) | 一种基于深度学习的激光线提取方法及*** | |
CN113177340A (zh) | 基于立体视觉的三向接触应力表征方法及装置 | |
CN110631499B (zh) | 基于无网格方法的数字图像变形测量方法及电子设备 | |
CN111735447B (zh) | 一种仿星敏式室内相对位姿测量***及其工作方法 | |
CN115638731B (zh) | 一种基于超分辨率的振动台试验计算机视觉位移测量方法 | |
CN114565511B (zh) | 基于全局单应性估计的轻量级图像配准方法、***及装置 | |
McCarthy et al. | Monitoring dynamic structural tests using image deblurring techniques | |
CN110349133A (zh) | 物体表面缺陷检测方法、装置 | |
Sonn et al. | Ricci flow for image processing | |
Zheng et al. | Image and depth estimation with mask-based lensless cameras |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |