在数字图像相关方法中,传统Newton-Raphson算法(简称N-R算法)通常采用三次样条插值算法获得散斑图亚像素位置的灰度值。而在插值算法中,Hermite插值算法具有更加良好的光滑程度。因此,为了提高传统N-R算法的计算精度,提出一种基于Hermite插值的亚像素位移求解算法。该算法应用Hermite插值函数构建散斑图亚像素位置灰度值,并应用Barron算子计算像素点的一阶灰度梯度;之后应用牛顿迭代算法进行亚像素位移求解。应用真实散斑图的数值变形实验对算法的有效性与计算精度进行了验证。实验结果表明:提出的算法有效提高了传统N-R算法的计算精度且计算稳定性较好。

在数字图像相关测量计算过程中,直接参与互相关计算的是散斑子图,而散斑子图质量对测量精度具有重要影响。因此,如何有效评价散斑子图质量是数字图像相关方法研究的热点问题。将信息论中用于衡量信息量的“熵”概念引入散斑子图评价,提出以图像熵为评价参数的散斑子图质量评价方法。为验证该评价参数的有效性,对采用不同方法采集的3幅不同类型散斑图进行位移测量实验。实验结果表明:位移测量精度与散斑子图熵有紧密的关系,散斑子图熵越大,位移测量精度越高。实验结果验证了图像熵可有效用于散斑子图的质量评价。