基于深度学习DIC的高速旋转物体应变场测量方法

本发明涉及一种基于深度学习DIC的高速旋转物体应变场测量方法，基于数字图像方法采集散斑图像序列，通过配准目标图像和参考图像后进入改进型DIC神经网络模型中进行应变场获取，实现了高速旋转物体的非接触应变场测量；所述改进型DIC神经网络模型中使用流注意力来强化初始位移场中与位移相关的纹理特征，有助于消除位移场中的瑕疵点，接着进行全局匹配和位移迭代细化来提高位移预测精度，提高改进型DIC神经网络模型的鲁棒性和准确性。