基于SIFT算法数字图像大变形测量技术研究.docVIP

基于SIFT算法数字图像大变形测量技术研究 　　摘要：提出了一种基于尺度不变特征变换（SIFT）算法的大变形测量方法。该方法首先精确地提取出变形前后两幅图像的SIFT特征点，然后生成每个SIFT点的特征描述子，并利用该描述子对SIFT点进行匹配，得到这两幅图像特征点对应的坐标，最后使用仿射变换求出全场位移和应变参数。将该方法运用到模拟散斑图像中，并与基于差分进化算法的DIC方法进行对比。实验结果表明，所提算法不仅能够克服传统方法在转角大于7°容易失效的问题，还可以以较高的精度和效率计算出形变参数。 　　关键词：光学测量；大变形；尺度不变特征变换；仿射变换；最小二乘迭代 　　中图分类号：TP391.9 文献标识码：A 文章编号：1009-3044（2013）31-7091-05 　　1 概述 　　数字图像相关方法（Digital image correlation，DIC）是非接触式测量方法中的代表性方法，它是由I.Yamaguchi[1]、W.H.Peters[2]等提出，是通过对比变形前后物体表面的灰度强度来得到表面形变量。在过去的20多年中，很多亚像素位移测量算法[3-6]被提出，这些算法提高了测量精度。由于传统算法大多采用平移参考图像子区的相关搜索来确定初始值，当转动角大于7°[7，8]时，会因目标图像子区较大变形而得到不可靠的初始值，从而使最终结果不准确。文献[9]提出采用人机交互的方式来获取大变形初值的方法，文献[10]选取连续变形的图像系列来获得初始值，但当变形图片数量较多时较为繁琐。文献[11，12]中使用的全局优化算法不需要初值，但不能保证较高的计算效率，因此在时效性要求较高的测量中并不适用。 　　在被测物体在产生形变时，我们会采集它的表面变形前后的图像。大多数形变是由平移、旋转和仿射变换等组成，而SIFT算法在图像发生平移、旋转和仿射变换时能够精确的匹配变形前后图像，并且还对亮度变化和噪声不敏感。基于SIFT算法，该文提出了一种新的大变形应变测量方法。通过算法仿真实验证明了本文方法在保证精度的情况下解决了大变形情况下得到不可靠结果的问题，并且全程不需要人工干涉，计算效率非常高。 　　2 基于SIFT算法原理 　　SIFT （scale invariant feature transform）是由Lowe[13]提出并总结完善的一种算法，其优点是对平移、旋转、缩放和亮度变化具有很强的鲁棒性，还对噪声和仿射变换保持一定程度的稳定性。该文利用SIFT算法的对相关图像的超强匹配特性来得到两幅图像的对应坐标关系，在使用仿射变换求出形变参数。 　　2.1 检测SIFT特征点 　　SIFT算法在图像的不同尺度空间中提取SIFT关键点。该算法的实现主要分为4个步骤：尺度空间极值点检测、关键点精确定位、确定特征点主方向和生成SIFT描述子。 　　1）尺度空间极值点检测 　　3.1 刚体平移实验 　　3.2 刚体旋转实验 　　为验证基于SIFT方法能对任意转角的2幅图能进行可靠有效的计算，对参考散斑图像分别逆时针旋转30°、60°、90°、150°、180°和300°作为变形后图像。图4（c）显示了旋转30°后的散斑图。表2显示了计算结果和CPU平均耗时，图6显示了旋转30°时SIFT特征点的位移变化。由表可知本文方法计算结果与实际值相符合，精度与基于差分进化DIC方法相差不大，为0.003°。还可以看到当旋转角度为90°、180°时，该文方法的精度为0.007°，而其他旋转角度只有0.02°。这是因为在对图片旋转90°或180°时，不会产生插值误差，而其他角度旋转的插值会引起不必要的误差。运算速度上，基于SIFT方法耗时约1.8秒，明显优于基于差分进化DIC方法。这是因为差分进化DIC在求亚像素位移时需要进行大面积插值，必然会消耗大量时间。虽然SIFT算法也需要插值，但是只是对提取出的特征点进行插值，而特征点相对于图像像素总个数是很少的，所以效率很高。 　　4 结论 　　本文提出了一种基于SIFT算法的大变形测量方法，其特点： 　　1）在被测材料表面发生大变形的情况下，该方法仍能准确可靠的计算出形变参数。用刚体平移、各种角度旋转实验证明了该方法的有效性和可靠性。 　　2）不仅克服了传统的方法在较大刚体旋转或大变形情况下容易失效的问题，而且计算速度快、不需要人机交互，有望在图像精确形变测量并且效率要求较高的工程上应用。 　　3）该方法的缺点是它的计算精度受SIFT特征点匹配的准确性的影响，所以研究精确匹配能够使本文方法精度有所提高，这也是我们在今后工作的重点。 　　参考文献： 　　[1] I Yamaguchi. A laser-speckle strain gange[J]. Jou