Documente Academic
Documente Profesional
Documente Cultură
DEFORMACIÓN
El análisis de deformación rápida y de alta precisión con correlación de imagen digital (DIC) ha
sido cada vez más importante y muy demandado en los últimos años. En la literatura, el método
DIC que utiliza el algoritmo Newton-Rapshon (NR) se ha considerado como un estándar de oro
para el seguimiento de desplazamiento subpíxel preciso, ya que es insensible a la deformación
y rotación relativa del subconjunto objetivo y proporciona así el subpíxel más alto precisión de
registro y aplicabilidad más amplia. Sin embargo, una desventaja significativa del método de DIC
basado en algoritmo NR convencional es su enorme gasto computacional.
Los resultados revelan que la velocidad de cálculo del presente DIC rápido es aproximadamente
120-200 veces más rápida que la del método tradicional, sin pérdida de precisión en la medición.
1. Introducción
El desarrollo en correlación de imágenes digitales (DIC) [1,2] en los últimos treinta años
lo ha convertido en una técnica popular y poderosa para el movimiento en campo
completo, la deformación y la medición de la forma. Como una metrología óptica no
interferométrica típica con claras ventajas de configuración experimental simple, bajo
requerimiento en ambiente experimental y amplio rango de aplicabilidad, la técnica DIC
ha sido ampliamente utilizada para la deformación y medición de forma, caracterización
de parámetros mecánicos y cruz experimental numérica validaciones y teórico-
experimental.
El principio básico del método DIC basado en subconjuntos estándar y más ampliamente
utilizado es bastante simple, es decir, hacer coincidir (o rastrear) los mismos
subconjuntos (o subimágenes) ubicados en la imagen de referencia y la imagen
deformada para recuperar el campo compensaciones llenas, Aunque la técnica de DIC
es simple en principio e implementación, siempre hay dos desafíos principales en sus
aplicaciones prácticas. Una es la precisión de registro subpíxel, y la otra es la eficiencia
computacional. Naturalmente, el objetivo final de la técnica DIC es lograr la deformación
y / o mediciones de formas de alta precisión en tiempo real.
En cuanto al primer desafío (es decir, la exactitud y precisión de las mediciones de DIC),
varios factores, como el patrón de moteado [3,4], el tamaño del subconjunto [5], el
criterio de correlación [6], la función de forma [7-10], el esquema de interpolación de
subpíxeles [9-12] así como el algoritmo de registro de subpíxeles [13,14], que tienen
importantes influencias en la precisión de registro de DIC, han sido investigados
exhaustivamente por varios investigadores. Actualmente, un algoritmo de correlación
cruzada de dominio espacial iterativo (por ejemplo, un algoritmo Newton-Raphson
(NR)), combinado con un criterio de coincidencia robusto (por ejemplo, un criterio de
correlación cruzada normalizada de media cero, ZNCC) y un sub de alta precisión el
algoritmo de interpolación de píxeles (por ejemplo, un esquema de interpolación
bicúbica), se ha considerado como un estándar de oro para la detección precisa de
movimiento subpíxel. Al tener en cuenta la deformación relativa y la rotación del
subconjunto objetivo, el algoritmo NR es capaz de proporcionar la más alta precisión de
registro sub-píxel y la más amplia aplicabilidad. En los últimos años, varios
investigadores [16-21] han mejorado el algoritmo NR original [15] para reducir su
complejidad, mejorar su robustez y ampliar su aplicabilidad. A pesar de ser el algoritmo
más utilizado y el más preciso para la estimación de movimiento subpíxel, una
desventaja significativa del algoritmo NR, sin embargo, sigue siendo su costo
computacional extremadamente grande. Como varias aplicaciones de tiempo crítico
cationes de DIC han sido cada vez más importantes en los últimos años,
un método DIC rápido usando el algoritmo NR de alta precisión está allí
por supuesto altamente deseable.
