[发明专利]一种图像特征匹配的转子叶片动频测量方法

权利要求书

1.一种图像特征匹配的转子叶片动频测量方法，其特征在于，包括以下步骤：

步骤1)，利用高速摄影机对转动状态下的叶片振动进行视频记录；

步骤2)，将视频各帧图像划分成若干子域，在不同子域内采用多尺度差分空间方法检测像素灰度的极值点，作为该子域的特征点；

步骤3)，基于特征点周围像素的梯度方向、梯度幅值、灰度均值、灰度标准差构建特征点描述符，该描述符是采用了132个元素的向量，使该特征点具有唯一性；

步骤4)，计算相邻时刻特征点描述符间的欧式距离，基于最小欧氏距离原则对相邻时刻特征点进行匹配，获取特征点在不同时刻的位置，进而获得特征点的时域运动；

步骤5)，利用转轴上特征点的时域运动计算转轴的旋转速度；

步骤6)，利用叶片上特征点的时域运动和转轴旋转速度计算转子叶片的振动时域信息；

步骤7)，对叶片振动的时域信息进行频域分析，得到转子叶片的动频。

2.根据权利要求1所述图像特征匹配的转子叶片动频测量方法，其特征在于，所述步骤2)中，将图像划分成若干个3×3子域，选择高斯基函数为多尺度核函数，利用不同尺度的核函数与图像子域进行卷积，建立图像多尺度空间：

式中：I(x,y)表示二维灰度图像，G(x,y,σ)为二维高斯核函数，σ为尺度因子，表示卷积运算，x、y表示像素坐标；

在图像多尺度空间中，利用相邻的不同尺度图像获得图像多尺度差分空间：

D(x,y,σ)＝L(x,y,(k+1)σ)-L(x,y,kσ)

式中：L(x,y,(k+1)σ)和L(x,y,kσ)为图像尺度空间中相邻的不同尺度图像；

在利用差分空间对3×3子域内特征点进行检测的过程中，每一个像素点的灰度值要与当前尺度层中8个像素点，以及上下相邻两个尺度层中的2×9＝18个像素点的灰度值相比较，筛选子域内图像像素灰度极值点作为该子域的特征点。

3.根据权利要求2所述图像特征匹配的转子叶片动频测量方法，其特征在于，所述步骤3)中，选取特征点周围16×16像素，将其划分成16个4×4区域，对不同区域内像素的梯度方向、梯度幅值进行计算，像素点的梯度幅值g(x,y)和方向θ(x,y)的计算公式分别为：

θ(x,y)＝arctan((I(x,y+1)-I(x,y-1))/(I(x+1,y)-I(x-1,y)))

式中：I(x+1,y)、I(x-1,y)、I(x,y+1)、I(x,y-1)均表示二维灰度图像；

设定梯度方向从[0°—45°]、[45°—90°]、[90°—135°]、[135°—180°]、[180°—225°]、[225°—270°]、[270°—315°]、[315°—360°]八个区间对4×4区域内像素的梯度幅值进行累加，得到8个关于梯度方向和幅值的特征信息，共产生16×8＝128个特征信息，对特征点周围16×16像素的亮度均值、亮度极大值、亮度极小值、标准差进行统计，得到4个特征信息，将最终得到的132个特征信息作为一个向量，即特征点描述符。

4.根据权利要求1所述图像特征匹配的转子叶片动频测量方法，其特征在于，所述步骤4)具体包含三个步骤：

(1)设相邻时刻的图像分别为i-1和i，相邻时刻检测出的特征点集合分别为f_i-1＝{m₁,m₂,...,m_s}、f_i＝{n₁,n₂,...,n_s}，s为图像中的特征点数目，m_s为f_i-1中第s个特征点，n_s为f_i中第s个特征点，特征点对应的描述符集合分别为和其中表示i-1时刻图像中特征点m₁所对应的描述符，包含132个元素，记为

(2)计算i-1时刻描述符集合和i时刻描述符集合间的欧氏距离，将计算得到的欧式距离按照从大到小的顺序排列，基于最小欧氏距离原则对相邻时刻特征点为代表的区域进行匹配，获取特征点在i-1时刻和i时刻的对应位置；

(3)重复上述步骤，获取特征点在不同时刻的位置，对结构的时域运动进行测量。