（光学专业论文）数字散斑图像相关亚像素搜索算法的研究及应用.pdf

摘要摘要数字散斑图像相关技术是现代光学测量技术的重要方法之一，它以其全场、非接触、高精度、测量敏感、范围大的特点获得了巨大的成功，并已应用在无损检测、微尺度变形场测量、高温环境下的变形测量、电子封装、航空航天等众多领域。亚像素搜索是数字散斑相关技术中的关键问题，各国学者一直致力于这方面的研究。亚像素搜索实际上是一种优化问题，粒子群优化算法具有实现容易、精度高、收敛快等优点，非常适合应用于亚像素搜索。人工神经网络是人工智能领域研究的热点之一，它是通过模拟人脑神经处理信息的方式进行信息并行处理和非线性转换的复杂网络系统，具有很强的自我学习能力，在数字散斑相关领域具有广阔的应用前景。本文是以粒子群优化算法以及人工神经网络在数字散斑相关技术中的应用为主要内容来展开的。作者将粒子群优化算法应用到相关搜索中，通过模拟散斑图分析了该算法在各种情况下进行相关运算的可靠性和稳定性，并用它对刚体平移和单向拉伸两种实际变形场进行测量。本文还将人工神经网络应用于数字散斑图像相关技术，通过相关算法计算出的结果训练神经网络，使其建立起计算点的坐标与该点位移值之间的关系，从而可以运用网络计算出训练样本之外的点的位移值。与运用相关算法直接计算相比，该方法不仅效率大大提高，而且可以计算相关算法无法计算的位于图像边缘上的点。关键词：数字散斑图像相关法，粒子群优化算法，人工神经网络a b s t r a c ta b s t r a c td i g i t a li m a g e s p e c k l ec o r r e l a t i o n ( d i s c ) i so n eo fm o d e mp h o t o m e t r i ct e c h n o l o g i e s d i s ch a sb e e na p p l i e di nm a n yf i e l d s ，s u c ha sn o n d e s t r u c t i v et e s t i n g ，m i c r o s c a l ed e f o r m a t i o nf i e l dm e a s u r e m e n t ，d e f o r m a t i o nm e a s u r e m e n ti nh i g ht e m p e r a t u r ee n v i r o n m e n t ，e l e c t r o n i cp a c k a g i n g ，a v i a t i o n ，a e r o s p a c ea n ds oo n i t sa d v a n t a g e sa r ea u t o m a t i c ，n o n c o n t a c t ，h i g h p r e c i s i o na n df u l lf i e l d t h ek e yt od i s ci ss u b p i x e ls e a r c ha l g o r i t h m s c h o l a r sf r o mv a r i o u sc o u n t r i e sh a v eb e e nc o m m i t t e dt or e s e a r c hi nt h i sa r e a s u b - p i x e ls e a r c hi sa c t u a l l yak i n do fo p t i m i z a t i o np r o b l e m p a r t i c l es w a l t l lo p t i m i z a t i o ni sv e r ys u i t a b l ef o rs u b - p i x e ls e a r c h ，f o ri ti sh i g h p r e c i s i o n ，f a s t - c o n v e r g e n c ea n de a s yt oa c h i e v e a r t i f i c i a ln e u r a ln e t w o r k sa r ec o m p l e xn e t w o r ks y s t e m s ，w h i c ha r es i m u l a t e db yh u m a nb r a i n a n nc o u l dp r o c e s si n f o r m a t i o np a r a l l e l e da n dm a k en o n l i n e a rc o n v e r s i o n ，a n di ti st h ef o c u si nt h ef i e l do fa r t i f i c i a li n t e l l i g e n c e i th a sb r o a da p p l i c a t i o np r o s p e c t si nd i s c ，d u et oi t ss t r o n gs e l f - l e a r n