Algorithm for classifying pixels of a color interferogram registered in the photoelasticity method.
https://doi.org/10.55648/1998-6920-2025-19-4-48-62
Abstract
The problem of studying the plane stress state by the photoelasticity method is considered. The technique is based on solving equilibrium equations. The boundary conditions for them are set based on the recorded interference pattern. A uniform grid is applied to it. For each node, the order of the interference band to which it belongs is determined. To date, the problem of automating this procedure has not been fully solved. To solve this problem, an algorithm has been developed and programmatically implemented that determines whether a node belongs to a stripe based on the color of the surrounding area. The algorithm is based on testing the statistical hypothesis that the sample belongs to a given distribution according to the Pearson criterion. To do this, the brightness histograms in all three color channels of the band of each order are quantitatively compared with the corresponding histograms constructed for the area in the vicinity of the node under consideration. The application of the method to the data taken at the PPU-7 installation has shown its effectiveness. In particular, the following results were obtained for interference patterns from simple objects (disk, plate). Of the 208 points (nodes of the rectangular grid) for which the interference band was determined, approximately 95% were correctly classified. Moreover, in some cases, there were no incorrectly classified pixels at all. Pixels that were not classified due to the fact that hypotheses about the correspondence of the chromaticity of their neighborhood to the color gamut of any of the bands were rejected accounted for 5-10%.
Supporting agencies: This work was supported by the Ministry of Science and Higher Education of the Russian Federation (project No. 121022000116-0)
About the Authors
Alexey Valerievich Likhachev
Institute of Automation and Electrometry SB RAS (IA&E SB RAS); Siberian State University of Telecommunications and Information Science (SibSUTIS)
Russian Federation
Russian Federation
Dr. of Sci. (Engineering), Head of the Scientific Group of Computer Science and Applied
Mathematics, Institute of Automation and Electrometry SB RAS (IA&E SB RAS, Russia, professor of the Department of Applied Mathematics and
Cybernetics, Siberian State University of Telecommunications and Information Science
Marina Vladimirovna Tabanyukhova
Novosibirsk State University of Architecture and Civil Engineering (Sibstrin)
Russian Federation
Russian Federation
Cand. of Sci. (Engineering), Head of the Department of Structural Mechanics, Novosibirsk State
University of Architecture and Civil Engineering (Sibstrin)
References
1. Вест Ч. Голографическая интерферометрия. М.: Мир, 1982. 504 с.
2. De Groot P. Principles of interference microscopy for the measurement of surface topography // Advances in Optics and Photonics. 2015. V. 7, № 1. P. 1–65. doi: 10.1364/AOP.7.000001.
3. Денисов Д. Г. Измерение параметров шероховатостей шлифованных и полированных оптических поверхностей с помощью высокоточных методов лазерной интерферометрии // Успехи прикладной физики. 2017. Т. 5, № 4. С. 393–411.
4. Майоров Е. Е., Бородянский Ю. М., Курлов В. В., Таюрская И. С., Пушкина В. П., Гулиев Р. Б. Пространственное микросканирование поверхности плоскопараллельных стеклянных пластинок интерференционным методом // Известия высших учебных заведений. Приборостроение. 2023. Т 66, № 8. С. 688-695. doi: 10.17586/0021-3454-202366-8-688-695.
5. Dvořáková P., Bajgar V., Trnka J. Dynamic electronic speckle pattern interferometry in application to measure out-of-plane displacement // Engineering Mechanics. 2007. V. 14, № 12. P. 37–44.
6. Ефимович И. А., Золотухин И. С. Исследование напряжённо-деформированного и температурного состояния режущей части инструмента с использованием лазерной интерферометрии // Обработка металлов (технология, оборудование, инструменты). 2021. Т. 23, № 4. С. 79–92. doi: 10.17212/1994-6309-2021-23.4-79-92.
7. Antonov A. A., Bondarenko A. A., Strelnikov I. V., Utkin I. Yu. Increasing sensitivity of laser interferometry method designed to assess residual welding stresses // Russian Journal of Nondestructive Testing. 2022. V. 58, № 7. P. 626–631. doi: 10.1134/S1061830922070038.
8. Дюрелли А., Райли У. Введение в фотомеханику (поляризационно-оптический метод). М.: Мир, 1970. 576 с.
9. Ramesh K. Digital photoelasticity. Advanced techniques and applications. Berlin: Springer, 2000. 424 p.
10. Албаут Г. Н. Матус Е. П., Табанюхова М. В. Исследование напряжённого состояния дисперсно-армированных балок с привлечением метода фотоупругости // Деформация и разрушение материалов. 2009. № 4. С. 46–49.
11. Mose B. R., Shin D. K., Nam J. H. Experimental stress analysis of spherical roller bearing for high-speed trains using photoelasticity // Experimental Techniques. 2023. V. 47, № 3. P. 669678. doi: 10.1007/s40799-022-00576-3.
12. Неверов С. А., Неверов А. А., Конурин А. И., Адылканова М. А., Орлов Д. В. Применение нейронных сетей для определения изменения напряжений в массиве пород методом фотоупругости // Физико-технические проблемы разработки полезных ископаемых. 2023. № 6. С. 176-189. doi: 10.15372/FTPRPI20230616.
