基于深度学习的散斑图像大变形测量方法

本文提出了一种针对复杂大变形的散斑图像位移场的测量方法，该方法利用注意力机制和深度可分离卷积改进一个现有的卷积神经网络模型用于测量大变形位移场。为训练该模型，构建了符合真实情况的包含多种类型的散斑图像和复杂大变形位移场的数据集并提出了新的损失函数。该方法与传统数字图像相关方法以及最新的深度学习方法分别在自建数据集和公开数据集上进行了对比实验和结果分析。结果表明，所提方法在模型参数量最小的情况下取得了最高的平均精度，位移场计算速度也远超传统方法，能够满足大变形位移场的实际实时测量需求。