i n ga b i l i t y t h em a i nc o n t e n t so ft h i sp a p e ra r eb a s e do nt h ea p p l i c a t i o no fp a r t i c l es w a r mo p t i m i z a t i o n ( p s o ) a n da r t i f i c i a ln e u r a ln e t w o r k s ( a n n ) i nd i g i t a ls p e c k l ec o r r e l a t i o nt e c h n o l o g y ac o m p u t e rs i m u l a t i o ns c h e m ei se m p l o y e dt ot e s tt h er e l i a b i l i t ya n ds t a b i l i t yo fp s of o rd i s ci nv a r i o u ss i t u a t i o n s ，a n dp s of o rd i s ch a sa l s ob e e na p p l i e dt om e a s u r et h er i g i db o d yt r a n s l a t i o na n dt h eu n i a x i a lt e n s i l ei np r a c t i c a le x p e r i m e n t s i nt h i sp a p e r , a n ni sa l s oa p p l i e dt od i s c t h r o u g hb e i n gt r a i n e dw i t ht h er e s u l t sc a l c u l a t e dw i t ht h ec o r r e l a t i o na l g o r i t h m ，a n ne s t a b l i s h e st h er e l a t i o n s h i pb e t w e e nt h ec o o r d i n a t e so fp o i n t sa n dt h ed i s p l a c e m e n tv a l u e so ft h e m a sar e s u l t ，a n nc o u l dc a l c u l a t et h ed i s p l a c e m e n tv a l u e so fo t h e rp o i n t s c o m p a r e dw i t ht h em e t h o dt h a tu s e sc o r r e l a t i o na l g o r i t h md i r e c t l y , a n nc o u l dn o to n l yc a l c u l a t em o r eq u i c k l y , b u ta l s oc o u l dc a l c u l a t et h ev a l u e so ft h ep o i n t st h a ti so nt h ee d g eo ft h es p e c k l ei m a g e s k e yw o r d s ：d i g i t a li m a g e s p e c k l ec o r r e l a t i o n ，p a r t i c l es w a r mo p t i m i z a t i o n ,a r t i f i c i a ln e u r a ln e t w o r k s独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得叁鲞叁雯或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学雠文储虢节，呜签字吼矽7 年7 删日学位论文版权使用授权书本学位论文作者完全了解叁盗盘鲎有关保留、使用学位论文的规定。特授权墨鲞盘堂可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。( 保密的学位论文在解密后适用本授权说明)学位论文作者签名：签字日期：如口罗年、i 铲呜9 月曰，导师签名：辟晨签字日期：一2 纠年? 月f ie t第一章绪论1 1 数字散斑图像相关法第一章绪论1 1 1 数字散斑图像相关法的概述物体位移和应变的测量在许多实际工程中是十分重要的。现代光学测量方法在这方面的应用十分广泛。由于其引进了现代光电子和图像处理技术，从而实现了高速采集、存储和处理，取得了瞩目的进展。作为现代光学测量技术的重要方法之一，数字散斑相关方法以其全场、非接触、高精度、测量敏感、范围大的特点获得了巨大的成功。它是通过对物体表面变形前后的两个散斑场的图像进行相关运算而得到位移及其导数，实现对物体变形场的测量。