相衬光学相干弹性成像的超分辨应变测量

相衬光学相干弹性成像的相位分辨率受限于系统的光源带宽,导致层析应变成像质量低。这严重制约了相衬光学相干弹性成像的实际应用与发展。为此,本文提出一种基于数据驱动的超分辨应变测量方法,以解决相位分辨率受限下的应变重构困难问题。首先,根据相衬光学相干弹性成像原理,搭建了层析应变测量模型,用于获取网络训练所需的数据集,解决实际测量过程中超分辨应变标签难以获取的问题。其次,构建深度卷积神经网络,通过带有层析分辨率受限特点的数据驱动方式,让网络学习低分辨相位与高分辨应变之间的映射关系,从而实现相衬光学相干弹性成像的超分辨应变测量。最后,采用数值验证和压缩变形加载实验对本文方法的性能进行验证。实验结果表明本文方法在窄带宽输出下能重构出宽带宽的应变测量效果,并且其信噪比相比于矢量方法和传统应变计算深度神经网络,分别提高了18.4 dB和1.45 dB。本文方法可以突破系统光源的带宽限制,在低分辨相位输入条件下实现超分辨应变测量,从而加快相衬光学相干弹性成像在力学性能表征、内部早期损伤探测等方面的应用前景。