-
题名焦炭显微光学组织自动检测与提取方法研究
- 1
-
-
作者
王夏霖
阚秀
孙维周
曹乐
范艺璇
-
机构
上海工程技术大学电子电气工程学院
安徽工业大学冶金工程学院
-
出处
《电子测量与仪器学报》
CSCD
北大核心
2022年第2期32-39,共8页
-
基金
国家自然科学基金(61703270)
科技创新2030-“新一代人工智能”重大项目(2020AAA0109301)资助
-
文摘
焦炭显微光学组织结构测定是一种重要的焦炭质量评价方式,针对焦炭显微图像边缘模糊对比度低且存在光晕伪影等问题,设计一种基于语义分割和全连接条件随机场的焦炭显微光学组织自动检测与提取方法。首先,利用偏光显微镜、工业相机和上位机等搭建焦炭显微光学组织测定平台;其次,利用残差模块和注意力模块改进Unet网络模型,加强显微光学组织区域的输出权重,实现对焦炭光学组织的自动检测与分割;最后,使用全连接条件随机场对显微光学组织的空间特性进行建模,细化分割边缘,精确提取焦炭显微光学组织。实验结果表明,所提方法的精确度、召回率、F1分数和准确率分别达到了0.967、0.959、0.963、0.965,优于其他对比语义分割网络,证明该方法具有较高的分割性能,能够实现对焦炭显微光学组织的自动检测与提取。
-
关键词
焦炭显微图像
焦炭显微光学组织
图像分割
全连接条件随机场
-
Keywords
coke photomicrograph
coke optical texture
image segmentation
fully connected conditional random field
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TQ520.6
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于WBCT和LBP融合的焦炭显微图像识别方法
被引量：2
- 2
-
-
作者
周芳
王培珍
蒋建国
-
机构
合肥工业大学计算机信息学院
安徽工业大学电气信息学院
-
出处
《中国图象图形学报》
CSCD
北大核心
2009年第10期2088-2091,共4页
-
基金
国家自然科学基金项目(50874001)
-
文摘
焦炭显微光学组织的分类识别是判定焦炭质量和指导生产配煤的关键内容,由于传统的空域和频域方法效果都不理想,提出了一种基于小波分解Contourlet变换(WBCT)与局部二进制模式(LBP)融合的焦炭显微图像识别算法。首先,运用WBCT对图像进行多尺度多方向分解,提取出各子频带的统计特征量;然后,在空域采用均匀LBP算子,计算图像LBP特征描述子;最后,根据融合的相似性度量准则判断图像的光学组织类别。与其他方法对比实验结果表明,该算法不仅可获得更高的识别精度,而且具有较强的抗干扰能力,尤其是对泊松分布噪声敏感性较小,因此,适合于焦炭显微图像的分析。
-
关键词
焦炭显微图像
光学组织
多尺度几何分析
小波分解Contourlet变换
局部二进制模式
-
Keywords
coke micrograph, optical texture, multiscale geometric analysisl （MGA）, wavelet-based contourlet transform （WBCT） ,local binary patterns（LBP）
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名单帧焦炭显微图像分辨率提升的学习方法研究
被引量：1
- 3
-
-
作者
周芳
蒋建国
王培珍
-
机构
合肥工业大学计算机与信息学院
安徽工业大学电气信息学院
-
出处
《电子测量与仪器学报》
CSCD
2011年第7期597-604,共8页
-
基金
国家自然科学基金(编号:50874001)资助项目
国家自然科学基金(编号:51007002)资助项目
校青年教师科研基金(编号:QZ201013)资助项目
-
文摘
针对焦炭显微光学组织成分多样性,及传统学习方法处理新样本效果差、计算复杂度高等局限,提出一种新的两步学习图像分辨率提升方法。通过动态改变训练样本和协方差矩阵特征向量,改进传统主成分分量学习算法,获取保持全局特征的高分辨率估计图像。为补充局部细节信息,对图像残差作重叠分块处理,提出基于残差块的加权近邻线性嵌入流形学习算法,实现无特征量提取预测补偿。最后经合成获分辨率提升图像。实验结果验证本文方法较其他方法可获得更高的峰值信噪比和更好的可视化效果,为焦炭显微光学组织成分的分类识别奠定良好基础。
-
关键词
计算机应用
焦炭显微图像
分辨率提升
流形学习
主成分分析
邻域线性嵌入
-
Keywords
computer application
coke micrograph
resolution enhancement
manifold learning
principal com-ponent analysis
neighbor linear embedding
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