数字散斑图像相关法的思想最早是在2 0 世纪8 0 年代初由日本的i y a m a g u c h i和美国南卡罗来纳大学的w h p e t e r ss n w f r a n s o n 等人同时提出的。iy a m a g u c h i在研究物体小变形时，采用测量物体变形前后光强的互相关函数峰值来导出物体的位移。p e t e r s 和r a n s o n 通过对物体变形前后得到的数字灰度场进行相关迭代运算，也就是计算相关系数随试凑位移及其导数的变化过程，找出相关系数的极值而得到相应的位移、应变 2 】。从此，一种全新的光学测量方法一数字散斑图像相关测量方法宣告诞生。数字散斑图像相关法的关键问题是相关搜索。由于该方法处理的是数字化的图像，因此获得的位移u 、v 只能是像素的整数倍，但实际的位移值不恰好为整像素，而且整像素的位移精度在精密测量中是远远不够的。为提高数字散斑相关法的测量精度，获得亚像素位移，可采取以下方法【3 】：( 1 ) 提高c c d 的分辨率，即增加像素点阵数，这是一种最直接的提高测量精度的方法，但c c d 的分辨率是有限的，且该方法代价昂贵；( 2 ) 可采用放大倍数较高的光学成像系统，但这是以缩d , n 量范围为代价的；( 3 ) 通过软件处理的方法提高测量精度，这种方法具有重要的理论和实践意义，也是数字散斑相关测量方法的重要特色技术之一。数字散斑相关法提出的2 0 多年来，众多学者提出来许多相关搜索方法。根据相关计算公式的不同，这些方法可以分为两类。第一类方法的相关计算公式中只含有位移u 、v 两个参量，采用的搜索方法分为两步，首先搜索整数像素位移，即对变形前散斑图的一子区与变形后散斑图的一子区进行相关系数的计算，求得相关值最大的整像素位移u 、1 ，。由于精度达不到要求，接下来还要在原来求得第一章绪论的u 、v 基础上再加一小数像素，即亚像素搜索。整像素位移搜索在早期主要采用的是逐点搜索法，时间复杂度很高。随着十字搜索法 4 】、爬山搜索法 5 】的提出，这过程所耗费的时间大大减少。亚像素位移搜索是提高数字散斑相关技术精度的主要手段，最常用的方法有以下几种：( 1 ) 灰度插值法；( 2 ) 相关系数曲面拟合、插值法；( 3 ) 基于梯度的计算方法。灰度插值法是在整像素搜索中得到的相关系数最大的位置附近范围内进行插值，得到亚像素灰度值，而后以小于一个像素( 如0 0 1 个像素) 的步长在这一范围内移动子区，得到与变形前子区最为匹配的子区的位置，获得亚像素位移。一般来说插值的方法有简单的双线性插值法( b i l i n e a ri n t e r p o l a t i o n ) 6 1 ，为了获得更高精度，还可以采用拉格朗日插值法 。7 】或双三次样条插值法( b i c u b i cs p l i n ei n t e r p o l a t i o n ) 恂j 。相关系数曲面拟合、插值法是采用二元二次多项式拟合法或利用拉格朗日捅值法将整像素位移搜索到的最大相关系数位置周围各点的相关系数拟合成曲面，然后找到曲面的极值点，从而得到亚像素位移。该方法抗噪声能力较强，计算精度和效率较高，已广泛应用于实际工程中。基于梯度的计算方法是f r e e m a n 等 8 】最初从光流计算中引入并应用到图像定位( i m a g er e g i s t r a t i o n ) q b 。2 0 0 1 年，z h o u 掣9 】将该方法应用到实验力学中。它的基本原理是将整像素位移搜索和基于微区统计性质的亚像素位移梯度算法相结合，具有计算简单、求解效率高等优点。第一类方法由于只考虑了位移参量，所以对于单项拉伸、刚体旋转等存在应变的变形的计算效果不佳。在第二类方法的相关计算公式中，除位移参量外，还将位移的导数考虑进去，即o u a x 、a , l a y 、驯舐、驯勿。在此类方法中，具有代表性的是n e w t o n r a p h s o n 迭代法【6 】。该算法的流程是，首先将“、v 、a u a x 、孔砂、驯苏、驯咖6 个参量初始化，其中位移值设为粗搜索获得的整像素位移，4 个导数参量设为某一常数( 一般为o ) ，然后对变形后的散斑图进行插值，通过计算相关系数在搜索区域内对6 个参量的一、二阶偏导数，获取参量的变化量，迭加到各个参量上，使相关系数随迭代过程沿着其梯度下降的方向变化，最终到达极值点。该方法的提出引起了广泛的关注，已成为数字图像相关中的一种经典方法。此外，近年来一些学者将其他数学方法引入数字散斑相关中，取得了瞩目的成果。2 0 0 4 年，王世斌提出了贝叶斯最大后验估计算法确定固体表面位移场的方法【1 0 1 ，提高了位移场的计算精度。同年，唐晨针对遗传算法的搜索和优化能力取决于遗传算子的特性，验证并比较了各种基于实数编码的遗传算子的计算性能，并对其进行了改进，提高了计算的稳定性和精度】。在力学实验中，应变场是非常重要的测量数据，但是通过对位移场直接求导很难获得高精度的应变场，因为求导会把位移场中的噪声放大。近年来，许多学者将研究的焦点集中在如何去除位移场中的噪声而获得高精度的位移场。2 0 0 22第一章绪论年，唐晨将小波多分辨率分析应用于数字散斑图像相关法获得的位移场处理中【l2 i ，位移场的噪声得到了很好滤除。