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

【摘要】：數(shù)字散斑相關法因其光路簡單、非接觸測量等優(yōu)勢,經(jīng)過近30年的發(fā)展,已廣泛應用在材料強度測試、變形、拉伸等很多領域,有其重要的研究價值。但因為傳統(tǒng)的數(shù)字散斑相關法數(shù)據(jù)運算量大、效率低、易陷入局部最優(yōu)、不能進行實時測量,因此本文圍繞這幾個問題展開研究。本文的研究工作主要有以下幾方面:(1)闡述了數(shù)字散斑測量技術的課題研究背景、意義和發(fā)展歷史,著重研究的是數(shù)字散斑相關法的發(fā)展階段。(2)重點學習數(shù)字散斑相關法涉及的相關技術,包括數(shù)字散斑相關方法(Digital Speckle Correlation Method,簡稱DSCM)的算法原理,計算機模擬散斑圖的原理,幾種經(jīng)典的整像素搜索算法和亞像素搜索算法。(3)學習研究原理簡單、涉及參數(shù)少的果蠅優(yōu)化算法(Fruit Fly Optimization Algorithm,簡稱FOA)。針對基本果蠅優(yōu)化算法(FOA)存在的嗅覺搜索隨機盲目,迭代尋優(yōu)只學習最優(yōu)個體引起的收斂精度低,易陷入局部極值的問題,提出基于非均勻變異和自適應逃逸的果蠅優(yōu)化算法(Fruit Fly Optimization Algorithm Based on Non-Uniform Mutation and Adaptive Escape,簡稱NAFOA)。該算法在嗅覺搜索階段引入非均勻變異算子,動態(tài)調(diào)整每次迭代的搜索步長。通過設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模式進化;若處于“早熟”狀態(tài),則對全局最優(yōu)果蠅進行逐維擾動,逃離局部最優(yōu),很好地平衡了果蠅探索和開發(fā)的能力。設計實驗測試6個經(jīng)典函數(shù),結果證明,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算法。將NAFOA應用于數(shù)字散斑相關法的測量中,實驗結果證明該方法是可行的。(4)針對傳統(tǒng)的數(shù)字散斑相關法存在的數(shù)據(jù)運算量大、計算繁瑣冗余、計算效率低等問題,從另一個角度入手,即數(shù)字散斑的特性出發(fā),基于極值位移測量法(ExtremumDisplacement Method,簡稱EDM),結合多層平截算法,提出了基于數(shù)字散斑圖像的改進極值位移法(Extremum Displacement Method with Multi-level Crossing Algorithm,簡稱MLCA-EDM).在無噪聲和有噪聲的條件下進行實驗驗證,結果表明MLCA-EDM算法的效率提高很多。并對這兩種算法進行了均值和標準差的誤差分析。應用MLCA-EDM算法定位激光鼠標,實驗結果證明該方法取得了較好的效果。
【關鍵詞】：數(shù)字散斑相關方法 果蠅優(yōu)化算法 極值位移測量法 多層平截
【學位授予單位】：中北大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：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 國內(nèi)外研究現(xiàn)狀11-13
• 1.3 主要研究內(nèi)容13-14
• 2 數(shù)字散斑相關方法的基本理論14-24
• 2.1 數(shù)字散斑相關方法的原理14-15
• 2.2 計算機散斑模擬圖原理15-17
• 2.3 整像素搜索相關算法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 整像素搜索的相關算法分析比較19-20
• 2.4 亞像素搜索的相關算法20-24
• 2.4.1 曲面擬合法21-22
• 2.4.2 灰度插值法22-24
• 3 基于改進果蠅優(yōu)化算法的整像素數(shù)字散斑相關法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 實驗驗證29-34
• 3.3 基于NAFOA的整像素數(shù)字散斑相關算法34-38
• 3.3.1 NAFOA的算法原理34-36
• 3.3.2 實驗驗證36-38
• 4 基于數(shù)字散斑圖像特性的整像素位移測量技術研究38-50
• 4.1 數(shù)字散斑圖像的特性38-40
• 4.1.1 統(tǒng)計特性分析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 極值位移測量法40
• 4.3 傳統(tǒng)的極值位移法存在的問題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 實驗驗證42-46
• 4.4.4 誤差分析46-47
• 4.5 應用MLCA-EDM定位激光鼠標47-50
• 5 結論50-51
• 參考文獻51-55
• 攻讀碩士學位期間的學術活動及成果情況55-56
• 致謝56-57

【參考文獻】

中國期刊全文數(shù)據(jù)庫 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];計算機應用;2015年05期

2 虞繼敏;王海云;唐賢倫;;改進果蠅優(yōu)化算法的WSNs節(jié)點定位方法[J];微電子學與計算機;2014年11期

3 毛正陽;方群;李克行;張傳鑫;;應用改進果蠅優(yōu)化算法的月面巡視器路徑規(guī)劃[J];中國空間科學技術;2014年05期

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

5 賀智明;宋建國;梅宏標;;結合元胞自動機的果蠅優(yōu)化算法[J];計算機應用;2014年08期

6 劉春偉;宋德羅;孔德福;;基于改進的SIFT圖像匹配方法研究[J];軟件導刊;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)位移測量和剛體旋轉的形貌測量方法[J];東南大學學報(自然科學版);2013年06期

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

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

10 肖正安;;改進FOA算法在語音信號盲分離中的應用[J];計算機工程與應用;2013年16期

中國博士學位論文全文數(shù)據(jù)庫 前1條

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

中國碩士學位論文全文數(shù)據(jù)庫 前1條

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

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

，

本文編號：377751