En este documento, demostraremos que los dos cálculos anteriores son innecesarios o
redundantes. Se propone un método DIC rápido para lograr un análisis de deformación
rápido pero preciso mediante la eliminación efectiva de los cálculos redundantes antes
mencionados que participan en el método DIC basado en algoritmo NR convencional. El
método de DIC rápido propuesto incluye los siguientes dos enfoques simples pero
efectivos. En primer lugar, se emplea una estrategia de escaneo de desplazamiento
guiado por confiabilidad para evitar por completo el cálculo de búsqueda de
desplazamiento de enteros que requiere mucho tiempo al garantizar una transferencia
de conjetura inicial confiable y precisa entre los puntos adyacentes. En segundo lugar,
se emplea una tabla de búsqueda de coeficientes de interpolación global precalculada
para eliminar el cálculo de interpolación repetitiva en ubicaciones subpíxel. Estos dos
enfoques eliminan eficazmente los cálculos repetidos redundantes del método de DIC
basado en algoritmo NR existente y aumentan sustancialmente su eficiencia de cálculo.
Para validar su rendimiento, el método DIC rápido propuesto se prueba cuidadosamente
en imágenes experimentales reales utilizando varios parámetros de cálculo. Los
resultados muestran que el método DIC rápido propuesto puede procesar más de 5400
puntos por segundo utilizando un subconjunto de 21x21 píxeles y un paso de cuadrícula
de 5 píxeles. Es aproximadamente 120-200 veces más rápido que el método DIC basado
en algoritmo NR existente, dependiendo de los parámetros de cálculo específicos
utilizados, con la condición de mantener su precisión de medición. Por lo tanto, la
medición de deformación de alta precisión con DIC se puede lograr a un costo
computacional muy bajo.
En la implementación práctica de DIC, una región de interés (ROI) se debe especificar primero
en la imagen de referencia y se divide en cuadrículas virtuales espaciadas uniformemente. Los
desplazamientos se calculan en cada punto de las cuadrículas virtuales para obtener la
deformación de campo completo. El principio básico del DIC estándar basado en subconjuntos
se ilustra esquemáticamente en la Fig. 1. Para rastrear con precisión el movimiento de cada
punto de interés, un subconjunto de referencia cuadrado de (2 M + 1) x (2 M + 1) píxeles
centrados en el punto P (x0, y0) interrogado de la imagen de referencia se elige y usa para
rastrear su ubicación correspondiente en la imagen objetivo. El proceso de seguimiento o
coincidencia se logra buscando en la ubicación extrema de un criterio de similitud predefinido,
comúnmente llamado criterio de correlación. Una vez que se encuentra la ubicación del
subconjunto de destino con similitud máxima en la imagen deformada, se pueden determinar
las componentes de desplazamiento de los centros de subconjuntos de referencia y destino. El
mismo procedimiento de seguimiento se repite en los otros puntos de interés para obtener el
desplazamiento de campo completo del ROI. Es necesario tener en cuenta que, para lograr un
equilibrio entre alta resolución espacial y eficiencia computacional, la distancia entre las
cuadrículas virtuales vecinas, también conocida como paso de rejilla, normalmente se selecciona
para que sea mucho más pequeña que el tamaño del subconjunto. En otras palabras, los
subconjuntos cuestionados se superponen entre sí. Para evaluar mejor el grado de similitud de
los subconjuntos de referencia y destino y obtener una estimación de desplazamiento precisa
para el punto central del subconjunto de referencia, el siguiente criterio de la Suma cero media
de diferencias cuadradas (ZNSSD) [18], que es insensible a los cambios de escala y
desplazamiento en las fluctuaciones de iluminación de iluminación, se utiliza en este trabajo:
Fig. 1. Principio básico del método DIC basado en subconjuntos: el seguimiento de los mismos
subconjuntos en la referencia y la imagen deformada produce el vector de desplazamiento del
centro del subconjunto de referencia.
