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。

影响特征检测子鲁棒性与速度方法的对比分析

特征检测子是近年来计算机视觉领域的研究热点。在宽基线匹配、特定目标识别、图像及视频检索、机器人导航和数据挖掘等多个领域均得到了广泛应用。为总结特征检测子目前存在问题及指出可能的发展方向,对比分析了当前普遍使用的特征检测子的鲁棒性与速度。首先综述了尺度不变特征检测子(SIFT)、快速稳健特征检测子(SURF)、二进制稳健尺度不变性特征检测子(BRISK)、定向的基于加速段检测子(ORB)、风式特征检测子(KAZE)以及快速风式特征检测子(Accelerated-KAZE),然后按照特征检测步骤深入分析了各种影响检测子性能与速度的方法,最后利用Mikolajczyk 05标准测试图集测定并分析了检测子的复现率与耗时实验。实验结果表明,快速非线性尺度空间、基于加速段的特征检测子(FAST)与长距离对迭代法的综合性能较好。