Исследование применения технологии сверхразрешения изображений на основе диффузионной модели в трёхмерной цифровой корреляции изображений

Более чёткие снимки — лучшие измерения

Многие современные инженеры полагаются на камеры, чтобы отслеживать, как материалы сгибаются, растягиваются или трескаются — и всё это без прикосновения. В этом исследовании показано, как более умная обработка изображений может вернуть полезные детали, которые обычно теряются, когда одну камеру просят выполнять работу нескольких, делая такие измерения дешевле и почти столь же точными, как в дорогих лабораторных установках.

Как камеры наблюдают деформацию

В основе работы лежит метод трёхмерной цифровой корреляции изображений — способ наблюдения за случайным рисунком мелких спеклов, нанесённых на объект. Сравнивая, как этот узор смещается между парами изображений, компьютер может восстановить трёхмерное движение каждой точки поверхности. Традиционно для этого требуется как минимум две аккуратно синхронизированные камеры, смотрящие под разными углами, что повышает затраты и усложняет эксперименты с быстрыми событиями, например при ударах.

Почему системы с одной камерой теряют детализацию

Чтобы упростить эксперименты, исследователи разработали оптические приёмы, позволяющие одной камере вести себя как несколько. Зеркала или призмы разделяют входящий свет, так что один сенсор фиксирует несколько видов одновременно. Это обходится без сложной синхронизации и не требует второй одинаковой камеры. Цена — то, что фиксированное число пикселей камеры приходится делить между виртуальными видами, поэтому каждый вид получает более низкое разрешение, и тонкие детали спеклов сливаются. Эта потеря резкости прямо снижает точность измерений движения и формы объекта.

Обучение модели восстанавливать детали

Авторы предлагают более умный способ восстановить утраченные детали уже после съёмки. Их метод, названный LaESR Diff, сочетает две современные группы алгоритмов обработки изображений. Сначала улучшенная генеративная модель даёт приблизительную версию того, как могло бы выглядеть более резкое изображение спеклов. Затем диффузионный процесс постепенно уточняет это предположение, добавляя и удаляя контролируемый шум, работая в обратном направлении — от случайности к чистому высокоразрешённому изображению. Команда адаптировала оба шага для спекл‑изображений, чья плотная тонкая структура сильно отличается от обычных фотографий.

Проектирование для измерений, а не только для вида

Большинство инструментов улучшения изображений нацелено на приятный визуальный результат или хорошие общие метрики качества, такие как отношение сигнала к шуму или структурное сходство. Для измерений на основе спеклов важны крошечные смещения отдельных пикселей больше, чем гладкость или контраст. Поэтому авторы включили в функцию обучения математический член, который отдаёт предпочтение локальному сходству в маленьких патчах спекл‑узора — такому же типу сравнения, который используется позже при оценке движения. Они также заменили обычную плавную шкалу шума на острую пиковую форму, чтобы высокочастотные текстуры переживали диффузионный процесс, а не размывались.

Тестирование на общедоступных данных и реальных образцах металла

Новый метод сначала проверили на общедоступном бенчмарке по трёхмерной корреляции изображений, где известны эталонные форма и движение сложного образца. По сравнению со стандартным масштабированием и другими современными средствами сверхразрешения LaESR Diff дал более резкие спекл‑изображения и, что важнее, сократил ошибки восстановления высоты поверхности более чем вдвое при очень сильных увеличениях. Он также уменьшил ошибки смещений примерно на две трети по сравнению с базовой интерполяцией. В отдельном лабораторном тесте команда растянула стальной образец, снимая его различными стереонастроениями, включая системы с одной камерой и зеркалами или призмами, и сравнила вычисленную деформацию с показаниями независимого датчика.

Превращение более дешёвой установки в почти премиальную

В лабораторных испытаниях система с одной камерой, у которой изначально была наибольшая потеря разрешения, показывала самые большие ошибки измерений. После улучшения её изображений методом LaESR Diff средняя ошибка снизилась почти до уровня традиционной двухкамерной системы, даже при увеличении в восемь раз. Другие методы улучшения либо давали меньший эффект, либо ухудшали точность при больших увеличениях. Авторы также показали, что распространённые метрики качества изображений слабо коррелируют с точностью измерений, подчёркивая необходимость оценивать такие инструменты по тому, как они улучшают реальные экспериментальные результаты.

Что это значит для будущих измерений

Для неспециалистов ключевой вывод состоит в том, что современные методы сверхразрешения могут превратить компактные и более дешёвые одно‑камерные установки в измерительные инструменты, сопоставимые по качеству с более сложными двухкамерными системами. Восстанавливая тонкие детали спеклов, которые оптическое разделение обычно теряет, предложенный подход сохраняет удобство одной камеры без обычной потери в точности. Та же стратегия адаптации улучшения изображений под потребности измерительной задачи может быть распространена на многие другие области, где камеры тихо служат научными инструментами — от мониторинга мостов до инспекции авиационных деталей.

Цитирование: 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

Ключевые слова: сверхразрешение изображений, цифровая корреляция изображений, диффузионная модель, стереовидение одной камерой, бесконтактное измерение