本文關(guān)鍵詞：數(shù)字散斑圖像整像素位移測(cè)量的相關(guān)技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：數(shù)字散斑相關(guān)法因其光路簡(jiǎn)單、非接觸測(cè)量等優(yōu)勢(shì),經(jīng)過(guò)近30年的發(fā)展,已廣泛應(yīng)用在材料強(qiáng)度測(cè)試、變形、拉伸等很多領(lǐng)域,有其重要的研究?jī)r(jià)值。但因?yàn)閭鹘y(tǒng)的數(shù)字散斑相關(guān)法數(shù)據(jù)運(yùn)算量大、效率低、易陷入局部最優(yōu)、不能進(jìn)行實(shí)時(shí)測(cè)量,因此本文圍繞這幾個(gè)問(wèn)題展開(kāi)研究。本文的研究工作主要有以下幾方面:(1)闡述了數(shù)字散斑測(cè)量技術(shù)的課題研究背景、意義和發(fā)展歷史,著重研究的是數(shù)字散斑相關(guān)法的發(fā)展階段。(2)重點(diǎn)學(xué)習(xí)數(shù)字散斑相關(guān)法涉及的相關(guān)技術(shù),包括數(shù)字散斑相關(guān)方法(Digital Speckle Correlation Method,簡(jiǎn)稱DSCM)的算法原理,計(jì)算機(jī)模擬散斑圖的原理,幾種經(jīng)典的整像素搜索算法和亞像素搜索算法。(3)學(xué)習(xí)研究原理簡(jiǎn)單、涉及參數(shù)少的果蠅優(yōu)化算法(Fruit Fly Optimization Algorithm,簡(jiǎn)稱FOA)。針對(duì)基本果蠅優(yōu)化算法(FOA)存在的嗅覺(jué)搜索隨機(jī)盲目,迭代尋優(yōu)只學(xué)習(xí)最優(yōu)個(gè)體引起的收斂精度低,易陷入局部極值的問(wèn)題,提出基于非均勻變異和自適應(yīng)逃逸的果蠅優(yōu)化算法(Fruit Fly Optimization Algorithm Based on Non-Uniform Mutation and Adaptive Escape,簡(jiǎn)稱NAFOA)。該算法在嗅覺(jué)搜索階段引入非均勻變異算子,動(dòng)態(tài)調(diào)整每次迭代的搜索步長(zhǎng)。通過(guò)設(shè)置閾值將種群劃分為“早熟”狀態(tài)和正常狀態(tài),若處于正常狀態(tài),采用基本的FOA模式進(jìn)化;若處于“早熟”狀態(tài),則對(duì)全局最優(yōu)果蠅進(jìn)行逐維擾動(dòng),逃離局部最優(yōu),很好地平衡了果蠅探索和開(kāi)發(fā)的能力。設(shè)計(jì)實(shí)驗(yàn)測(cè)試6個(gè)經(jīng)典函數(shù),結(jié)果證明,該算法在精度和魯棒性方面均優(yōu)于基本的果蠅算法及其他幾種改進(jìn)算法。將NAFOA應(yīng)用于數(shù)字散斑相關(guān)法的測(cè)量中,實(shí)驗(yàn)結(jié)果證明該方法是可行的。(4)針對(duì)傳統(tǒng)的數(shù)字散斑相關(guān)法存在的數(shù)據(jù)運(yùn)算量大、計(jì)算繁瑣冗余、計(jì)算效率低等問(wèn)題,從另一個(gè)角度入手,即數(shù)字散斑的特性出發(fā),基于極值位移測(cè)量法(ExtremumDisplacement Method,簡(jiǎn)稱EDM),結(jié)合多層平截算法,提出了基于數(shù)字散斑圖像的改進(jìn)極值位移法(Extremum Displacement Method with Multi-level Crossing Algorithm,簡(jiǎn)稱MLCA-EDM).在無(wú)噪聲和有噪聲的條件下進(jìn)行實(shí)驗(yàn)驗(yàn)證,結(jié)果表明MLCA-EDM算法的效率提高很多。并對(duì)這兩種算法進(jìn)行了均值和標(biāo)準(zhǔn)差的誤差分析。應(yīng)用MLCA-EDM算法定位激光鼠標(biāo),實(shí)驗(yàn)結(jié)果證明該方法取得了較好的效果。
【關(guān)鍵詞】：數(shù)字散斑相關(guān)方法 果蠅優(yōu)化算法 極值位移測(cè)量法 多層平截
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41
【目錄】：

