大变形场下高速数字图像相关并行计算研究

由于大变形场下图像去相关效应的影响,数字图像相关(Digital image correlation,DIC)始终无法完成图像间的并行计算。为了突破这一瓶颈,本文提出了一种基于Accelerated-KAZE(AKAZE)的参考图更新方法,可在DIC正式计算之前完成参考图更新工作,为并行计算提供独立数据。并构建了一种图形处理器(Graphics processing unit,GPU)并行计算架构,可对所有子区独立估值,完成图像间和子区间的并行计算。最后对丁腈橡胶进行了拉伸测试,结果表明相比于传统的串行DIC计算方法,运用本文的并行方法速度可提升两个数量级。

基于拉普拉斯金字塔加权熵的散斑区域提取

在数字图像相关计算中,通常需要人为地选择一个散斑区域以限制搜索区域。随着工业自动化的发展,经常需要获得材料表面的实时位移场和应变场,找到一种快速准确的散斑区域提取算法显得尤为重要。二阶梯度熵函数在散斑提取过程中,耗时过长,计算复杂多变的散斑图时不能准确提取散斑区域。针对这些问题,根据散斑分布特征,提出了一种基于拉普拉斯金字塔加权熵的散斑区域提取算法。该算法在降低计算量的同时,可根据不同散斑图的熵值分布直方图灵活地自动确定阈值。研究结果表明:在散斑区域提取过程中,该算法可以较灵活地选择阈值,完成散斑区域的自动提取,同时计算时间可减少90%以上。该算法较二阶梯度熵函数有了较好的改进,基本能实现复杂背景下散斑区域的提取,同时提取速度有了显著的提升。