دانلود شبیه سازی مقاله همبستگی تصویر دیجیتال لاگرانژی افزوده

پروژه متلب همبستگی تصویر دیجیتال (DIC)

«همبستگی تصویر دیجیتال» (DIC) یک روش نوری تجربی پرطرفدار برای اندازه گیری تغییر شکل و کرنش در جامدات است. در این روش، یک رشته یا دنباله از تصاویر دیجیتال مقیاس خاکستری از یک نمونه آزمون تزئین شده با یک الگوی لکه در طی تغییر شکل را بکار می گیریم. سپس، با مقایسه تصاویر در این دنباله، نابجایی و میدانهای کرنش نمونه را با استفاده از الگوریتم های ردگیری تصویر، تعیین می کنیم. این کار چندین مزیت در مقایسه با روش های اندازه گیری کرنش دیگر دارد. اول اینکه، نیاز به تماس با نمونه ندارد (که این بخصوص برای مواد نرمی که تماس می تواند بر میدان های کرنش آنها تاثیر بگذارد) و مقادیر نابجایی و کرنش میدانی کامل را برخلاف کرنش سنج ها و کشش سنج های مبتنی بر مقاومت الکتریکی، فراهم می کند. علاوه بر آن، در مقایسه با روش های اندازه گیری کرنش نوری غیرتماسی و میدان کامل دیگر مانند روش های هولوگرافیک و روش های تداخل سنجی، DIC نیاز به یک محیط تجربی بسیار پیشرفته ندارد.

«همبستگی تصویر دیجیتال» (DIC) یک روش تجربی قوی برای سنجش نابجایی و کرنش میدان کامل است. ایده پایه این روش، مقایسه تصاویر یک جسم تزئین شده با یک الگوی لکه ای، قبل و بعد از تغییر شکل و در نتیجه محاسبه میدان های نابجایی و کرنش، می باشد. DIC زیرمجموعه محلی و DIC مبتنی بر المان محدود سراسری، دو روش تطبیق تصویر پراستفاده می باشند. اما، تعدادی عیب در این روش ها وجود دارد. در DIC زیرمجموعه محلی، میدان نابجایی محاسبه شده ممکن است سازگار نباشد و گرادیان تغییر شکل ممکن است نویزدار باشد، بخصوص هنگامی که اندازه زیرمجموعه کم است. DIC سراسری از سازگاری نابجایی استفاده می کند، اما ممکن است از نظر محاسباتی سنگین باشد. در این مقاله، روش جدیدی، به نام «همبستگی تصویر دیجیتال تقویت شده با لاگرانژ» (ALDIC) را پیشنهاد می کنیم که مزیت های هر دو روش محلی (سریع) و سراسری (سازگار) را با هم ترکیب می کند. نشان می دهیم که ALDIC، دقت بالاتری دارد و در مقایسه با هر دوی DIC زیرجموعه محلی و DIC سراسری، رفتار استوارتری دارد.

این مقاله مربوط به سال 2018 بوده و شبیه سازی آن در نرم افزار متلب (MATLAB) انجام شده است و در ادامه نیز تصاویر مربوط به این شبیه سازی و خروجی های آن قرار داده شده است: