基于升采样的数字图像相关方法研究

来源 :东南大学 | 被引量 : 0次 | 上传用户:ying33809
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
数字图像相关 (DIC, Digital Image Correlation) 测量方法可用于测量物体表面位移,因其设备简单,非接触测量,使用环境要求低等优势,已经成为光测力学学术界和工业界最为活跃的测量方法。然而,算法与计算参数的选取等诸多因素影响着数字图像相关方法的亚像素位移测量精度,且当前亚像素位移测量精度相对较低,无法满足目前工程上对精度的需求,因此,本文主要围绕如何提高数字散斑相关方法的亚像素位移测量精度展开研究。
  本论文研究了数字散斑相关测量方法的基本理论,分析了散斑变形前后的坐标关系,介绍多种子区匹配的相关系数准则,建立了亚像素位移测量的数学模型,主要有灰度插值法和曲面拟合法,并总结了多种常见插值算法。传统灰度插值法中采用更高阶插值算法并不能使得亚像素位移测量精度更进一步提高,为此,本文将研究基于升采样的数字图像相关测量方法。
  本文提出一种升采样与B样条插值相结合的插值方法。首先,分析数字信号处理领域中的升采样的基本原理,并分别从时域和频域的角度详细推导在数字域中增加信号采样率的实现流程,接着给出抗镜像内插数字滤波器的窗设计法。其次,基于升采样处理只能对数据序列点倍数插值的结果上,再进行B样条插值以达到对数据序列任意点插值的目的。最后,为了验证所提出插值方法的有效性,针对计算机模拟的一维测试序列进行插值仿真实验,结果表明升采样与 B 样条插值相结合的插值方法比只使用 B 样条插值的方法具有更高的插值精度。
  本文提出将升采样与 B 样条插值结合的插值方法应用于数字散斑位移测量的方法当中。首先,针对插值模块,给出二维升采样处理的实现步骤,分析数字散斑图像的频谱,固定抗镜像内插数字滤波器的相关参数。其次,针对位移定位算法模块,分析并推导 DIC 中两种主流的非线性迭代算法:前向加性高斯牛顿 (FA-GN, Forward Additive Gauss-Newton)和反向组合高斯-牛顿法(IC-GN, Inverse Compositional Gauss-Newton),确定采用这两种算法下的基于升采样处理的亚像素位移测量的整体流程。之后,采用上述一维测试序列进行仿真实验,结果表明升采样与B样条插值结合的插值方法比只使用B样条插值的方法具有更好的位移测量精度。最后,针对计算机模拟的和真实的二维数字散斑图像,采用零均值归一化最小平方的相关准则,从位移均值偏差、标准差和均方根误差的角度给出衡量位移测量精度的比较结果。仿真结果表明基于升采样的数字图像相关方法可以显著降低插值带来的误差,而且保证了标准差的稳定,提高了数字图像相关方法的位移测量精度,满足物体变形场位移测量的稳定性与高精度需求。
其他文献
基于视觉的即时定位与地图构建(Simultaneous Localization and Mapping,SLAM)技术,作为实现全自主移动机器人的关键技术之一,引起了自动驾驶、增强现实等新兴领域学者的广泛关注。结合语义分割与视觉SLAM ,开发基于深度学习的语义SLAM技术成为突破传统视觉SLAM算法瓶颈的重要方向。针对环境感知与实时性需求,文章提出了基于深度学习的语义SLAM系统方案,利用深度
学位
实正弦信号频率估计不仅是现代数字信号处理领域重要的研究课题,而且在军用和民用雷达系统、通信系统、生物医学等领域都有着广泛的应用,因而高斯白噪声背景下实正弦信号频率估计问题的研究有着重要的理论意义与应用价值。并且,离散傅里叶变换(DFT)因物理意义直观明确和计算量小等优点,逐渐成为重要研究方向之一。本文对插值DFT(IpDFT)和智能DFT(SDFT)相关算法进行研究,发现实正弦信号DFT存在栅栏效
