公开(公告)号：CN118710578A

公开(公告)日：2024-09-27

申请号：CN202410604973.X

申请日：2024-05-15

Applicant: 湖南大学

Inventor： 刘文洋 ,  侯淑娟 ,  毛贻齐 ,  陈桓隆 ,  严磊 ,  李升亚

IPC: G06T7/00 ,  G01B11/02 ,  G01B11/16

Abstract: 本发明提供一种基于图像信息参数的微尺度自然散斑质量优化方法和系统，该方法包括如下步骤：步骤1、评价散斑图案质量信息，获取需要优化的散斑图案；步骤2、获取散斑图案优化前的特征；步骤3、对散斑图案进行优化；步骤4、获取散斑图案优化后的特征；步骤5、对比步骤4与步骤2计算的误差大小，得出结论；该方法和系统基于方向梯度香农熵方法的神经网络模型对自然散斑质量进行优化，能大幅提高自然散斑的质量。

公开(公告)号：CN118710577A

公开(公告)日：2024-09-27

申请号：CN202410604937.3

申请日：2024-05-15

Applicant: 湖南大学

Inventor： 侯淑娟 ,  刘文洋 ,  毛贻齐 ,  陈桓隆 ,  严磊 ,  李升亚

IPC: G06T7/00 ,  G01B11/02 ,  G01B11/16

Abstract: 本发明提供一种基于图像信息参数的微尺度自然散斑质量评价方法及其系统，该方法包括如下步骤：步骤1、采集并处理试件自然散斑图像；步骤2、计算所述散斑图像的定量评价参数；步骤3、根据步骤2所述散斑图像的定量评价参数获得散斑图像的方向梯度香农熵；步骤4、基于所述散斑图像的方向梯度香农熵评价微尺度自然散斑质量信息。该方法和系统实现了对散斑质量的综合评价，有利于设备或系统在以数字图像为基础的使用过程中筛选出高质量的自然散斑图像，降低了系统误差，提高数字图像相关系统测量位移、应变过程中的精度。