数据与模型联合驱动的陶瓷材料晶粒分割

摘要：

研究陶瓷晶粒尺寸分布对估计陶瓷样品的物理属性具有重要意义,当前主要依赖人工方法测量晶粒尺寸,由于晶粒形状不规则且大小不一,因此人工方法测量效率低、误差大.针对该问题,提出一种数据与模型联合驱动的陶瓷材料晶粒分割算法.该算法首先通过图像预处理解决材料表面反光导致的灰度不均匀问题;其次利用本文提出的鲁棒分水岭变换实现图像中晶粒的预分割,解决传统分水岭算法存在的过分割以及分割区域个数与轮廓精度难以平衡的问题;最后提出轻量级富卷积特征网络输出晶粒轮廓,并利用该轮廓对预分割结果进行优化.与主流图像分割算法相比,该算法一方面利用鲁棒分水岭变换实现了更为准确的晶粒区域定位,另一方面利用图像的低层与高层特征融合获取了更为精准的晶粒轮廓.实验结果表明,该算法不仅能够实现陶瓷材料晶粒尺寸的精准计算,而且具有较高的计算效率,为分析陶瓷材料物理属性提供了客观准确的数据.

关键词：图像分割、卷积神经网络、鲁棒分水岭变换、特征融合

所属期刊栏目：48

分类号：TP391.41;TG111;TN911.73

资助基金：国家自然科学基金;国家自然科学基金;陕西省杰出青年科学基金;陕西省重点研发计划;陕西省重点研发计划;陕西省创新能力支撑计划

在线出版日期：2022-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：1137-1152