Está claro que el criterio ZNSSD es una función no lineal de seis parámetros desconocidos. Eq. (1)
puede optimizarse para obtener los componentes deseados de desplazamiento en el plano en las
direcciones x e y , utilizando el siguiente algoritmo de iteración NR clásico [18].
Está claro que las coordenadas de los píxeles desplazados, es decir, ( xi, yj ) de las Ecs. (4) y (5),
en un subconjunto deformado, pueden asumir valores subpíxel. En primer lugar, debe observarse
que el área local de 2 × 2 píxeles alrededor de cada ubicación de subpíxeles considerada se
denomina bloque de interpolación de aquí en adelante. Como no hay información de nivel de gris
disponible entre los píxeles en las imágenes digitales, por lo tanto, en la realización del algoritmo
NR, se necesita un esquema de interpolación para reconstruir sus gradientes de intensidad e
intensidad a partir de sus píxeles enteros adyacentes. La selección del esquema de interpolación
se considera como un factor clave del método NR, ya que afecta directamente su precisión de
cálculo y su carácter de convergencia. En este estudio, el esquema de interpolación bicúbica
generalizada [27,28] se implementa para determinar los valores de gris y los gradientes grises de
primer orden en ubicaciones subpíxel de la siguiente manera:
En la interpolación bicúbica, los 16 coeficientes desconocidos, es decir, a00 , a01 , y, a33 , de Eq. (6)
puede determinarse por la intensidad gris de los 4 a 4 píxeles vecinos centrados en la ubicación
del subpíxel. Debe enfatizarse aquí que los 16 coeficientes permanecen iguales para cada bloque
de interpolación, independientemente de las ubicaciones de subpíxeles específicos dentro de él.
3. Rápido algoritmo NR para el método DIC evitando cálculos redundantes
3.1. Esquema de escaneo de desplazamiento guiado por confiabilidad para evitar el
cálculo de búsqueda de desplazamiento entero
número promedio de iteración se asume como nave ). En otros trabajos, los 16 coeficientes de
interpolación requeridos en Eq. (6) se calculan repetidamente nave x floor ((2M 1) / L) 1
2
subconjunto se elige como 21x21 píxeles y el paso de la cuadrícula se establece como 5 píxeles,
los tiempos de interpolación se reducen de 75 veces a simplemente 1 vez. Aparentemente, una
mayor superposición entre subconjuntos consecutivos, lo que significa un tamaño de subconjunto
más grande o un paso de cuadrícula más pequeño, aumentará aún más la eficiencia de cálculo del
método propuesto.
Fig. 2. Diagrama esquemático que muestra la interpolación redundante en el algoritmo NR directo
existente: el punto de píxel desplazado (punto azul) aparece repetidamente en subconjuntos
adyacentes (línea discontinua) ya que los subconjuntos de referencia definidos en la imagen de
referencia se superponen, lo que significa cálculos de interpolación redundantes la optimización
de varios subconjuntos. (Para la interpretación de las referencias al color en esta leyenda de la
figura, se remite al lector a la versión web de este artículo).
4. Verificación experimental
El método DIC rápido propuesto se prueba utilizando imágenes reales experimentales mostrados
en la Fig. 3. Las dos imágenes, con una resolución de 768x576 pixeles en 256 niveles de gris, se
registraron a partir de un experimento de flexión en tres puntos. Se elige un área rectangular en
el medio de la imagen de referencia para que sea la región de interés. A continuación, se utilizó el
lenguaje C++ para realizar el método DIC rápido propuesto, el método RG-DIC y el método DIC
tradicional basado en algoritmo NR, y todos los cálculos se realizaron en una computadora
personal Pentium Dual E8400 con frecuencia principal de 3,0 GHz.
Fig. 5. Comparación de velocidad computacional del método DIC tradicional, RG-DIC método y el
método DIC rápido utilizando varios tamaños de subconjuntos. Los números en cada barra
denotan las razones de velocidad computacional del método RG-DIC y el método DIC rápido para
el método DIC tradicional.
