基于图像匹配的结构位移与应变获取方法

发布时间：2020-02-02 17:58

【摘要】：传统的结构参数监测方法是应用位移传感器以及应变传感器对结构进行监测的,这种方式存在一定的缺点,比如:传感器无法安装在某些复杂体型的建筑中;对于大型结构有线传感器需要较多的数据传输线;无线传感器的数据传输速度不快,导致监测的数据具有一定的滞后性。为了解决上述问题,本文对图像处理进行研究。基于图像处理的方式具有的高精度、实时性以及低成本的特点,本文对结构监测方法进行研究,通过拍摄结构变形前后时刻的图像并应用本文算法可以计算出结构发生的位移和应变。基于PSNR(Peak Signal to Noise Ratio)准则的目标匹配算法,PSNR意为峰值信噪比,基于PSNR准则的目标匹配算法通过计算两幅图像像素均方误差从而来衡量两幅图像的相似性程度。PSNR值越大,则两幅图像相似性越大,反之亦然。基于PSNR准则的目标匹配算法包括如下步骤:图像预处理、图像分割、图像匹配以及相机标定。图像预处理主要包括图像的灰度化以及图像去噪两方面。通过边缘检测算子进行粗定位、亚像素定位方法进行细定位完成图像分割。图像匹配采用基于PSNR的匹配算法,通过对目标进行匹配计算得到待匹配目标在移动后图像中的位置,从而得到结构发生的像素位移,最后通过相机标定将像素位移转换成实际位移从而完成位移计算。基于图像的位移获取及参数分析,基于图像的位移获取分别对单点及多点位移模式进行获取并完成位移计算,将不同位移模式下的位移计算值与理论值进行对比,分析位移获取计算结果的相对误差。另一方面本文分析影响位移计算的因素,从图像分割粗定位算子的差异以及不同匹配区域两个方面分析该算法的影响因素,通过比较检测算子检测图像的质量以及计算结果的相对误差来比较其检测效果,为提高该算法准确性提供数据支持。基于图像的应变获取方法,在基于图像匹配计算位移的基础上结合工程中应变的相关计算理论研究结构应变求取方法,同时对工程实际节点中的钢构件的变形进行计算分析,计算出球节点试验中钢构件表面的应变变化,研究影响应变计算的因素,同时将基于图像的应变计算值与传感器监测所得到的应变值进行对比分析。
【图文】：

流程图,结构位移,流程图

其中，图像匹配是运用数字图像处理方，而匹配算法的优劣直接影响结构位移的获取精法进行研究。另一方面，考虑到不同的图像分割，故需对图像分割方法进行优选，以确保图像匹行图像成像分析和图像灰度化研究，通过对比不结果，给出适合于本文的彩色模型，并在此基础改善原有图像质量和提高图像分割的精准性，进次对图像分割方法进行研究，通过对比分析基于像边缘精度，提出采用经典边缘检测算子进行像级精定位的边缘检测算法进行图像分割。然后对该准则的图像目标匹配方法。最后研究相机标定位移的转换。的位移获取方法位移获取方法流程如图 2-1 所示。

流程图,图像分割,流程图

测算子的检测精度一般可以达到像素级，这在监测的精度要求，，本文采用了一种基于经典算检测方法来实现精准位移测量。在数码照相机亚像素方法可以更精确地显示图像。例如当采于相机的物理分辨率提高了 10 倍[42]。像素为最小单位进行成像的。当应用数码相机机会将实际物体离散化成数字图像，每一个像像在宏观上可以看做是连续的，但是在微观上的空隙称之为“亚像素”。像素定位方法之前，已经应用经典边缘检测算了目标边缘的像素级位置，此过程称为粗定位目标边缘定位可称为细定位。经典边缘算子对图像目标边缘进行粗定位计算像目标边缘进行进一步地细定位，图像分割具
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.41;TU317

【参考文献】