2 0 0 6 年，l b m e n g 等人运用有限元法和二维广义交叉验证法对位移场进行平滑处理【”】。2 0 0 7 年，潘兵和谢惠民对位移场进行局部最d , - - 乘拟合求取全场应变【1 引。数字散斑图像相关技术提出至今的2 0 多年来，已经在测试技术领域取得了相当的成功，从最初的实验应力分析扩展到很多领域，如现场实时测量【l5 1 、无损检测 1 们、高温环境下的变形测量【1 7 】、航空航天等众多领域。2 0 0 2 年，y uw a n g和a m c u i t i n o 禾u 用该方法对聚合泡沫在不同载荷下的应变场进行了测量【l9 1 。2 0 0 7 年，吴加权、马琨等利用该方法对常用工程材料p m m a 的弹性模量进行了测定，得到了试件载荷过程中的载荷一位移曲线【2 们。从未来的发展上看，数字散斑图像相关技术会随着计算机硬件和软件技术的飞速发展和一些更为有效的算法的提出，突破数据处理方面的困境，获得更广泛的应用。1 1 2 数字散斑图像相关法的基本原理数字散斑图像相关法是一种利用物体表面随机分布的斑点来给出变形场的光力学测量技术。斑点是物体表面的固有特征，当物体表面发生面内变形时，斑点也随之移动，从而可以通过相关计算提取物体的变形信息。由于斑点是均匀随机分布的，当对一个点进行测量时，必须考虑以该点为中心的一个区域的统计特征。在数字散斑图像相关实验中，需要采集物体变形前后的两幅散斑图，用s ( x ，y ) 和g g ，y ) 分别表示这两幅图，如图1 - 1 所示。数字散斑图像相关法的基本思想就是在变形前的图像厂b ，y ) 中以所要计算的点p 为中心选取一个子区( 一般为矩形) ，利用子区中的灰度信息，在变形后的图像g ( x ，y ) 中寻找其所对应的子区，从而得到其位置和形状的变化。这些变化直接反映了物体在这一点上的位移和应变的数值。，名孑7 1 ? 掣j生匮?lj 、p a ，图1 1 子区的运动和变形3第一章绪论在厂中以所要计算的点p ( x 。，y 。) 为中心选取一个子区，这个子区包含了p 点周同斑点的灰度信息。该子区在变形后移动到p + ( x + ，y ) 附近的位置，同时子区发生了形变，如图1 - 2 所示，移动的位移在工方向和y 方向分别为u 。、v 。，即：x o2 工0 + 甜oyx图1 2 表征面内子区位移和变形试2q ( x 口，y 口) 为子区中任意一点，q 点与中心点p 的位置关系为：工q = 工o + 血y q = y o + 少( 1 - 1 )( 1 2 )( 1 3 )( 1 - 4 )其中缸、a y 为o 点到p 点在x 方向和y 方向上的距离。若子区变形后，q 点移动到q ( 工；，y ；) ，则有：x ；= z 口+ “q( 1 - 5 )少；=yq+y口(1-6)其中“q 、v q 是q 点的位移。由连续介质力学原理可知，q 点的位移可用它的临近点尸的位移及其增量表示：d第一章绪论酽”等等缈( 1 7 )v q = v 0 + 警a x + 誓a ym 8 ，将( 2 7 ) 、( 2 8 ) 式代入( 2 5 ) 、( 2 6 ) 式得：z q = x q + u o + 警，a x + 百a o a y ( 1 - 9 )y e = y e + v o + 誓帆誓a y( 1 - l o )由于q 点是子区内任意一点，如果用( x ，y ) 、( x + ，y + ) 表示子区变形前的任一点及其对应的变形后的那一点，用“、l ，、娑、孚、娑、娑表示子区中心点的位移o x卯o x咖和导数，贝l j ( 2 1 0 ) 式可变为：o u 砌工2 x + u + i 缸+ _ 。每(111)vo xv、d pc l ，y2 y + i ，+ _ = _ x + - = 一钞( 1 一1 2 )_ c 7 xo v这样，如果我们知道子区中心点尸的位移“、1 ，及其导数坐、坐、竺、尘，c ：x鲫出咖那么子区中任一点q 变形后的位置就可以确定了。由于q 点是子区内任一点，子区的位移和形变可以用中心点的位移“、v 及其导数娑、罢、_ o v 、字来表示。o x卯c t x卯相关运算的目的就是要在变形后的图像g 中找出与变形前的图像厂中的p点最相似的尸点，即找到尸点的位移“、1 ，及其导数譬、孚、霎、宴的值。o x卯出o v先在变形前的图像厂中以p 点为中心选取一个m m 的子区，称为。窗口”，然后在变形后的图像g 中的同一位置周围取出一个w w ( w m ) 的区域，称为“搜索区域”。只要这个搜索区域取得足够大，则在该槽索耳域巾一帘存存一个第一章绪论点，以这个点为中心的m m 的子区与“窗口”最相似。这里采用十字相关系数作为衡量两个子区相似程度的数学指标c =v = m x - 4 r e e f ( x , y ) g ( x ，y )1 = lb lf 1 - 1 3 )厂2 ( x ，y ) 和9 2 ( x ，y ) 称为自相关函数；f ( x ，y ) g ( x 。，y ) 称为协相关函数。这里，当c = 1 时，两个子区完全相关；当c = 0 时，两个子区不相关。于是，通过改变参数“、v 、孚、譬、宇和譬进行搜寻相似子区的位置，并计算相a xo yo xc r y应的相关系数c ，使c 取得最大值的“、v 、譬、罢、娑和譬就是了区中心a xo ya xc 9 ；点尸的位移和应变。1 2 粒子群算法的概述数字散斑相关搜索问题最终可以归结为最优化问题。所谓最优化问题就是在满足一定的约束条件下，寻找一组参数值，以使某些最优性度量得到满足。用数学描述为：m i n e r = 厂j( 1 1 4 )s t x s = xg r j 0 ，i = 1 ，m 其中，仃= f ) 为目标函数( o b j e c t i v ef u n c t i o n ) ，g f ) 为约束函数( c o n s t r a i n t s ) ，约束函数可以有多个，s 为约束域，x 为玎维优化变量。解决最优化问题的优化算法可以分为经典优化算法和启发式优化算法。经典算法包括最速下降法( s t e e p e s t ) 、共轭梯度法、牛顿法( n e w t o na l g o r i t h m ) 等。然而，实际问题的复杂度越来越高使得经典算法无法避免局部极小问题，于是人们开发出了启发式算法。所谓启发式算法就是人们受到大自然运行规律或者面向具体问题的经验、规则的启发而开发出的方法。这种方法是在2 0 世纪4 0 年代被提出，至今已经发展了近7 0 年。在这期间，各同学者相继开发出了许多经典的启发式算法，如遗传算法( g e n e t i ca l g o r i t h m ) 、模拟退火法( s i m u l a t e da n n e a l i n ga l g o r i t h m ) 、蚁群算法( a n ta l g o r i t h m ) 等。由于这些算法简单有效，而且具有某种智能，因而成为了科学计算和人类之间的桥梁。6第一章绪论粒子群优化算法( p a r t i c l es w a r mo p f i m i z a f i o n ，p o s ) ，简称粒子群算法，属于启发式算法的一种。它是1 9 9 5 年由美国电气工程t j 币e b e r h a r t 和社会心理学家k e n n e d y 基于鸟群觅食行为提出的 2 。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。该算法是模拟鸟之间的集体协作使群体达到最优，属于进化算法的一种。和遗传算法相似，它也是从随机解出发，通过迭代寻找最优解，在此过程中以适应度来评价解的品质，不需要梯度信息。由于没有遗传算法的“交叉”( c r o s s o v e r ) 车l “变异”( m u t a t i o n ) 操作，而是通过追随当前搜索到的最优值来寻找全局最优，因此相对遗传算法它更为简单，容易实现，没有很多的参数需要调整。e b e r h a r t 和k e n n e d y 提出的基本粒子群算法的参数是固定的，在对某些函数优化上精度较差。后来s h i 等提出了惯性因子国线性递减的改进算法【2 2 1 ，使算法在搜索初期具有较强的搜索能力，而在后期又能够得到较精确的结果，此改进大大提高了基本p o s 算法的性能。k e n n e d y 等在研究了粒子群的拓扑结构，分析了粒子间的信息流后，提出了一系列拓扑结构【2 3 1 。a n g e l i n e 将选择算子引入到p o s 中【2 4 1 ，选择每次迭代后的较好的粒子并复制到下一代，以保证每次迭代的粒子群都具有较好的性能。h i g a s h i 等分别提出了自己的变异p o s 算法【2 5 】，基本思路均是希望通过引入变异算子跳出局部极值点的吸引，从而提高算法的全局搜索能力，得到较高的搜索成功率。b a s k a r 等各自提出了自己的协同p o s 算法【2 6 1 ，通过使用多群粒子分别优化问题的不同维、多群粒子协同优化等办法来对基本算法进行改进尝试。a l k a z e m i 所提出的m u l t i p h a s ep o s 在粒子群中随机选取部分个体向全局最优飞，而其他个体向反方向飞，以扩大搜索空间【2 刀。除以上的混合算法之外，还出现了量子p o s 、模拟退火p o s 、耗散p o s 、自适应p o s 等混合改进算法，也有采取p o s 与基于梯度的优化算法相结合的方法等。粒子群算法具有深刻的智能背景，既适合科学研究，又特别适于工程应用。粒子群算法是解决非线性连续优化问题、组合优化问题和混合整数非线性优化问题的有效优化工具。目前已经广泛应用于函数优化、神经网络训练、模糊系统控制等领域。1 3 人工神经网络1 3 1 人工神经网络的概述人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k s ，a n n ) 是一种模仿动物神经网第一章绪论络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。人工神经网络具有自学习和自适应的能力，可以通过预先提供的一批相互对应的输入一输出数据，分析掌握两者之间潜在的规律，最终根据这些规律，用新的输入数据来推算输出结果。目前它已广泛应用于图像边缘检测、图像分割、图像压缩等数字图像处理领域。