數(shù)字散斑圖像整像素位移測量的相關技術研究.pdf

1、數(shù)字散斑相關法因其光路簡單、非接觸測量等優(yōu)勢，經(jīng)過近30年的發(fā)展，已廣泛應用在材料強度測試、變形、拉伸等很多領域，有其重要的研究價值。但因為傳統(tǒng)的數(shù)字散斑相關法數(shù)據(jù)運算量大、效率低、易陷入局部最優(yōu)、不能進行實時測量，因此本文圍繞這幾個問題展開研究。
　　本文的研究工作主要有以下幾方面：
　　(1)闡述了數(shù)字散斑測量技術的課題研究背景、意義和發(fā)展歷史，著重研究的是數(shù)字散斑相關法的發(fā)展階段。
　　(2)重點學習數(shù)字散斑相關

2、法涉及的相關技術，包括數(shù)字散斑相關方法(Digital Speckle Correlation Method，簡稱DSCM)的算法原理，計算機模擬散斑圖的原理，幾種經(jīng)典的整像素搜索算法和亞像素搜索算法。
　　(3)學習研究原理簡單、涉及參數(shù)少的果蠅優(yōu)化算法(Fruit Fly Optimization Algorithm，簡稱FOA)。針對基本果蠅優(yōu)化算法(FOA)存在的嗅覺搜索隨機盲目，迭代尋優(yōu)只學習最優(yōu)個體引起的收斂精度低，易

3、陷入局部極值的問題，提出基于非均勻變異和自適應逃逸的果蠅優(yōu)化算法(Fruit Fly Optimization Algorithm Based on Non-Uniform Mutation and Adaptive Escape，簡稱NAFOA)。該算法在嗅覺搜索階段引入非均勻變異算子，動態(tài)調(diào)整每次迭代的搜索步長。通過設置閾值將種群劃分為“早熟”狀態(tài)和正常狀態(tài)，若處于正常狀態(tài)，采用基本的FOA模式進化；若處于“早熟”狀態(tài)，則對全局最優(yōu)

4、果蠅進行逐維擾動，逃離局部最優(yōu)，很好地平衡了果蠅探索和開發(fā)的能力。設計實驗測試6個經(jīng)典函數(shù)，結果證明，該算法在精度和魯棒性方面均優(yōu)于基本的果蠅算法及其他幾種改進算法。將NAFOA應用于數(shù)字散斑相關法的測量中，實驗結果證明該方法是可行的。
　　(4)針對傳統(tǒng)的數(shù)字散斑相關法存在的數(shù)據(jù)運算量大、計算繁瑣冗余、計算效率低等問題，從另一個角度入手，即數(shù)字散斑的特性出發(fā)，基于極值位移測量法(Extremum Displacement Met