基于互学习的自适应PSO算法的亚像素定位研究

　　针对数字图像相关方法（DIC）的亚像素精确定位运算量大、时间代价高的问题，提出了一种改进的粒子群优化方法的亚像素精确定位。依据待测物图像中特征点变形程度的差异自适应地调整粒子飞行的速度和范围并细化到z和v二维方向上，改善特征点位移解的质量；另外，引入粒子间的互相学习机制，充分利用前一粒子的历史信息，减少迭代次数，提高算法运行效率；最后，将这种互学习的自适应粒子群的亚像素定位算法与牛顿拉夫森（ Newton-Raphson）算法和牛顿拉夫森粒子群（NRPSO）算法作比较。实验结果表明，本文算法具有更高的精度、有效性和可行性，尤其在处理大数据量时，该算法的时间成本优势更为显著。