人工神经网络是于1 9 4 3 年由心理学家m c c u l l o c h 和数学家p i t t s 提出的【2 8 1 。经过6 0 多年的发展，目前，神经网络系统理论与技术的发展大体分为以下三个方面【2 9 j ：首先在硬件方面，一些发达国家，如美国和日本均实现了规模超过1 0 0 0 个神经元的网络系统，这样的系统具有极高的运算速度，而且已经在股票数据分析中得到了应用。另外，为了克服电子线路交叉极限问题，很多国家都在研究电子元件之外的神经i 删络系统，如光电子元件和生物元件等。其次在神经网络系统理论的研究方面，主要的进展有b o l t z m a n n 机理论的研究、细胞网络的提出和性能指标的分析等。最后在神经网络的应用方面，研究主要集中在模式识别( 语音和图像识别) 、经济管理和优化控制等，它和数学、统计中的多个问题有着密切的联系，如线性和非线性规划问题、数值逼近、统计计算等。另外，在其他信息处理问题中也有很多应用，如数据压缩、编码、密码等领域，应用内容十分丰富。鉴于人工神经网数字的强大功能，它也逐渐被引入散斑相关领域。2 0 0 1 年，m a r k c p i t t e r 等运用人工神经网络搜索亚像素位移，位移精度达到了0 0 3 个像烈3 0 j 。1 3 2 人工神经网络的结构神经网络是由大量的处理单元( 神经元) 互相连接而成的网络。为了模拟大脑的基本特性，在神经科学研究的基础上，提出了神经网络的模型 3 l 】。通过对生物神经元传递信息过程的归纳，可以看出神经元一般表现为一个多输入、单输出的非线性器件，通用的结构模型如图1 3 所示。其中，u ，为神经元i 的内部状态，谚为阈值，x ，为输入信号，国i i 表示与神经元x ，连接的权值，s ，表示某一外部输入的控制信号。神经元模型常用一阶微分方程来描述，它可以模拟生物神经网络突触膜f 等= 飞o ) + x j o ) 一只( 1 - 1 5 )y i g ) = 厂k ，o ) 】( 1 - 1 6 )电位随时间变化的规律。神经元的输出由函数厂表示，般利用以下函数表第一章绪论达式来表现l 埘络的非线性特征。( 1 ) 阈值型，为阶跃函数炖，= k几十：+ 6( 3 ) s 型岛图1 - 3 神经元结构模型“：o弘 0珥地珥s o u ：m -懂剖 _( a ) u 场( b ) 1 ，场图3 8 三点弯曲梁表面计算区域的位移场( 载荷1 1 0 n 时)3 7第二章人工神经网络在数宁散斑相关技术中的应用墨剥 i 与-刮 -( a ) “场( b ) v 场图3 - 9 三点弯曲梁表面计算区域的位移场( 载荷6 0 n 时)3 8第二章人工神经网络在数字散斑相关技术中的应用竖割) -1 1 5电-剥 -( a ) “场( b ) v 场图3 1 0 三点弯曲梁表面计算区域的位移场( 载荷8 0 n 时)3 9第四章总结与展龌4 1 总结第四章总结与展望生命科学与工程科学的相互交叉、相互渗透已成为当今科学发展的显著特点之一。粒子群优化算法和人工神经网络都属于这种交叉与渗透所带来的产物。e b e r h a r t 和k e n n e d y 通过对许多鸟类的群体行为进行建模与仿真研究，提出了粒子群优化算法。后经各国学者不断的优化、改进，该算法已在诸多问题上显示出了良好的性能。人工神经网络是由心理学家m c c u l l o c h 和数学家p i t t s 提出的，是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。由于其具有较强的自适应性、学习能力和大规模并行计算能力，目前已被广泛应用于各种研究及实际工程领域中。数字散斑图像相关法是一种具有广泛应用前景的光学测量方法。本文主要围绕粒子群算法和人工神经网络在数字散斑相关法中的应用来展开研究工作的。作者在对粒子群算法进行了大量研究后，将其应用在了数字散斑相关亚像素搜索过程中，并采用计算机模拟实验的方法分析了该算法在各种情况下进行相关运算的可靠性和稳定性，而后又将其用于刚体平移、单向拉伸等实际变形场的测定，通过计算值和理论值的比较，表明该算法是一种稳定性较好，精度较高的新方法。接下来，作者利用该算法计算均匀分布在开孔层合板孔边附近的一些点的位移，利用所得结果训练神经网络，最后通过训练好的网络计算全场位移。结果表明这种方法较采用相关算法逐点计算位移大大节省了时间，充分显示了人工神经网络的自适应、自学习的能力。4 2 展望数字散斑图像相关技术提出至今2 0 多年来，各国学者已经提出了许多有效方法，使数字散斑相关法的精度和效率不断提高，应用领域不断拓展。我国在该领域的理论研究已经达到了国际水平，但在实际应用，尤其是相关设备的研发上同发达国家还存在不小的差距，因此，应该加大在这方面的投入，才能缩小这一差距，达到国际水平。启发式算法求解寻优问题有其独到的优势，本文仅研究了粒子群算法在数字散斑图像相关问题中的应用，同理，其它启发式算法在数字散斑图像相关问题中第【田章总结与展望也能得到较好的运用，这方面值得探讨。寻找更好、更有效的计算方法仍值得进一步探索研究。本文仅对人工神经网络在数字散斑图像相关技术中的应用进行了初步的探讨。