[发明专利]一种基于扫描电镜图像分割的多孔材料孔洞自动测量方法

说明书

本发明属于图像处理技术领域，公开了一种基于扫描电镜图像分割的多孔材料孔洞自动测量方法，包括以下步骤：1、初始化参数；2、滤波处理；3、通过特征值信息获得潜在的聚类个数；4、计算滤波后的图像直方图信息；5、利用快速模糊聚类算法完成图像分割；6、提取最小聚类中心对应的数据分布作为孔洞输出，得到二值孔洞图像；7、对二值孔洞图像进行形态学填充运算；8、利用多尺度形态学闭重建对孔洞按照面积进行自动分类；9、统计多孔材料中不同等级孔洞的个数、面积占比以及实际平均面积。本发明实现了对多孔材料孔洞的自动测量及分类，能够客观的对多孔材料评价，且能够直接获得理想的图像分割效果。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于扫描电镜图像分割的多孔材料孔洞自动测量方法。

背景技术

扫描电子显微镜(scanning electron microscope,SEM)是一种适用范围非常广泛的表面分析技术，主要利用二次电子信号扫描样品表面从而获得相应的高倍图像，分析尺度可至纳米级，能够有效观察样品的微观结构及状态，因此已广泛应用于材料、化工、食品、机械等领域。

SEM能够呈现多孔材料的微观形貌，通过统计多孔材料表面的孔隙特征，有助于理解多孔材料的物理化学性能，如表面吸附性和耐磨性等。目前，材料研究人员主要利用交互方式获取多孔材料的孔洞信息，即利用图像分析软件自带的工具结合主观采点进而测量孔洞信息。由于交互式测量全部孔洞信息非常耗时耗力，因此研究人员通常仅测量少数几个孔洞信息，并利用其平均结果估计材料的整体物理化学性能。然而，由于人为主观性、测量方法的简陋性以及测量数据的不完整性等原因，导致不同实验分析人员测量的数据差异较大，从而很难客观评价材料的真实物理化学性能。

由于多孔材料的孔洞通常具有明显不同于背景的灰度值，因此可利用灰度值差异进行孔洞分割，随着机器学习的快速发展，目前已经涌现出大量图像分割算法，这些算法大致可以分为两类：有监督的图像分割算法和无监督的图像分割算法。有监督的图像分割算法需要大量的训练样本和标记图像，而该类图像的样本量较小，且标记图像较难获得(由于SEM多孔材料中存在大量的微小孔洞，且孔洞边界较为模糊，人工标记很难找到确定的孔洞边界)，因此该类算法并不适用于多孔材料的物理化学性能分析。无监督的图像分割算法仅依赖分割模型，无需标记样本，所以该类算法更适合SEM多孔材料图像分割，而在无监督分割算法中，模糊聚类算法因其快速有效的特点，已受到众多学者的关注。

模糊聚类算法直接应用于图像分割时会忽略图像的空间结构信息，导致该算法对图像噪声和像素不均匀分布较为敏感，针对该问题，学者们提出了多种改进策略，主流的改进策略包括基于空间邻域信息的模糊聚类算法、基于直方图信息的模糊聚类算法及基于正则化约束的模糊聚类算法。基于空间邻域信息的模糊聚类算法主要是利用邻域像素来修正中心像素的所属类别，达到正确分类的目的。文献“Robust fuzzy local information andLp-norm distance-based image segmentation method[J].IET Image Processing,vol.11,no.4,pp.217-226,2017”公开了一种基于模糊局部信息的Lp聚类算法(fuzzylocal information Lp clustering, FLIL),该算法采用Lp范数作为度量准则，避免了噪声点对聚类中心干扰，同时将空间模糊因子引入到距离函数中，改善了算法的分割效果，然而该算法需在每次迭代中计算图像的空间邻域信息，导致算法的时间复杂度较高。