• 摘要4-6
• Abstract6-10
• 1 緒論10-14
• 1.1 課題研究背景及意義10-11
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀11-13
• 1.3 主要研究?jī)?nèi)容13-14
• 2 數(shù)字散斑相關(guān)方法的基本理論14-24
• 2.1 數(shù)字散斑相關(guān)方法的原理14-15
• 2.2 計(jì)算機(jī)散斑模擬圖原理15-17
• 2.3 整像素搜索相關(guān)算法17-20
• 2.3.1 爬山搜索法17-18
• 2.3.2 粒子群搜索算法18-19
• 2.3.3 整像素搜索的相關(guān)算法分析比較19-20
• 2.4 亞像素搜索的相關(guān)算法20-24
• 2.4.1 曲面擬合法21-22
• 2.4.2 灰度插值法22-24
• 3 基于改進(jìn)果蠅優(yōu)化算法的整像素?cái)?shù)字散斑相關(guān)法24-38
• 3.1 果蠅優(yōu)化算法24-26
• 3.1.1 算法思想24-26
• 3.1.2 算法的優(yōu)劣26
• 3.2 基于非均勻變異和自適應(yīng)逃逸的果蠅優(yōu)化算法26-34
• 3.2.1 種群初始化27
• 3.2.2 非均勻變異算子27
• 3.2.3 逃離局部最優(yōu)策略27-28
• 3.2.4 NAFOA算法的基本步驟28-29
• 3.2.5 實(shí)驗(yàn)驗(yàn)證29-34
• 3.3 基于NAFOA的整像素?cái)?shù)字散斑相關(guān)算法34-38
• 3.3.1 NAFOA的算法原理34-36
• 3.3.2 實(shí)驗(yàn)驗(yàn)證36-38
• 4 基于數(shù)字散斑圖像特性的整像素位移測(cè)量技術(shù)研究38-50
• 4.1 數(shù)字散斑圖像的特性38-40
• 4.1.1 統(tǒng)計(jì)特性分析38-39
• 4.1.2 平均尺寸分析39
• 4.1.3 頻域分析39
• 4.1.4 直線特性分析39-40
• 4.2 極值位移測(cè)量法40
• 4.3 傳統(tǒng)的極值位移法存在的問(wèn)題40
• 4.4 融合多層平截的激光散斑圖像整像素極值位移法40-47
• 4.4.1 MLCA-EDM算法的思想41-42
• 4.4.2 MLCA-EDM算法的步驟42
• 4.4.3 實(shí)驗(yàn)驗(yàn)證42-46
• 4.4.4 誤差分析46-47
• 4.5 應(yīng)用MLCA-EDM定位激光鼠標(biāo)47-50
• 5 結(jié)論50-51
• 參考文獻(xiàn)51-55
• 攻讀碩士學(xué)位期間的學(xué)術(shù)活動(dòng)及成果情況55-56
• 致謝56-57

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 張前圖;房立清;趙玉龍;;具有Levy飛行特征的雙子群果蠅優(yōu)化算法[J];計(jì)算機(jī)應(yīng)用;2015年05期

2 虞繼敏;王海云;唐賢倫;;改進(jìn)果蠅優(yōu)化算法的WSNs節(jié)點(diǎn)定位方法[J];微電子學(xué)與計(jì)算機(jī);2014年11期

3 毛正陽(yáng);方群;李克行;張傳鑫;;應(yīng)用改進(jìn)果蠅優(yōu)化算法的月面巡視器路徑規(guī)劃[J];中國(guó)空間科學(xué)技術(shù);2014年05期

4 梁智錦;王開(kāi)福;顧國(guó)慶;張成斌;;基于微粒子群優(yōu)化算法的數(shù)字散斑圖像相關(guān)方法[J];激光技術(shù);2014年05期

5 賀智明;宋建國(guó);梅宏標(biāo);;結(jié)合元胞自動(dòng)機(jī)的果蠅優(yōu)化算法[J];計(jì)算機(jī)應(yīng)用;2014年08期

6 劉春偉;宋德羅;孔德福;;基于改進(jìn)的SIFT圖像匹配方法研究[J];軟件導(dǎo)刊;2014年04期

7 代祥俊;戴美玲;楊福俊;盧位昌;姚亞卿;;基于面內(nèi)位移測(cè)量和剛體旋轉(zhuǎn)的形貌測(cè)量方法[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年06期

8 韓俊英;劉成忠;王聯(lián)國(guó);;動(dòng)態(tài)雙子群協(xié)同進(jìn)化果蠅優(yōu)化算法[J];模式識(shí)別與人工智能;2013年11期

9 賴豪杰;李曉英;張磊;周志杰;寧亞偉;;基于改進(jìn)果蠅算法的水庫(kù)群調(diào)度應(yīng)用研究[J];水電能源科學(xué);2013年08期

10 肖正安;;改進(jìn)FOA算法在語(yǔ)音信號(hào)盲分離中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2013年16期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 邱天;數(shù)字激光散斑圖像的仿真建模和位移測(cè)量算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2006年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 梁恒;基于數(shù)字散斑相關(guān)方法的測(cè)量技術(shù)研究[D];合肥工業(yè)大學(xué);2014年

  本文關(guān)鍵詞：數(shù)字散斑圖像整像素位移測(cè)量的相關(guān)技術(shù)研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：377751