导读：近日，海塞姆科技首席科学家北京航空航天大学潘兵教授课题组在智能、全自动、精准数字图像相关算法上取得重要进展。研究成果以《Smart DIC: user-independent, accurate and precise DIC measurement with self-adaptively selected optimal calculation parameters》为题，发表在工程技术领域国际顶级期刊《Mechanical Systems and Signal Processing》（简称MSSP）上。该研究得到了国家自然科学基金、强度与结构完整性全国重点实验室和深圳市海塞姆科技有限公司的资助。

图1  论文封面

研究背景

      数字图像相关方法（Digital Image Correlation，DIC）是实验力学领域最实用和应用最广泛的非接触全场变形测量方法，已在固体力学、材料科学、航空航天、土木工程等不同科研和工程领域获得广泛应用。DIC通过分析被测物体表面变形前后的数字图像获取其表面的全场位移和应变。在当前主流的基于图像子区匹配的局部DIC算法中，为了精确跟踪每个计算点的图像位移，需要先定义一个描述变形前后图像子区相似性程度的相关函数，并需要使用者人为选择关键计算参数，即图像子区尺寸（subset size）和形函数（Shape function），随后采用某种优化算法对该相关函数进行非线性优化以计算各点的图像位移。然而，现有的商用或实验室DIC软件都需要使用者去设定这些关键计算参数，由于缺乏明确清晰的指导，不同的计算参数选择导致不同的测量结果，从而导致最终DIC测量的模糊性。

      研究表明，这些关键计算参数的选择需要考虑被测试样表面的散斑质量以及试件的局部变形，所以实际DIC计算中各个计算点所需的最优计算参数并不一致，需要针对每个计算点单独选择最优计算参数。因此，如何实现最优计算参数的自适应选择成为实现自适应、精准DIC测量中悬而未决的关键问题。

技术路线

      针对这一问题，论文根据DIC匹配过程中的随机误差和欠匹配系统误差的理论公式提出了一种简单高效的Smart-DIC方法以实现图像子区尺寸和形函数阶数的全自动选择。该方法基于最小化平均绝对误差（Mean Absolute Error, MAE）推导了最优图像子区尺寸的显式计算公式（该显式公式中体现局部变形程度的位移梯度等由尝试DIC计算确定），并基于该公式为全场每个计算点确定最优图像子区尺寸。由于全面考虑了散斑质量和试件局部变形，该方法可在不同测量场景下有效获得最优的图像子区尺寸。此外，该方法结合此前提出的基于图像子区灰度梯度平方和（Sum of square subset intensity gradients, SSSIG）的散斑质量评价方法确定图像子区的初始尺寸和选择范围，在尝试DIC计算时避免了人为选择，以此保证本文Smart DIC计算的稳定性和自动化。

图2 DIC匹配随机误差与欠匹配系统误差估计公式

实验结果

      该方法的具体实现包括三个主要步骤：1) 使用基于SSSIG阈值确定的初始图像子区尺寸进行尝试DIC计算，并估计理论误差公式中的参数（如相机噪声、平均灰度梯度和位移梯度等）；2) 利用最优图像子区的显示计算公式确定最优图像子区尺寸和形函数；3) 使用最优的图像子区尺寸和形函数优化每个计算点的位移测量结果获得优化后的全场位移结果。

图3 Smart-DIC的计算流程示意图

实验验证

     基于DIC challenge公开数据集的数值模拟实验以及商用铝合金的PLC带测量的实际实验都验证了Smart-DIC在复杂变形测量时的有效性和突出优势。

■ 数值实验-复杂变形

图4 数值实验的散斑图像生成示意图

图5 Smart-DIC选择的最优计算参数分布

图6 Smart-DIC与常规DIC计算的正弦曲线对比

图7 Smart-DIC与常规DIC全场位移计算结果对比

■ 实际实验—PLC滑移带局部变形测量

图8 Smart-DIC选择的最优计算参数分布

图9 Smart-DIC与常规DIC计算结果对比

结论与展望

本文提出的Smart-DIC方法可一键完成DIC测量，消除了已有DIC软件分析中需人为选择关键计算参数所导致的操作和测量的模糊性，从而实现了用户独立的精准图像变形测量。在本研究的基础上，下一步研究工作可聚焦以下两个方面：1）将该算法与3D-DIC结合，以实现全自动、精准三维形貌、位移和变形测量；2）将Smart-DIC与新兴的深度学习DIC算法进行性能比较。