Print

基于LNIP的电镜材料自动归类

论文摘要

扫描电镜已经广泛应用于物理、化学和材料等研究领域。目前大多数研究主要集中于两方面,一是观察材料的微观结构,二是根据材料的扫描电镜微观结构判断材料种类。第二方面的研究还处于初级阶段,目前有关基于电镜图像实现材料自动归类的研究未见报道,仅根据材料的电镜图片来判断材料的种类是一件费时费力的工作,因此,针对这一问题,提出将LNIP(Local Neighborhood Intensity Pattern)算法引入电镜图片识别中。首先,将收集到的电镜图片分为训练集与测试集,利用LNIP算法对训练图片进行特征提取,得到同尺度下、不同种类材料的特征值;随后,在测试集中进行分类验证。最后,实验显示该方法对电镜材料的分类准确度高达96%,高于使用传统LBP(Local Binary Patterns)方法的召回率。由此利用LNIP算法可实现更准确地实现对未知材料的电镜图片的自动分类。

论文目录

  • 1 引言
  • 2 基本LBP算子
  • 3 LBP改进算法—LNIP
  •   3.1 计算LNIPs特征值
  •   3.2 计算LNIPM特征值
  •   3.3 计算LNIP特征值
  •     3.3.1 特征合并
  •     3.3.2 具体编码过程
  •   3.4 LNIP算法在扫描电镜材料分类中的应用
  •     3.4.1 图像的选择与分类
  •     3.4.2 图像的选择与处理方式
  •     3.4.3 实验结果
  • 4 结果与讨论

    • 文章来源

    类型: 期刊论文

    作者: 朱丽娜,逯洋,孙卓,梁纬

    关键词: 扫描电镜图像,纹理特征,图像检索

    来源: 计算机与应用化学 2019年06期

    年度: 2019

    分类: 工程科技Ⅰ辑,信息科技

    专业: 无线电电子学,计算机软件及计算机应用

    单位: 吉林师范大学

    基金: 国家自然科学基金资助项目(21606099),吉林省教育厅“十三五”科学技术项目(JJKH20170376KJ,JJKH20180785KJ),国家级创新训练项目(201810203006),吉林师范大学学术型研究生创新科研计划(研创新201925)

    分类号: TN16;TP391.41

    DOI: 10.16866/j.com.app.chem201906009

    页码: 626-631

    总页数: 6

    文件大小: 1425K

    下载量: 24

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/975c569cfda9cb45878487eb.html