13. Frishter L. Yu. Geometrically non-linear plane elasticity problem in the area of 2 an cut out // Axioms. 2023. V. 12, № 11. A. 1030. doi: 10.3390/axioms12111030.
14. Hendry A. W., Neal B. G. Elements of experimental stress analysis: Structures and solid body mechanics division. New York: Elsevier, 2013. 202 p.
15. Степанова Л. В., Долгих В. С. Цифровая обработка результатов оптоэлектронных измерений. Метод фотоупругости и его применение для определения коэффициентов многопараметрического асимптотического разложения М. Уильямса поля напряжений // Вестник Самарского государственного технического университета. Серия: Физико-математические науки. 2017. Т. 21, № 4. С. 717–735. doi: 10.14498/vsgtu1544.
16. Степанова Л. В. Экспериментальное и конечно-элементное определение коэффициентов многопараметрического асимптотического разложения М. Уильямса у вершины трещины в линейно-упругом изотропном материале. Часть II // Вестник Пермского национального исследовательского политехнического университета. Механика. 2021. № 1. С. 72–85. doi: 10.15593/perm.mech/2021.1.08.
17. Baek T. H., Kim M. S., Hong D. P. Fringe analysis for photoelasticity using image processing techniques. // International Journal of Software Engineering and its Applications. 2014. V. 8, № 4. P. 91–102. doi:10.14257/ijseia.2014.8.4.11.
18. Лихачев А. В., Табанюхова М. В. Новый алгоритм обработки данных метода фотоупругости // Вестник Томского государственного университета. Серия: Математика и механика. 2022. № 79. С. 100–110. doi: 10.17223/19988621/79/9.
19. Лихачев А. В., Табанюхова М. В. Оценка расстояния от заданной точки до максимума интерференционной полосы // Автометрия. 2021. Т. 57, № 3. С. 30–38. doi: 10.15372/AUT20210304.
20. Косыгин А. Н., Косыгина Л. Н. Цифровая обработка экспериментальных интерферограмм, полученных методом фотоупругости // Вестник Самарского университета. Естественнонаучная серия. 2019. Т. 25, № 2. С. 75–91. doi: 10.18287/25417525-2019-25-2-75-91.
21. Быков Р. Е. Адаптивные алгоритмы обнаружения объектов по цветовым признакам // Радиотехника. 2012. № 7. С. 97–103.
22. Петрияненко Т. М., Чернышева М. И., Чернышев Д. Н. Комбинированные методы на основе двумерных Фурье- и вейвлет-преобразований при анализе цветных изображений // Известия Юго-западного государственного университета. Серия: Управление, вычислительная техника, информатика, медицинское приборостроение. 2016. № 3. С. 13–19.
23. Носовский Г. В. Геометрическое кодирование цветных изображений // Вестник Московского университета. Серия 1: Математика. Механика. 2018. № 1. С. 3–11. doi: 10.3103/S0027132218010011.
24. Раухвагер А. Б., Киселев А. С. О применении локально-фрагментарной схемы к преобразованию цветных цифровых изображений // Математические методы в технологиях и технике. 2022. № 9. С. 102–105. doi: 10.52348/27128873_MMTT_2022_9_102.
25. Жбанова В. Л. Вопросы применения цифровой колориметрии в современных в современных научных исследованиях // Светотехника. 2021. № 2. С. 5–14.
26. Умбетов С. В., Пронин С. П. Алгоритм обработки цветного изображения поверхности металла и расчет глубины проникновения коррозии в металл по RGB-компонентам // Южно-Сибирский научный вестник. 2022. № 6. С. 148–153. doi: 10.25699/SSSB.2022.46.6.015.
27. Зайцева Е. В., Кочнева А. А., Катунцов Е. В., Ромакина О. М. Применение методов, основанных на теории Retinex при обработке цветных изображений, полученных в шахтах // XXI век: Итоги настоящего и проблемы прошлого плюс. 2024. Т. 13, № 1. С. 10–17.
28. Токарев К. Е., Лебедь Н. И. Мультиклассовое распознавание посевов сельскохозяйственных культур рекуррентной нейронной сетью глубокого обучения со свёрточными слоями по цветным аэрофотоснимкам высокого разрешения // Международный сельскохозяйственный журнал. 2024. № 2. С. 192–195. doi: 10.55186/25876740_2024_67_2_192.
29. Лихачев А. В. Введение в теорию вероятностей и математическую статистику (Учебное пособие). Новосибирск: изд-во НГТУ, 2019. 102 с
30. Табанюхова М. В. Исследование напряжённого состояния балок с усиливающим слоем из углепластика // Механика композиционных материалов и конструкций. 2012. Т. 18, № 2. С. 248–254.
Review
For citations:
Likhachev A.V., Tabanyukhova M.V. Algorithm for classifying pixels of a color interferogram registered in the photoelasticity method. The Herald of the Siberian State University of Telecommunications and Information Science. 2025;19(4):48-62. (In Russ.) https://doi.org/10.55648/1998-6920-2025-19-4-48-62
Views:
179
JATS XML
Email this article 
