[發明專利]一種基于深度學習的晶體TEM圖像物相區域劃分方法

有效

• 申請號: 202211670815.1
• 申請日: 2022-12-26
• 公開（公告）號: CN115631392B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 張全;白儒;彭博;周文俊;王一帆
• 申請（專利權）人: 西南石油大學
• 主分類號: G06V10/778
• 分類號: G06V10/778;G06V10/26;G06V10/80;G06V10/82;G06V20/69
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開一種基于深度學習的晶體TEM圖像物相區域劃分方法，包括：滑動窗口與深度學習部分，物相識別部分和區域合并部分。滑動窗口將原圖劃分為多個區域，深度學習部分提出了LCA?Unet模型用于提取TEM圖像各個區域的傅里葉變換幅度譜中的亮點，物相識別部分中可以識別出各個區域內可能包含的物相，區域合并部分將包含相同物相的區域合并，并描繪物相區域的邊界。該方法可實現晶體TEM圖像中物相區域的自動劃分，可以有效的避免研究人員陷入繁瑣的手動分析任務中。

技術領域

本發明涉及一種透射電子顯微鏡(TEM)圖像的自動處理方法，具體而言，包括滑動窗口劃分區域并計算快速傅里葉變換幅度譜，深度學習提取快速傅里葉變換幅度譜中的亮點及計算機視覺處理方法用于圖像中物相識別及后續物相區域展示的方法；具體為一種基于深度學習的晶體TEM圖像物相區域劃分方法。

背景技術

材料的微觀結構是決定材料性能的關鍵因素，主要受成分和制備工藝的影響，而透射電子顯微鏡(TEM)是研究材料結構和組成的一種有用技術。近年來，材料科學與工程的進步促進了透射電子顯微鏡及其相關技術的快速發展。為了快速分析原位TEM生成的大量的TEM圖像數據，提高材料研究的效率，亟需引入快速自動化的電子顯微鏡數據圖像處理方法。

原位TEM是研究晶體材料的重要手段，在分析TEM圖像時，需要專業人士利用專業軟件(如Digital?Micrograph)分區域進行分析，區域的選擇以及分析完全依賴人工經驗，工作繁瑣且費時費力。因此利用計算機技術對原位TEM產生的大量圖像進行處理和分析，可以加快實驗進程，提高實驗效率。

采用傅里葉變換輔助分析TEM圖像是一種重要的分析手段，傅里葉變換可以將空域中的TEM圖像轉換到頻率域中，當TEM圖像包含晶格條紋時，其FFT幅度譜圖像將顯示一個倒易點陣來表示晶體結構特征。如果對整個圖像進行FFT分析，反映的是全局情況，但有時研究人員只對局部區域感興趣，使用滑動窗口將整個TEM圖像劃分為多個區域能夠在空間維度上反映局部特征。

為了分析TEM圖像中的晶體物相信息，分析對應的倒易點陣是一種常用的方法。近十年來，深度學習在圖像處理和分析領域發展迅速，取得了巨大的成功，利用深度學習中的語義分割網絡U-Net可以將FFT圖像中的倒易點陣分割出來，但分割精度不足。

發明內容

為了提高語義分割網絡U-Net分割的精度，本發明在U-Net網絡的基礎上加入一個融合了注意力機制思想的跨層特征融合模塊，設計了一種LCA-Unet深度學習語義分割網絡對TEM圖像傅里葉變換后的幅度譜圖像進行亮點分割，采用灰度質心算法計算每一個亮點的坐標，并通過計算機視覺技術實現自動物相識別。使用滑動窗口自動的劃分區域進行分析，并采用改進的區域甚至算法進行區域合并，最終實現了自動晶體TEM圖像物相區域劃分。

具體地，本發明提供了一種基于深度學習的晶體TEM圖像物相區域劃分方法，主要包括以下步驟：

S1、使用正方形的滑動窗口算法將TEM圖像劃分為多個區域，計算每個區域的傅里葉變換幅度譜并使用圖像增強算法突出圖像中的亮點；

S2、使用深度學習方法對傅里葉變換幅度譜圖像中的亮點進行分割，獲得亮點分割圖像；

S3、在所述亮點分割圖像包含多對亮點情況下，使用灰度質心算法計算每一個亮點的坐標，并基于中心對稱原則進行亮點配對分組（中心亮點不參與配對），后續只需要計算每對亮點中的一個即可，該亮點被稱為保留亮點；

S4、對所述保留亮點進行計算機視覺處理，自動測量對應的晶格間距；

S5、建立標準PDF卡片數據庫，與所述晶格間距進行比對，統計每個區域內每個亮點可能代表的晶面并記錄匹配到晶面的亮點的坐標以及對應的晶面指數；