一种DIC散斑图像中裂纹尖端与扩展路径的检测方法与流程

本技术涉及一种dic散斑图像中裂纹尖端与扩展路径的检测方法，属于断裂力学光学测量。

背景技术：

1、裂纹扩展参数的准确测量是保障材料断裂性能研究的关键，在疲劳破坏问题中，裂纹尖端的损伤累计过程与应力应变的演化过程相互影响、相互耦合，是多年来材料力学领域内研究的重点。目前，裂纹扩展参数的主要测量方法可分为传统方法、图像处理方法和深度学习的方法。

2、目测法是传统的裂纹长度测量方法之一，虽然操作简单，但通过人工测量的方法导致了测量效率低和数据误差大。传统的声发射技术则无法跟踪裂纹的扩展过程，且易受到噪声干扰。此外，上述两种方法都难以应用于数据量较大的疲劳试验中。针对长时间的疲劳试验的传统方法有：柔度法、电位差法、涡流法和基于应变的检测法等自动化方法。然而，柔度法和电位差法的计算不稳定性较大，难以保证测量数据的可靠性。涡流法仅能用于形状规则、表面光滑的铁磁性试样中，而传统的基于应变的方法往往使用应变片测量，由于应变片的位置固定，因此只能检测裂纹的存在，并不能精确测量出裂纹的位置和扩展参数。

3、近年来，计算机视觉与模式识别方面的相关理论飞速发展，许多研究者提出各种不同类型的视频测量方法，包括利用小波变换、傅里叶变换、canny算子、sobel滤波器等边缘检测算法检测裂纹形状。然而，单纯使用边缘检测算法难以滤除图像中其他高频信息的干扰，仍然需要大量的人机交互才能实现较为理想的检测效果。目前，一种较为有效的方法是将数字图像相关法(dic，digital image correlation)与各种模式识别算法相结合，以此辅助测量裂纹形状和其附近区域的各类物理场。

4、数字图像相关法(digital image correlation，dic)广泛应用于各类力学测量领域，但裂纹开裂导致感兴趣区域(region of interest，roi)内裂纹边缘相关性下降，从而使散斑匹配失效的问题，一直阻碍着dic在裂纹测量中的应用。dic算法采用的测量对象是经由随机散斑编码的变形表面。然而，对于工业灰度相机，散斑特征和裂纹特征极易混淆，难以使用传统的图像识别和分割方法进行裂纹尺寸、形状、尖端和扩展路径的检测。因此，提出一种适用于dic散斑图像中裂纹尖端与扩展路径的检测方法，是将dic技术应用于断裂力学试验中的重要步骤。

技术实现思路

1、根据本技术的一个方面，提供了一种dic散斑图像中裂纹尖端与扩展路径的检测方法，该方法可以识别图像上人眼不可见的亚像素级别的裂纹特征，解决了微小裂纹特征检测难题。

2、一种dic散斑图像中裂纹尖端与扩展路径的检测方法，其特征在于，对随机散斑图案编码存在裂纹扩展的dic测量表面的dic散斑图像中微小裂纹进行检测，所述检测方法包括：

3、s1、在时间序列上选择基准帧作为参考图像，在感兴趣区域逐点计算待检测图像与参考图像之间最优化的零均值归一化互相关系数，得到感兴趣区域的互相关系数场，从而定位裂纹的位置和路径；

4、s2、基于重建和主动退化模型对所述互相关系数场进行超分，用于放大裂纹尖端处微小裂纹的路径特征；

5、s3、将超分后的互相关系数场进行预处理，得到预处理之后的裂纹扩展路径，将预处理之后的所述裂纹扩展路径映射回待检测的所述dic散斑图像中，得到退化后的互相关系数场，同时构建裂纹扩展路径坐标系，输出裂纹扩展路径。

6、进一步的，所述s1包括：

7、s11、针对待检测的所述dic散斑图像当前测量帧选择参考图像，其中，选取当前测量帧的第一张作为参考图像；

8、s12、根据预制裂纹所处的位置，绘制感兴趣区域；

9、s13、在感兴趣区域内，逐点使用数字图像相关法的散斑粗精匹配算法，使用一阶形函数模型描述子区变形，以零均值归一化互相函数作为相关性指标构建优化的代价函数；

10、s14、通过高斯牛顿迭代优化最佳变形系数及其对应的最优化的零均值归一化互相关系数，得到感兴趣区域的互相关系数场。

11、进一步的，所述s2中，基于重建和主动退化模型对所述互相关系数场进行超分，包括：

12、s21、使用n×n的高斯卷积核，对待检测的所述dic散斑图像进行下采样，进行高斯模糊并添加高斯噪声和椒盐噪声，得到退化后的低分辨率低质量图像；

13、s22、使用n×n的上卷积核将退化后的低质量图像超分为待检测的所述dic散斑图像大小，计算当前超分图像和待检测的所述dic散斑图像的结构相似度，并将其作为优化算法的代价函数；

14、s23、使用 lm 迭代对所述上卷积核进行优化，得到对应于当前图像结构的最优上采样卷积核；

15、s24、使用最优上采样卷积核对待检测的所述dic散斑图像进行上采样，得到超分互相关系数场后的超分图像。

16、进一步的，所述s3中，对超分后的互相关系数场进行预处理，包括：

17、（1）对超分后的互相关系数场进行二值化处理：

18、将超分后的互相关系数场按行进行排列，统计所述互相关系数场中所有互相关系数的均值和方差值；

19、逐点计算每一像素点的z-score；

20、根据每一像素点的z-score对所述互相关系数场进行二值化处理，当z-score>2时，将当前像素点的值置为1，否则置为0；

21、对二值化处理后的超分图像进行形态学上膨胀腐蚀操作，消除杂点，仅保留裂纹附近的二值化特征；

22、（2）对二值化处理后的图像进行骨架提取：

23、使用zhang-suen细化算法对膨胀腐蚀操作后的超分图像进行骨架提取，得到单像素的骨架线。

24、进一步的，所述s3中，将预处理之后的所述裂纹扩展路径映射回待检测的所述dic散斑图像中，得到退化后的互相关系数场，同时构建裂纹扩展路径坐标系，输出裂纹扩展路径，包括：

25、s31、根据感兴趣区域超分放大的长宽比例，将骨架提取后得到的单像素裂纹扩展路径坐标位置映射到待检测的所述dic散斑图像大小的感兴趣区域上，其中，所述裂纹扩展路径的坐标用亚像素表示；

26、s32、根据所述感兴趣区域的上边界、长度和宽度，将利用亚像素表示的所述裂纹扩展路径的坐标位置映射到待检测的所述dic散斑图像位置；

27、s33、在参考图像上选择参考散斑面片，以所述参考散斑面片的中心为原点构建裂纹扩展坐标系，在待检测的所述dic散斑图像中根据数字图像相关法识别原点坐标，提取裂纹扩展路径的端点坐标作为裂纹尖端位置的坐标；

28、s34、按照时间序列顺序输出识别到的裂纹尖端坐标，得到裂纹扩展路径。

29、进一步的，所述s13中，逐点使用数字图像相关法的散斑粗精匹配算法，使用一阶形函数模型描述子区变形，以零均值归一化互相函数作为相关性指标构建优化的代价函数，通过如下计算表示：

