基于改进U-Net网络的液滴分割方法

摘要：

液滴图像的精确分割是高精度接触角测量的重要环节,针对在液滴分割过程中存在的目标不准确、轮廓不完整以及固-液-汽3项交点和边界细节效果不佳的问题,文中提出了一种适用于液滴分割的神经网络模型.该模型以U-Net网络为基础,在其输入处加入1×1卷积层汇总图像特征,避免从初始图像中丢失信息;并采用Resnet18结构作为U-Net的特征学习编码器,增强了网络的表达能力,促进了梯度的传播.在解码过程中引入密集连接的特征融合技术,在提升分割目标细节信息的同时降低了网络参数.最后在每个卷积层后都添加批量归一化操作,进一步优化了网络性能.实验结果表明,改进的U-Net模型能够有效提高液滴识别的准确率,提升分割效果,在接触角测量领域具有一定的参考价值.

关键词：液滴分割、U-Net、残差网络、特征融合、接触角测量

所属期刊栏目：49

分类号：TP391(计算技术、计算机技术)

在线出版日期：2022-04-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：227-232