神经网络作为近年来人工智能领域研究的热点已经得到了广泛的应用，相信在数字散斑相关技术中也必将有更大的发展空间，使这种光学测量方法焕发新的活力。4 1参考文献参考文献 1 iy a n m a g u c h i ，s p e c k l ed i s p l a c e m e n ta n dd e f o r m a t i o ni nt h ed i f f r a c t i o na n di m a g ef i e l d sf o rs m a l lo b j e c td e f o r m a t i o n o p t a c t a ，1 9 8 1 ，2 8 ( 1 0 ) ：1 3 5 9 - , 1 3 7 6【2 w h p e t e r s ，w e r a n s o n d i g i t a li m a g i n gt e c h n i q u e si ne x p e r i m e n t a lm e c h a n i c s o p t e n g ，1 9 8 2 ，2 1 ( 3 ) ：4 2 7 - 4 3 1 3 】于起峰，基于图像的精密测量与运动测量，北京：科学出版社，2 0 0 2 4 】芮嘉白，金观昌，一种新的数字散斑相关方法及其应用，力学学报，1 9 9 4 ，2 6 ( 5 ) ：5 9 9 6 0 7【5 】z h a ow e n z h o n g ，j i ng u a n c h a n g ，a ne x p e r i m e n t a ls t u d yo nm e a s u r e m e n to fp o i s s o n sr a t i ow i t hd i g i t a lc o r r e l a t i o nm e t h o d j o u r n a lo fa p p l i e dp o l y m e rs c i e n c e ，1 9 9 6 ，6 0 ：1 0 8 3 1 0 8 8 6 】b r u c k h a ，m c n e i l s s u t t o n m a ，p e t e r s w h ，d i g i t a li m a g ec o r r e l a t i o nu s i n gn e w t o n - r a p s h o nm e t h o do fp a r t i a ld i f f e r e n t i a lc o r r e c t i o n e x p e r i m e n t a lm e c h a n i c s ，1 9 8 9 ，2 9 ( 3 ) ：2 6 1 - - - 2 6 7 7 】韵华，奚梅成，陈长松，数值计算方法和算法，北京：科学出版社，2 0 0 0【8 】d a v i s c q ，f r e e m a n d m ，s t a t i s t i c so fs u b p i x e lr e g i s t r a t i o na l g o r i t h m sb a s e do ns p a t i o t e m p o r a lg r a d i e n t so r b l o c km a t c h i n g o p te n g ，1 9 9 8 ，3 7 ( 4 ) ：1 2 9 0 一、- 1 2 9 8 9 z h o u p ，g o o d s o n k e ，s u b p i x e ld i s p l a c e m e n ta n dd e f o r m a t i o ng r a d i e n tm e a s u r e m e n tu s i n gd i g i t a li m a g e s p e c k l ec o r r e l a t i o n o p te n g ，2 0 0 1 ，4 0 ( 8 ) ：1 6 1 3 1 6 2 0 1 0 王世斌，李翔宇，李林安，佟景伟，岳澄，李鸿琦，后验概率算法用于位移场的确定，实验力学，2 0 0 4 ，1 9 ( 3 ) ：3 7 1 - - 3 7 5 1 1 c h e nt a n g ，m 啦l i u ，h a i q i n gy a n t h ei m p r o v e dg e n e t i ca l g o r i t h m sf o rd i g i t a li m a g ec o r r e l a t i o nm e t h o d c h i n e s eo p t i c sl e a e r s ，2 0 0 4 ，v 0 1 2 ，n o 10 ，57 4 - - - - 57 7 1 2 】唐晨，闫海青，佟景伟，小波变换用于数字图像相关法位移场的平滑处理，天津大学学报，2 0 0 2 ，第3 5 卷，第5 期，5 7 7 - - 5 8 0 13 l b m e n g ，g c j i n ，x f y a o ，a p p l i c a t i o no fi t e r a t i o na n df i n i t ee