大变形下数字图像相关分段位移传递的改进方法

本文主要探讨了大变形情况下基于数字图像的相关改进分段位移传递方法。在物体表面经历显著非线性变形或大范围移动时，传统的数字图像相关方法常常面临挑战，因为这些情况可能导致匹配区域的灰度分布失真，影响精确匹配。为解决这一问题，研究者引入了分段测量的思想，提出了一种创新的位移测量策略。 首先，该方法的关键在于动态选择参考图像。通过分析图像间的相关程度，作者建议将图像序列中具有较高相关性的某一阶段作为新的参考图像。这样做的目的是保持在变形后的图像中，仍能找到相对稳定的部分来进行精确匹配。这种方法允许利用原始图像的局部灰度信息来提高匹配的准确性。 其次，针对匹配过程中的亚像素信息处理，该方法将先前匹配到的亚像素子区中心精确地圆整为整像素整坐标。虽然这一步骤可能导致精度损失，但通过引入连续介质的变形连续性概念，可以估算并补偿这种精度误差。这种补偿机制确保了即使在大变形下，也能尽可能地保留匹配的精确性。 此外，为了提高匹配点对的生成效率，研究者采用了生长法获取初始匹配点。这种方法通过逐步扩展匹配区域，有效地减少了计算复杂性，同时确保了匹配点的质量。通过比较生长法获得的候选点集与通过相关计算得到的最优匹配点集，可以实现参考图像的自动选择，进一步优化整个匹配过程。 通过实验对比和精度分析，结果表明，该改进的分段位移传递法在大变形条件下表现出了良好的效果和可靠性。匹配精度达到了0.01像素级别，这意味着即使面对复杂的形状变化，也能提供足够高的定位精度，这对于机器视觉、板料成形等应用领域具有重要意义。 总结来说，这篇论文提出了一种创新的数字图像相关算法，通过分段位移传递和亚像素匹配技术，解决了物体表面大变形时的图像匹配难题，为相关领域的实际应用提供了有力的支持。其核心优势在于能够有效地处理非线性和大变形，提高匹配精度，是当前机器视觉技术中一个重要的研究进展。