[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

说明书

本发明提出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，属于非接触光学测量领域，本发明的方法包括以下步骤：针对被测试件，获取试件变形前后的数字图像数据；使用改进遗传算法进行位移搜索；将遗传算法搜索得到的位移值作为NR算法迭代的初值，求出最终的位移值；在进行遗传算法搜索时，以前一已计算节点的位移值作为后一未计算节点的位移矢量参考，并将该位移值作为种子个体，然后得到初始化种群。本发明的方法具有较高的位移搜索精度和速度，解决了NR算法的初值问题，并加快了遗传算法和NR算法的收敛速度。

技术领域

本发明属于非接触光学测量领域，具体涉及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。

背景技术

数字图像相关方法是一种非接触光学测量方法，因其具有设备简单，对环境要求低，测量精度高和非接触性等特点，被广泛用于材料的力学性能测试中。该方法在实际应用中可以很容易获得整像素位移，但是实际的位移值一般不恰好为整像素，而且整像素位移定位精度在实际应用中也是远远不够的，因此亚像素位移定位算法被认为是数字图像相关中的关键技术之一。

NR算法是数字图像相关法中的主流亚像素位移算法之一，具有很好的收敛性，但是其对初值较为敏感，因此本文提出一种将遗传算法和NR算法结合起来的组合式算法。同时针对遗传算法的收敛性进行了改进。

发明内容

本发明针对现有技术中NR算法对初值敏感的问题以及遗传算法收敛性问题，提出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，具有较高的位移搜索精度和速度，解决了现有技术中NR算法对初值较为敏感等的技术缺陷。

本发明是这样实现的：

一种基于改进遗传算法(GA)的组合式数字图像相关(DIC)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(ZNCC)，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)。

进一步，所述的步骤二中：

ZNCC函数公式为：

x′＝x+u (2)

y′＝y+v

x'＝x+u+u_xΔx+u_yΔy (3)

y'＝y+v+v_xΔx+v_yΔy