一种基于卷积神经网络的DIC散斑图像制备方法

本研究提出了一种基于卷积神经网络的DIC散斑图像制备方法，涉及一种开创性的散斑风格迁移图像生成网络（SSTIGNet）框架，专门设计用于从任意输入图像对中高效生成配对的参考和变形散斑图像，由单个参考散斑例图所引导。所提出的SSTIGNet包括两个功能不同但互补的模块：风格迁移模块和差异提取模块。风格迁移模块能够将目标散斑图像的散斑特征整合到参考图像中，同时保留参考图像的基本纹理属性从而生成参考散斑图像。与此同时，差异提取模块定量分析输入参考图像与其变形图像之间的变形特征，随后将这些变形特征嵌入风格转换后的参考图像中，生成最终的变形散斑图像。用该方法生成的参考散斑和变形散斑对对于数字图像相关法测量具有很大的帮助。