[发明专利]基于改进遗传算法的组合式数字图像相关位移搜索方法

权利要求书

1.一种基于改进遗传算法的组合式数字图像相关位移搜索方法，其特征在于，所述的方法包括：

步骤一：针对被测试件，获取变形前后的数字图像数据，变形前的图像为参考图像f(x,y)，变形后的图像为目标图像g(x,y)；

步骤二：DIC中的相关准则选择零均值归一化协方差互相关函数，并将此函数作为遗传算法中的适应度函数，用来对种群个体进行适应度评价；

步骤三：在参考图像中划分网格，选择某一网格节点A(x,y)，然后采用改进遗传算法，在指定范围内，对目标图像中的像素点进行搜索，得到和参考图像中点A匹配程度最好的点B(x+u₀,y+v₀)，从而得到参考图像中点A的零阶形函数参数

步骤四：将改进遗传算法搜索得到的零阶形函数参数改成一阶形函数参数的形式将作为NR算法的初值进行迭代，得到最终一阶形函数参数从而得到点A的最终位移(u,v)。

2.根据权利要求1所述的一种基于改进遗传算法的组合式数字图像相关位移搜索方法，其特征在于，所述的步骤二中：ZNCC函数公式为：

其中，p是描述图像子区变形的变形参数，常用的有零阶形函数参数p⁰＝(u,v)^T和一阶形函数参数p¹＝(u,u_x,u_y,v,v_x,v_y)^T，分别对应公式(2)和(3)；(Δx,Δy)是以子区中心点为原点的局部坐标；M是图像子区半径；f(x_i,y_j)为参考图像(x_i,y_j)处的灰度值，g(x'_i,y'_j)为目标图像g(x'_i,y'_j)处的灰度值；f_m和g_m分别为参考子区和目标子区的灰度值平均值，Δf和Δg分别见公式(4)和公式(5)所示：

3.根据权利要求1所述的一种基于改进遗传算法的组合式数字图像相关位移搜索方法，其特征在于，所述的步骤三中：搜索变量为零阶形函数参数得到和节点A相关系数最大的点B(x+u₀,y+v₀)，搜索变量的边界参数Field为公式(6)所示：

其中，(u_min,u_max)和(v_min,v_max)是u₀,v₀的搜索范围。

4.根据权利要求1所述的一种基于改进遗传算法的组合式数字图像相关位移搜索方法，其特征在于，所述的步骤四具体为：

将改进遗传算法搜索得到的零阶形函数参数修改为一阶形函数参数作为NR算法初值，进行迭代，得到最终一阶形函数参数从而得到点A的最终位移(u,v)；所述的NR迭代具体如公式(7)～公式(10)所示：

Δp＝-H^-1G (8)

其中，公式(9)和(10)中的(p₁,p₂,p₃,p₄,p₅,p₆)^T对应(u,u_x,u_y,v,v_x,v_y)^T。

5.根据权利要求1所述的一种基于改进遗传算法的组合式数字图像相关位移搜索方法，其特征在于，在进行遗传算法搜索时，在改进遗传算法部分，针对DIC的计算特点，因为相邻两个网格节点的位移变化很小，所以用前一已计算网格节点i的最终位移(u_i,v_i)^T作为后一未计算节点j的位移矢量参考，将未计算节点j的搜索变量的边界参数修改如下：

其中，δ为小边界参数，常数；创建完初始种群之后，将前一已计算节点的最终位移(u_i,v_i)^T作为种子个体，插入到初始种群；这样，一方面缩小了变量的搜索范围，另一方面初始种群中具有适应度较高的优良个体，即(u_i,v_i)^T，因此可以加速遗传算法的收敛。