[发明专利]数字图像相关中针对裂纹的随机网格及异形子区划分方法

权利要求书

1.一种数字图像相关中针对裂纹的随机网格及异形子区划分方法，其特征在于，所述的方法为：

步骤一、采集参考图像以及带有裂纹的变形图像；

步骤二、对含有裂纹的变形图像进行裂纹特征识别，定义裂纹的数量、位置及轮廓，并将各裂纹轮廓用函数表示；

步骤三、在变形图像中，预设裂纹扩展范围，沿轮廓外法向方向，扩展各裂纹轮廓，得到扩展轮廓区域；

步骤四、在变形图像的扩展轮廓区域外，布置一定数量、随机分布的节点，作为网格划分的初始节点；

步骤五、根据设定的匹配子区大小及各初始节点与裂纹的相对位置，在变形图像上定义各初始节点的匹配子区；

步骤六、通过智能布点或手动选点的方式，在扩展裂纹轮廓内及其他需要加密网格的区域，选择若干加密网格所需添加的节点，并在变形图像上定义各添加节点的异形匹配子区；

步骤七、由初始节点及添加节点组成变形图像的节点群，根据各节点匹配子区信息，由数字图像相关方法，计算各节点的位移；

步骤八、由各节点位移，可插值得到全场位移。

2.根据权利要求1所述的一种数字图像相关中针对裂纹的随机网格及异形子区划分方法，其特征在于，所述的步骤一具体为：搭建实验平台，用数码相机采集物体变形前后的散斑图像，采集实验前物体的数字散斑图像，记为参考图像；采集实验后物体带有裂纹的数字散斑图像，记为变形图像。

3.根据权利要求1所述的一种数字图像相关中针对裂纹的随机网格及异形子区划分方法，其特征在于，所述的步骤二具体为：通过图像识别或特征识别的方法，所述的方法为深度学习神经网络的特征识别，检测变形图像中裂纹的个数及相应的位置和轮廓范围，并用线性或非线性函数表示其轮廓。

4.根据权利要求1所述的一种数字图像相关中针对裂纹的随机网格及异形子区划分方法，其特征在于，所述的步骤五具体为：

定义各初始节点匹配子区位置：

预设节点匹配子区的半径M，通常节点子区取值范围为：以节点为中心，2M+1为边长的正方形区域，大小为(2M+1)×(2M+1)；当节点子区某些区域包含裂纹时，节点位置保持不动，将该子区沿远离裂纹的方向平移，使子区边界位于裂纹轮廓外，此时需保证节点与子区边界保持两个像素以上距离。

5.根据权利要求1所述的一种数字图像相关中针对裂纹的随机网格及异形子区划分方法，其特征在于，所述的步骤六中，添加节点的方法具体为：在扩展裂纹轮廓范围内或需要加密网格的区域，通过智能算法自动选择节点，或通过人机交互的方式手动添加节点。

6.根据权利要求1所述的一种数字图像相关中针对裂纹的随机网格及异形子区划分方法，其特征在于，所述的步骤六中，异形匹配子区的定义方法具体为：预设节点子区的半径M，取以节点为中心，2M+1为边长的正方形区域为子区；当子区某些区域包含裂纹时，节点位置保持不动，将该子区沿远离裂纹的方向平移，以减少该子区包含裂纹区域的面积，但需保证节点与子区边界保持两个像素以上距离；当平移过后的子区仍包含裂纹区域时，将该子区中裂纹区域的灰度信息剔除，该正方形子区就变成多边形子区，称之为异形子区。

7.根据权利要求1所述的一种数字图像相关中针对裂纹的随机网格及异形子区划分方法，其特征在于，所述的步骤七中，所述的数字图像相关方法具体为：根据计算得到的变形图像所有节点的子区范围，选定相关性准则，与变形前的参考图像进行相关性匹配，即可得到各节点的位移。

8.根据权利要求7所述的一种数字图像相关中针对裂纹的随机网格及异形子区划分方法，其特征在于，所述的相关性准则包括数字图像相关方法中所有的相关性函数，例如零均值归一化协方差互相关函数或者归一化最小平方距离相关函数。