学位
毫米波大规模多输入多输出(Multiple-input Multiple-output, MIMO)通信是未来无线通信的关键技术之一。大规模 MIMO 系统利用波束成形技术不仅可以弥补毫米波信号传输的路径损耗又可以充分挖掘空间自由度。本文针对毫米波大规模 MIMO 中的波束训练和波束跟踪开展研究工作,具体如下。  研究了基于码本的波束训练技术,提出了一种利用辅助计算设计的自适应码本并基于该码本提出
随着大数据时代与互联网时代的发展,多媒体数据在人们生活中扮演着重要的角色,极大地便利人们的生活。然而在数据的传输与处理的过程中,信息安全问题显得尤为重要。尤其是随着云计算技术的普及与应用,云端存储的海量数据的安全保护问题更为严峻。如何保障信息传递过程的安全性、信息内容的完整性,成为学者们广泛研究的方向。图像加密域可逆信息隐藏技术结合了图像加密技术与可逆信息隐藏技术,在图像传递过程中对图像内容进行加
学位
近些年随着汽车的普及,道路交通安全日益成为人们普遍关注的焦点问题。科学技术的发展带动了汽车核心技术的革新,其中提供辅助驾驶功能的毫米波车载防撞雷达因其体积小、功耗低、精度高、抗干扰能力强等优势,成为目前车载传感器的主流方案。本文将以毫米波车载防撞雷达为研究对象,对现阶段毫米波雷达信号处理中的关键技术展开研究,并针对目标检测与参数估计中存在的问题提出具体有效的改进算法,最终形成一套完整的、可行的毫米
学位
随着深度卷积神经网络的兴起,自然场景中的文本检测得到了广泛关注。场景文本检测具有很大的应用价值,比如广告过滤,场景理解,文档分析以及机器人导航等等。但是,因为尺寸、长宽比和方向的巨大变化以及图像扭曲、极端的照明情况和遮挡问题,场景文本检测仍然面临着巨大的挑战。本文的主要工作和创新如下:  1.本文研究了基于语义分割的文本检测算法EAST,并提出了一种含有空洞卷积的场景文本检测算法AC-EAST。A
学位
本文针对毫米波大规模多输入输出(Multiple-Input and Multiple-Output,MIMO)系统,分别研究了基于经典方法与基于深度学习方法的信道估计。其中经典方法包括过采样与基于旋转不变技术的信号参数估计(Estimating Signal Parameters via the Rotational Invariance Techniques,ESPRIT)。  首先对于使用过
近年来,随着医疗水平的快速发展,先进的医疗设备开始广泛应用,众多医疗数据得以有效保存。临床医学作为医学研究与临床诊断的桥梁,数据具有多样性、高维性、冗余性等特点,合理的医疗数据分析手段对了解发病原因、辅助医生诊断、疾病预防等具有重要意义。  心身疾病作为一门新兴的临床科学,确诊过程不仅需要精密仪器的检测,还需要医生凭借丰富的临床经验问诊,数据收集繁杂,具有临床实践的特殊性。抑郁症是一种常见的心理疾
学位
细粒度图像识别是计算机视觉领域中一项颇具挑战性的研究课题,目的是区分同一大类下各个不同的子类。与跨物种的粗粒度图像识别任务相比,细粒度图像数据集内不同种类的目标外观相似程度较高,而同一种类的目标由于姿势、视角和光照等因素导致视觉差异显著,因此使用普通的深度学习图像识别技术难以精准地判断细粒度目标类别。强监督细粒度识别算法借助目标边界框或部位标注点等额外的监督信息构建检测模型,从而对图像判别性区域进
学位
伴随着新一轮的技术革命和产业革命,高级辅助驾驶系统(Advanced driver assistance system,ADAS)作为一种极为重要的主动安全技术,极大提高了人们出行的安全指数,保障了生命和财产安全,成为近年来汽车产业的研究热点与产业趋势。毫米波雷达凭借其体积小、成本低以及不易受恶劣环境因素影响等特性,被视为ADAS系统感知层的核心传感器之一,并成为车载雷达应用的主流。车载毫米波雷达