[發(fā)明專利]基于改進(jìn)遺傳算法的組合式數(shù)字圖像相關(guān)位移搜索方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110405564.3
• 申請(qǐng)日: 2021-04-15
• 公開(kāi)（公告）號(hào): CN113192012A
• 公開(kāi)（公告）日: 2021-07-30
• 發(fā)明（設(shè)計(jì)）人: 熊克;孫坤;宋祥帆
• 申請(qǐng)（專利權(quán)）人: 南京航空航天大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/73;G06N3/12;G01B11/02
• 代理公司: 江蘇圣典律師事務(wù)所 32237
• 代理人: 王慧穎

1.一種基于改進(jìn)遺傳算法的組合式數(shù)字圖像相關(guān)位移搜索方法，其特征在于，所述的方法包括：

步驟一：針對(duì)被測(cè)試件，獲取變形前后的數(shù)字圖像數(shù)據(jù)，變形前的圖像為參考圖像f(x,y)，變形后的圖像為目標(biāo)圖像g(x,y)；

步驟二：DIC中的相關(guān)準(zhǔn)則選擇零均值歸一化協(xié)方差互相關(guān)函數(shù)，并將此函數(shù)作為遺傳算法中的適應(yīng)度函數(shù)，用來(lái)對(duì)種群個(gè)體進(jìn)行適應(yīng)度評(píng)價(jià)；

步驟三：在參考圖像中劃分網(wǎng)格，選擇某一網(wǎng)格節(jié)點(diǎn)A(x,y)，然后采用改進(jìn)遺傳算法，在指定范圍內(nèi)，對(duì)目標(biāo)圖像中的像素點(diǎn)進(jìn)行搜索，得到和參考圖像中點(diǎn)A匹配程度最好的點(diǎn)B(x+u₀,y+v₀)，從而得到參考圖像中點(diǎn)A的零階形函數(shù)參數(shù)

步驟四：將改進(jìn)遺傳算法搜索得到的零階形函數(shù)參數(shù)改成一階形函數(shù)參數(shù)的形式將作為NR算法的初值進(jìn)行迭代，得到最終一階形函數(shù)參數(shù)從而得到點(diǎn)A的最終位移(u,v)。

2.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)遺傳算法的組合式數(shù)字圖像相關(guān)位移搜索方法，其特征在于，所述的步驟二中：ZNCC函數(shù)公式為：

其中，p是描述圖像子區(qū)變形的變形參數(shù)，常用的有零階形函數(shù)參數(shù)p⁰＝(u,v)^T和一階形函數(shù)參數(shù)p¹＝(u,u_x,u_y,v,v_x,v_y)^T，分別對(duì)應(yīng)公式(2)和(3)；(Δx,Δy)是以子區(qū)中心點(diǎn)為原點(diǎn)的局部坐標(biāo)；M是圖像子區(qū)半徑；f(x_i,y_j)為參考圖像(x_i,y_j)處的灰度值，g(x'_i,y'_j)為目標(biāo)圖像g(x'_i,y'_j)處的灰度值；f_m和g_m分別為參考子區(qū)和目標(biāo)子區(qū)的灰度值平均值，Δf和Δg分別見(jiàn)公式(4)和公式(5)所示：

3.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)遺傳算法的組合式數(shù)字圖像相關(guān)位移搜索方法，其特征在于，所述的步驟三中：搜索變量為零階形函數(shù)參數(shù)得到和節(jié)點(diǎn)A相關(guān)系數(shù)最大的點(diǎn)B(x+u₀,y+v₀)，搜索變量的邊界參數(shù)Field為公式(6)所示：

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

4.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)遺傳算法的組合式數(shù)字圖像相關(guān)位移搜索方法，其特征在于，所述的步驟四具體為：

將改進(jìn)遺傳算法搜索得到的零階形函數(shù)參數(shù)修改為一階形函數(shù)參數(shù)作為NR算法初值，進(jìn)行迭代，得到最終一階形函數(shù)參數(shù)從而得到點(diǎn)A的最終位移(u,v)；所述的NR迭代具體如公式(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對(duì)應(yīng)(u,u_x,u_y,v,v_x,v_y)^T。

5.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)遺傳算法的組合式數(shù)字圖像相關(guān)位移搜索方法，其特征在于，在進(jìn)行遺傳算法搜索時(shí)，在改進(jìn)遺傳算法部分，針對(duì)DIC的計(jì)算特點(diǎn)，因?yàn)橄噜弮蓚€(gè)網(wǎng)格節(jié)點(diǎn)的位移變化很小，所以用前一已計(jì)算網(wǎng)格節(jié)點(diǎn)i的最終位移(u_i,v_i)^T作為后一未計(jì)算節(jié)點(diǎn)j的位移矢量參考，將未計(jì)算節(jié)點(diǎn)j的搜索變量的邊界參數(shù)修改如下：

其中，δ為小邊界參數(shù)，常數(shù)；創(chuàng)建完初始種群之后，將前一已計(jì)算節(jié)點(diǎn)的最終位移(u_i,v_i)^T作為種子個(gè)體，插入到初始種群；這樣，一方面縮小了變量的搜索范圍，另一方面初始種群中具有適應(yīng)度較高的優(yōu)良個(gè)體，即(u_i,v_i)^T，因此可以加速遺傳算法的收斂。