Image‐based Continuous Displacement Measurements Using an Improved Spectral Approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT Digital Image Correlation algorithms capable of determining continuous displacement fields are receiving growing attention in the field of mechanical properties identification. In this paper, we develop an Improved Spectral Approach (ISA) to reconstruct continuous displacements based on their Fourier decomposition. This approach leads to a time and memory‐efficient algorithm, thanks to the fast Fourier transform. Moreover, the Fourier‐based decomposition enables accurate heterogeneous measurements. Improvements consist in increasing the accuracy and convergence rate as well as dealing with non‐periodic displacements and images. Furthermore, a theoretical framework is presented to quantify the noise sensitivity of the ISA from which useful information is retrieved. The approach is evaluated using synthetic images deformed by heterogeneous displacement fields. Comparisons show that the introduced modifications lead to lower uncertainties by one order of magnitude in the case of non‐periodic images and displacement field studied. Moreover, first‐order (SO1) and second‐order (SO2) subset‐based Digital Image Correlation algorithms are compared with the ISA. The comparisons herein reveal that the uncertainties of the ISA are 6–9 times smaller than those of the SO1 due to insufficiency of the first‐order shape function for the estimation of heterogeneous displacements, while being slightly smaller than those of the SO2. Moreover, as the image smoothness decreases, the uncertainties of the SO2 deviate from those of the ISA and the exact displacements. The presented approach shows great potentials for challenging applications such as strain measurements at microstructural levels.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle