一种基于深度学习神经网络的DIC散斑图像生成方法

本发明公开了一种基于深度学习神经网络的DIC散斑图像生成方法，将物体实际表面图像作为内容图像，散斑图像作为风格图像。首先将输入图像分割成许多的小块作为最小计算单元，然后通过线性嵌入层将输入向量维度转变为预设值C，便于后续处理，接着在划分好的窗口内做多头自注意力计算。通过下采样操作将小块进行合并，缩小分辨率，调整通道数形成层次化的设计，同时减少一定的计算量，合并完成后继续在窗口内做多头自注意力计算。然后重复上一步操作，进一步合并最小计算单元并利用新的计算单元在窗口内做多头自注意力计算。然后通过一个三层的传输模块，经解码器解码后将风格图像的散斑特征迁移到内容图像中，从而生成包含物体表面特征的散斑图像。本发明能够保证生成的散斑图片既具备原输入散斑式样图片的高质量，又能保留物体实际表面的特征，得到适应物体表面的高质量散斑，消除人为因素对制备散斑的影响，从而保证在应用DIC方法进行应力应变测量时的精度。