Badania zastosowań technologii rekonstrukcji obrazu o podwyższonej rozdzielczości opartej na modelu dyfuzji w trójwymiarowej cyfrowej korelacji obrazu

Bardziej ostre obrazy dla lepszych pomiarów

Wielu współczesnych inżynierów polega na kamerach, by śledzić, jak materiały się zginają, rozciągają lub pękają, bez kontaktu z nimi. Badanie to pokazuje, jak inteligentniejsze poprawianie obrazu może odzyskać użyteczne detale, które normalnie giną, gdy pojedyncza kamera ma wykonać zadanie kilku — dzięki czemu pomiary są tańsze i niemal tak dokładne jak w zaawansowanych laboratoriach.

Jak kamery obserwują odkształcenia

Technika będąca sercem pracy to trójwymiarowa cyfrowa korelacja obrazu, metoda, która śledzi losowy wzór drobnych smużek nałożonych na obiekt. Porównując, jak ten wzór przesuwa się między parami obrazów, komputer potrafi odtworzyć, jak każdy punkt na powierzchni porusza się w trzech wymiarach. Tradycyjnie wymaga to co najmniej dwóch dokładnie zsynchronizowanych kamer patrzących pod różnymi kątami, co podnosi koszty i sprawia, że eksperymenty z szybkimi zjawiskami, jak uderzenia, są technicznie wymagające.

Dlaczego systemy z jedną kamerą tracą szczegóły

Aby uprościć eksperymenty, badacze opracowali optyczne sztuczki pozwalające jednej kamerze zachowywać się jak kilka. Lustra lub pryzmaty dzielą wpadające światło, więc ten sam sensor kamery rejestruje jednocześnie wiele widoków. To omija trudne problemy z synchronizacją i usuwa potrzebę zakupu dopasowanej drugiej kamery. Cena za to jest taka, że stała liczba pikseli kamery musi zostać podzielona między wirtualne widoki, więc każdy widok ma niższą rozdzielczość, a drobne detale smużek zlewają się. Ta utrata ostrości bezpośrednio zmniejsza precyzję pomiarów ruchu i kształtu obiektu.

Nauczanie modelu, jak przywrócić detale

Autorzy proponują inteligentniejszy sposób odbudowy brakujących detali po zarejestrowaniu obrazu. Ich metoda, nazwana LaESR Diff, łączy dwie rodziny nowoczesnych algorytmów obrazowych. Najpierw ulepszona wersja modelu generatywnego tworzy najlepsze przypuszczenie, jak powinien wyglądać bardziej ostry obraz smużek. Następnie proces dyfuzji stopniowo dopracowuje to przypuszczenie, dodając i usuwając starannie kontrolowany szum, pracując wstecz od przypadkowości do czystego, wysokorozdzielczego obrazu. Zespół dostosował obie fazy do obrazów smużkowych, których gęsta, drobnoziarnista struktura zasadniczo różni się od codziennych zdjęć.

Projektowanie pod kątem pomiaru, nie tylko wyglądu

Większość narzędzi poprawiających obraz jest dopasowana do preferencji ludzkiego oka lub do dobrych wyników w ogólnych wskaźnikach jakości, takich jak stosunek sygnału do szumu (PSNR) czy podobieństwo strukturalne (SSIM). W przypadku pomiarów opartych na smużkach drobne przesunięcia pojedynczego piksela mają większe znaczenie niż gładkość czy kontrast. Aby to uwzględnić, autorzy wbudowali w trening termin matematyczny faworyzujący lokalne podobieństwo małych fragmentów wzoru smużek — ten sam rodzaj porównania używany później przy mierzeniu ruchu. Zastąpili też powszechny gładki harmonogram szumu takim o ostrym, szczytowym kształcie, aby tekstury wysokich częstotliwości przetrwały proces dyfuzji zamiast zostać wygładzone.

Testy na udostępnionych danych i rzeczywistych próbkach metalu

Nową metodę sprawdzono najpierw na publicznym benchmarku do trójwymiarowej korelacji obrazu, gdzie znane są prawdziwe kształty i ruchy skomplikowanej próbki. W porównaniu z standardowym skalowaniem i innymi zaawansowanymi narzędziami nadpróbkowania, LaESR Diff wygenerował ostrzejsze obrazy smużek i, co ważniejsze, zmniejszył błędy w odzyskanej wysokości powierzchni o ponad połowę przy bardzo dużym powiększeniu. Zredukował też błędy przemieszczeń o około dwie trzecie w porównaniu z podstawową interpolacją. W odrębnym teście laboratoryjnym zespół rozciągał próbkę stali, rejestrując ją kilkoma układami stereoskopowymi, w tym systemami jednej kamery korzystającymi z luster i pryzmatów, i porównał wyznaczone odkształcenie z niezależnym tensometrem.

Zmiana tańszego zestawu w rozwiązanie bliskie premium

W tych testach laboratoryjnych system jednej kamery o największej początkowej utracie rozdzielczości wykazywał największe błędy pomiarowe. Po wyostrzeniu jego obrazów za pomocą LaESR Diff średni błąd spadł blisko poziomu tradycyjnego systemu z dwiema kamerami, nawet przy ośmiokrotnym powiększeniu. Inne metody poprawy obrazu albo pomagały mniej, albo wręcz pogarszały dokładność przy dużym powiększeniu. Autorzy pokazali też, że powszechne wskaźniki jakości obrazu słabo korelują z dokładnością pomiaru, podkreślając potrzebę oceniania takich narzędzi przez pryzmat poprawy rzeczywistych wyników eksperymentalnych.

Co to oznacza dla przyszłych pomiarów

Dla osób niebędących ekspertami kluczowy wniosek jest taki, że zaawansowane nadpróbkowanie może przekształcić kompaktowe, tańsze zestawy z jedną kamerą w narzędzia pomiarowe rywalizujące ze złożonymi systemami z dwiema kamerami. Poprzez odzyskanie drobnych detali smużek, które przy optycznym dzieleniu obrazu zostałyby zwykle utracone, zaproponowane podejście zachowuje wygodę jednej kamery bez ponoszenia zwykłej kary w precyzji. Ta sama strategia dopasowywania ulepszania obrazu do potrzeb zadania pomiarowego może rozszerzyć zastosowania w wielu innych dziedzinach, gdzie kamery pełnią ciche funkcje instrumentów naukowych — od monitorowania mostów po kontrolę części lotniczych.

Cytowanie: Zhou, D., Li, H., Yao, C. et al. Application research of image super-resolution reconstruction technology based on diffusion model in 3D digital image correlation. Sci Rep 16, 15767 (2026). https://doi.org/10.1038/s41598-026-44638-7

Słowa kluczowe: nadpróbkowanie obrazu, cyfrowa korelacja obrazu, model dyfuzji, stereo widzenie jednej kamery, pomiar bezdotykowy