基于扩散模型的图像超分辨率重建技术在三维数字图像相关中的应用研究

更清晰的图像带来更好的测量

许多现代工程师依赖相机在不接触样品的情况下追踪材料如何弯曲、拉伸或开裂。本研究表明，更智能的图像增强能够挽回单摄像机在充当多台相机时常常丢失的有用细节，使这些测量更便宜且在精度上接近高端实验室配置。

相机如何观测形变

本工作核心的技术称为三维数字图像相关（3D-DIC），该方法观察被试表面涂覆的一种随机小斑点图案。通过比较斑点图案在图像对之间的位移，计算机可以重建表面上每一点的三维运动。传统上这至少需要两台精确同步、从不同角度拍摄的相机，这增加了成本，并且在处理冲击等快速事件时技术要求较高。

为何单摄系统会丢失细节

为简化实验，研究者们发展出一些光学技巧，使一台相机表现得像多台相机。通过镜子或棱镜将入射光分割，同一个相机传感器可同时捕获多个视图。这避免了同步问题，也不必购买配对的第二台相机。代价在于相机固定的像素数必须在这些虚拟视图间分配，每个视图的分辨率因此下降，细小斑点细节被模糊在一起。清晰度的损失会直接降低对物体运动和形状测量的精确度。

教会模型把细节放回去

作者提出了一种更智能的方式，在图像捕获后重建丢失的细节。他们的方法称为 LaESR Diff，结合了两类现代图像算法。首先，一个改进的生成模型给出对更清晰斑点图像的最佳猜测；随后一个扩散过程通过有控制地添加和移除噪声逐步细化该猜测，从随机状态逆向得到干净的高分辨率图像。团队为斑点图像的致密细粒结构对这两个步骤都做了专门定制，因为其与日常照片有很大不同。

为测量而设计，而不仅仅为视觉

大多数图像增强工具都为迎合人眼或在一般质量指标（如峰值信噪比或结构相似性）上得分而调优。对于基于斑点的测量来说，单像素的微小位移比平滑度或对比度更为重要。为此，作者在训练中加入了一项数学项，偏好斑点图案小补丁内的局部相似性，这与后来测量运动时使用的比较方式相同。他们还将常见的平滑噪声时间表替换为呈尖峰形的曲线，以便高频纹理在扩散过程中能够存活，而不是被冲刷掉。

在共享数据与真实金属样品上的测试

新方法首先在一个公开的三维图像相关基准上进行了验证，该基准对复杂样品的真实形状和运动已知。与标准重采样和其他先进的超分辨方法相比，LaESR Diff 产生了更清晰的斑点图像，更重要的是在非常高放大倍率下将恢复的表面高度误差减少了一半以上。相对于基本插值法，它还将位移误差约减少了三分之二。在另一次实验室测试中，团队拉伸了一个钢样本并用多种立体设置记录，包括使用镜子和棱镜的单摄系统，并将推断的应变与独立测量仪表进行比较。

将更廉价的装置变为近乎高端的设备

在这些实验中，最初分辨率损失最严重的单摄系统显示出最大的测量误差。经 LaESR Diff 增强后，其平均误差降至接近传统双摄系统的水平，即使在八倍放大时亦如此。其他增强方法要么效果较差，要么在高放大倍率下反而损害精度。作者还表明，常见的图像质量评分并不能很好地反映测量精度，强调应以实际实验结果的改进来评判此类工具的必要性。

对未来测量的意义

对非专业读者而言，关键结论是先进的超分辨率可以将紧凑、成本较低的单摄像机装置变成可与更复杂的双摄系统相媲美的测量工具。通过恢复光学分割通常会丢弃的细小斑点细节，该方法在不牺牲便利性的情况下避免了通常的精度惩罚。将图像增强针对具体测量任务进行定制的同样策略，可能推广到许多其他把相机作为科学仪器默默服务的领域，从桥梁监测到飞机部件检验等。

引用: 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

关键词: 图像超分辨率, 数字图像相关, 扩散模型, 单摄像机立体视觉, 非接触测量