l e m e n ts m o o t h i n gt e c h n i q u ef o rd i s p l a c e m e n ta n ds t r a i nm e a s u r e m e n to fd i g i t a ls p e c k l ec o r r e l a t i o n ，o p t i c sa n dl a s t si ne n g i n e e r i n g ，2 0 0 7 ，4 5 ：5 7 6 3 1 4 】潘兵，谢惠民，数字图像相关中基于位移场局部最小二乘拟合的全场应变测量，光学学报，2 0 0 7 ，2 7 ( 11 ) ：1 9 8 0 - 1 9 8 6 15 s p a g n o l o g s ，p a o l e t t i d ，d i g i t a ls p e c k l ec o r r e l a t i o nf o ro n l i n er e a l t i m em e a s u r e m e n t ，o p t i c sc o m m u n i c a t i o n s ，1 9 9 6 ，1 3 2 ( 1 - 2 ) ：2 4 2 84 2参考文献【16 】h u n g k c ，c h a r t y c ，n o n d e s t r u c f i w ed e t e c t i o no fd e f e c t si nm u l t i l a y e rc e r a m i cc a p a c i t o r su s i n ga l li m p r o v e dd i g i t a ls p e c k l ec o r r e l a t i o nm e t h o dw i t hw a v e l e tp a c k e tn o i s er e d u c t i o np r o c e s s i n g ，i n ：2 3 r di e e e c p m ti n t e r n a t i o n a le l e c t r o n i c sm a n u f a c t u r i n gt e c h n o l o g y ( i e m p ) s y m p o s i u m ，a u s t i n ，19 9 8 ，n e wy o r k ：i e e e 1 2 2 1 2 7 1 7 】刘铭，数字散斑图像相关技术的改进遗传算法：【硕士学位论文】，天津：天津大学，2 0 0 5【1 8 何世平，光力学在航空领域的一些应用，中国科学技术大学学报，2 0 0 7 ，3 7 ( 1 0 ) ：1 1 8 5 1 1 9 1【19 y uw a n g ，a m c u i t i n o ，f u l l - f i e l dm e a s u r e m e n t so fh e t e r o g e n e o u sd e f o r m a t i o np a t t e r n so np o l y m e r i cf o a m su s i n gd i g i t a li m a g ec o r r e l a t i o n i n t e r n a t i o n a lj o u r n a lo fs o l i d sa n ds t r u c t u r e s ，2 0 0 2 ，3 9 ：3 7 7 7 - 。3 7 9 6 2 0 吴加权，马琨，李燕，数字散斑相关方法用于p m m a 弹性模量的测量，力学与实践，2 0 0 7 ，2 9 ( 5 ) ：3 5 - - - 3 7【2 1 李宁，付国江，库少平，粒子群优化算法的发展与展望，武汉理工大学学报信息与管理工程版，2 0 0 5 ，2 7 ( 2 ) ：2 6 - - - 2 9 2 2 】s h iy ，e b e r h a r t r c ，am o d i f i e dp a r t i c l es w a r i no p t i m i z e r ，p r o c e e d i n g so fi e e ei n t e r n a t i o n a lc o n f e r e n c eo ne v o l u t i o n a r yc o m p u t a t i o n , a n c h o r a g e ，1 9 9 8 ，6 9 - 7 3 2 3 m e n d e s i lk e n n e d y j ，t h ef u l li n f o r m e dp a r t i c l es w a r h i ：s i m p l e r , m a y b eb e t t e r ,i e e et r a n s a c t i o no ne v o l u t i o n a r yc o m p u t a t i o n , 2 0 0 4 , 8 ( 3 ) ：2 0 4 - - 一2 1 0 2 4 】a n g e l i n e e j ，u s