[发明专利]基于特征匹配的数字图像测量方法

权利要求书

1.一种基于特征匹配的数字图像测量方法，包括以下步骤：

第一步骤(S100)中，选取待测区域的待计算点，其中，采集得到散斑图像，在散斑图像上确定待测量区域，然后在待测量区域中选取待计算点，其中，在待测量区域上划分网格，选取每个网格的顶点作为待计算点，

第二步骤(S200)中，对待计算点划分子区：对每个所述待计算点划分一个边长为n的正方形的子区，基于正方形的子区对每个计算点进行初始位移值的估计，为最后精确计算亚像素位移提供的初始位移，其中，每个计算点都有独立可靠的初始位移值，

第三步骤(S300)中，对每个所述子区中的所有像素提取特征描述符，对每个所述子区中的所有像素提取Daisy特征描述子，构建每个待计算点的特征描述符子区,

第四步骤(S400)中，对于特征描述符，通过PatchMatch特征匹配算法进行特征匹配，基于特征匹配结果计算初始位移，对每个特征描述符子区在变形散斑图像上搜索匹配，通过PatchMatch特征匹配算法进行特征描述符子区的匹配,散斑图像上选定包含所述测量区域的参考散斑图片，PatchMatch特征匹配算法通过迭代搜索寻找参考散斑图片与变形散斑图片两幅图片之间的最近邻匹配点，以每个特征描述符子区在参考散斑图片上的像素坐标初始划迭代搜索，在变形散斑图片上搜索其匹配的特征描述符子区，

第五步骤(S500)中，基于所述初始位移，并行执行反向组合的高斯牛顿迭代算法以实时计算位移和应变,在得到所有计算点的初始位移值之后，连续两个变形状态之间的灰度变化模型如下：

f(x_i，y_i)＝r₀+r₁*g(x′_i，y′_i)

根据连续两个变形状态间的灰度信息得到如下待优化函数：

其中，位移变化映射函数如下：

x′_i＝x₀+Δx+u+u_xΔx+u_yΔy

y′_i＝y₀+Δy+v+v_xΔx+v_yΔy，

其中待求解的未知向量如下：

p＝[u，u_x，u_y，v，v_x，v_y，r₀，r₁，]，

采用迭代最小二乘算法的对所述待优化函数进行求解，计算出亚像素位移值及其导数，然后计算得到应变值，其中，f(x_i,y_i)为散斑图像中像素坐标为(x_i,y_i)处的灰度值，g(x_i’,y_i’)为变形散斑图像中像素坐标为(x_i’,y_i’)处的灰度值，r₀和r₁是由于光照变化引起的变化参数，Δx和Δy分别是x和y方向上的位移，u和v分别是亚像素位移，u_x、u_v、v_x和v_y分别是位移导数，基于每个待计算点的初始位移并行实现计算亚像素位移。

2.根据权利要求1所述的方法，其中，第一步骤(S100)中，在采集得到的散斑图像上选定散斑图片，然后在散斑图片上选取待测量区域。

3.根据权利要求1所述的方法，其中，第一步骤(S100)中，所述待计算点数目为N。

4.根据权利要求1所述的方法，其中，基于GPU平台并行实时计算亚像素位移和应变。