30、；

31、；

32、；

33、；

34、；

35、其中，表示零均值归一化互相关值；

36、m表示半子区大小；

37、f表示参考图像像素值；

38、g表示形变图像像素值；

39、i，j表示行列序号；

40、是参考图像中的像素坐标；

41、是形变图像中的像素坐标；

42、是参考图像上位置的像素值；

43、是形变图像位置的像素值；

44、表示参考子区像素均值；

45、表示形变子区像素均值；

46、表示参考子区像素方差；

47、表示形变子区像素方差；

48、在散斑变形图像中，使用一阶形函数进行像素点的变形映射：

49、；

50、待求解的未知向量如下：；

51、其中，表示参考子区中心点坐标；

52、表示形变子区中心点坐标；

53、表示参考子区中心点与形变子区中心点的偏差；

54、分别表示x方向和y方向的平移参数；

55、分别表示x方向和y方向的伸缩参数；

56、分别表示x方向和y方向的扭曲变形参数。

57、进一步的，所述超分图像表示为：；

58、其中，为卷积子区的整像素位置的灰度值，为退化后低分辨率图像；

59、为亚像素坐标相对于整像素坐标的偏差；

60、为上采样卷积核参数；

61、当前超分图像和待检测的所述dic散斑图像按照卷积核大小采样的子区的结构相似度表达为：

62、；

63、其中，分别为和的平均灰度，用于描述图像亮度；

64、为超分图像子区；

65、为待检测图像子区；

66、分别为和的标准差，用于描述图像的对比度；

67、为常数，避免当分母为0时造成的数值不稳定；

68、由此构建优化上采样卷积核的代价函数：

69、；

70、其中，i表示子区；

71、为权重系数；

72、m表示子区的大小；

73、使用lm迭代对上采样卷积核k进行优化，得到关于当前超分图像结构的最优超分上采样卷积核，并使用该卷积核对图像进行上采样操作，完成当前超分图像的超分操作。

74、进一步的，所述对超分后的互相关系数场进行二值化处理通过如下表示：；

75、其中，为超分图像中裂纹坐标对应的零均值归一化互相关系数值；

76、为所有零均值归一化互相关系数的平均值；为所有零均值归一化互相关系数的方差；

77、将2作为异常阈值，当时，将该点值置为1，否则将其置为0，将二值化后的系数场记为，则：；

78、膨胀操作中将该像素周围区域设为裂纹区域，即；

79、腐蚀操作中将该像素周围区域设为正常区域，即；

80、腐蚀的数学公式为：；

81、膨胀的数学公式为：；

82、其中，是输入图像；

83、是超分图像中裂纹坐标；

84、表示腐蚀操作；

85、表示膨胀操作；

86、是结构元素；

87、是结构元素的坐标；

88、表示或运算；

89、表示与运算。

90、进一步的，所述对二值化处理后的图像进行骨架提取通过如下表示：

91、对图像进行连通域识别，去除连通域边界上的像素，使连通域边界像素点满足如下约束条件：

92、右轮廓边界：；

93、左轮廓边界：；

94、其中，为像素二值化后的数值；

95、为的八邻域中二值化数值为1的像素的个数；

96、p指的是当前像素位置的邻域，p的排布方式为：；

97、通过识别并剔除左边界轮廓和右边界轮廓，迭代操作直至图像中不包含上述轮廓像素点。

98、进一步的，将所述扩展路径映射回待检测的所述dic散斑图像中通过如下表示：

99、根据超分放大倍数将骨架提取后的裂纹扩展路径映射回原始大小的感兴趣区域，其坐标对应公式为：；

100、其中，为裂纹扩展路径在超分后的感兴趣区域中的坐标；

101、为裂纹扩展路径在超分前的感兴趣区域中的坐标；

102、n为超分时的放大倍数；

103、将感兴趣区域中的裂纹扩展路径坐标映射回待检测的所述dic散斑图像，其转换公式为：

104、；

105、其中，为感兴趣区域原点在当前图像坐标系中的坐标；

106、为裂纹扩展路径在待检测的所述dic散斑图像中的坐标。

107、本技术能产生的有益效果包括：本技术所提供的一种dic散斑图像中裂纹尖端与扩展路径的检测方法，不依赖于单幅图像的裂纹视觉特征，可以检测到人眼不可见的亚像素级别的裂纹特征，并绘制出其扩展路径和尖端位置，同时考虑物体刚性位移，选择刚性参考点，构建参考坐标系，消除刚性变形等影响带来的识别裂纹扩展路径误差，准确绘制出裂纹尖端位置与扩展路径。从而解决了微小裂纹特征检测难题。