[發明專利]一種鋼中析出粒子的自動測量及其形態分類方法

無效

• 申請號: 200910030216.1
• 申請日: 2009-03-17
• 公開（公告）號: CN101510262A
• 公開（公告）日: 2009-08-19
• 發明（設計）人: 李新城;朱偉興;張炎
• 申請（專利權）人: 江蘇大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/00;G06N3/02;G01N15/02
• 代理公司: 南京知識律師事務所
• 代理人: 汪旭東

1.一種鋼中析出粒子的自動測量及其形態分類方法，其特征是采用下列步驟：

(1)將鋼中析出的目標粒子的電鏡圖像進行圖像二值分割，得到粒子的二值圖像；

(2)對目標粒子的二值圖像通過形態濾波方法去噪聲，用種子填充方法填充孔洞，由經驗判據所定域值判定待分離粒子并進行團聚粒子的分離；

所述種子填充方法為：1)將種子像素壓入堆棧；2)當堆棧非空時，從堆棧中推出一個像素，并將該像素設置成所要的值；3)對于每個與當前像素鄰接的四連通或八連通像素，測試以確定測試點的像素是否處在區域內且未被訪問過；4)若所測試的像素在區域內沒有被填充過，則將該像素壓入堆棧；

采用以下極限腐蝕與水域生長求分割線算法對所述團聚粒子分離：1)對粘連粒子逐層腐蝕，獲得各個獨立粒子的核；2)對粒子核進行膨脹處理，水域生長時各域保持同層位增長，各域生長到相遇時形成粒子分界線；

(3)對分離后的粒子進行區域標定，區域標定的方法為：1)用遞歸標記算法對同一圖像中各粒子區域像素進行標識，取得各自的特征；2)標定圖像中每個像素的實際尺寸；

(4)確立析出的目標粒子的面積、周長、長寬比、圓形度、形狀系數及矩形度為神經網絡的輸入項，輸出項為所有析出粒子的形態，神經網絡的中間層神經元的傳遞函數為S型正切函數，輸出層神經元的傳遞函數為S型對數函數，從而建立析出的目標粒子的神經網絡形態分類模型；

(5)采用試驗方法訓練神經網絡形態分類模型，對輸入輸出參數進行歸一化處理，神經網絡的輸出結果經過反歸一化后以獲得其在原物理空間的數值，得到粒子形態自動分類統計結果；

(6)將析出的目標粒子的自動分類統計結果以圖表文件顯示輸出。

2.根據權利要求1所述的一種鋼中析出粒子的自動測量及其型態分類方法，其特征是步驟(3)所述的遞歸標記算法按如下步驟：

1)按從左到右，從上到下以光柵的方式從圖像的左上角開始掃描，直到發現一個沒有標記的像素點；

2)對此像素點賦予新標記；

3)對此像素點的8個鄰點進行掃描，如遇到沒有標記的像素點就把它標記為新標記,將此過程一層層遞歸，直到沒有標記的像素點被耗盡再開始層層返回；

4)反復執行上述步驟1)-3)過程直到光柵掃描到圖像的右下腳。

3.根據權利要求1所述的一種鋼中析出粒子的自動測量及其型態分類方法，其特征是?步驟(3)所述的標定圖像中每個像素的實際尺寸按如下步驟：

1)在圖像中對目標物從上向下，從左向右逐行搜索，搜索到的第一個灰度值為1的像素點即為目標粒子的上切點；

2)從下向上，從左向右逐行搜索到的第一個灰度值為1的像素點即為目標粒子的下切點；

3)從左向右逐列找出目標粒子的最左邊一個灰度值為1的像素；

4)從右向左逐列找出目標粒子的最右邊一個灰度值為1的像素；

5)由公式計算出比例因子后建立和提取圖像的粒子面積、周長、長寬比、圓形度、形態系數以及矩形度六種幾何形態特征參數。?