La iteración promedio y el tiempo computacional detallado de los tres algoritmos NR usados se
dan en la Tabla 1. En comparación con la estimación inicial en términos de desplazamiento de
enteros estimada mediante la implementación de un esquema de búsqueda simple utilizado en
el método DIC basado en algoritmo NR tradicional, las conjeturas iniciales proporcionar por el
esquema de escaneo de desplazamiento guiado por confiabilidad son más precisos, lo que lleva a
una velocidad de convergencia rápida con menos número de iteración. Como se muestra en la
Tabla 1, la iteración promedio del método de DIC rápido es solo la mitad de la del método
convencional. La velocidad de convergencia rápida indica claramente las ventajas del esquema de
escaneo de desplazamiento guiado por confiabilidad.
La Fig. 6 compara las velocidades computacionales del método DIC rápido, el método RG-DIC y el
método DIC convencional en diferentes pasos de la grilla, que varían de 5 a 20 píxeles, para un
tamaño de subconjunto fijo de 41 a 41 píxeles. Como se muestra, la velocidad computacional del
algoritmo NR directo es casi invariable al paso de la grilla usado; mientras que la velocidad
computacional del método RG-DIC y en particular el método DIC rápido disminuyen a medida que
aumenta el tamaño del paso de la grilla. En otras palabras, la eficiencia del método de DIC rápido
disminuye cuando se usa un paso de grilla grande para el cálculo. Esto se debe principalmente a
las superposiciones de subconjuntos reducidos cuando aumenta el paso de la grilla. Sin embargo,
cuando no hay solapamiento entre subconjuntos de referencia consecutivos (es decir, el paso de
la cuadrícula equivale al tamaño del medio subconjunto), la eficacia computacional del método
de DIC rápido es todavía sustancialmente mayor que la del método convencional.
Específicamente, el método DIC rápido es aproximadamente 120 veces más rápido que el método
convencional, cuando el paso de la cuadrícula se establece en 20 píxeles (es decir, la mitad del
tamaño del subconjunto).
Fig. 6. Comparación de la velocidad computacional del método DIC tradicional, el método RG-DIC
y el método DIC rápido usando varios pasos de cuadrícula. Los números en cada barra indican las
relaciones de velocidad computacional del método RG-DIC y el método DIC rápido para el método
DIC tradicional.
Tabla 1
5. Observaciones finales
En este trabajo se propone un método rápido de DIC rápido basado en el algoritmo Newton-
Raphson de alta precisión para una medición de deformación rápida y precisa. Mediante el uso
de un esquema de seguimiento de desplazamiento guiado por confiabilidad, se puede lograr una
transferencia de conjetura inicial confiable y precisa entre puntos de interés consecutivos. Como
resultado, en el método DIC rápido propuesto se evita por completo el desplazamiento de enteros
que requiere mucho tiempo en el método DIC convencional. Además, construyendo una tabla de
consulta para los coeficientes de interpolación de cada bloque de interpolación de 2 × 2 píxeles
en la imagen deformada, el cálculo de interpolación subpíxel redundante puede reducirse
drásticamente en el método DIC rápido propuesto. Los resultados experimentales revelan que el
método DIC rápido propuesto es aproximadamente 120-200 veces más rápido que el método DIC
basado en algoritmo NR convencional sin perder su precisión de medición, lo que permite una
medición de deformación de alta precisión a un bajo costo computacional.
Expresiones de gratitud
Este trabajo es apoyado por la Fundación Nacional de Ciencias Naturales de China (NSFC) bajo las
concesiones 11002012 y 10902066, el Fondo de Ciencia del Laboratorio Clave Estatal de Seguridad
y Energía Automotriz bajo la concesión KF10041, el Fondo de Investigación Especializado para el
Programa de Doctorado de Educación Superior bajo concesión 20101102120015 y los Fondos
Fundamentales de Investigación para las Universidades Centrales.