[发明专利]一种基于深度学习的晶体TEM图像物相区域划分方法

权利要求书

1.一种基于深度学习的晶体TEM图像物相区域划分方法，其特征在于：所述方法包括以下步骤：

1）使用正方形的滑动窗口将TEM图像划分为多个区域并计算各个区域的快速傅里叶变换幅度谱，使用图像增强算法突出幅度谱中的亮点并弱化背景；

2）使用深度学习方法对步骤1）生成的各个区域的快速傅里叶变换幅度谱图像中的亮点进行分割，获得亮点分割图像；

3）在所述亮点分割图像包含多个亮点情况下，使用灰度质心算法获得每个亮点的坐标；

4）根据亮点的坐标信息进行物相识别，从每个区域中识别出可能包含的物相，所述的物相识别方法需要根据亮点的坐标信息自动测量晶格间距，并与根据标准PDF卡片数据建立的卡片数据库进行比对，找到各区域内可能包含的晶面并记录对应的晶面指数，比较建立的卡片数据库中的标准晶面夹角与根据亮点坐标计算得到的实际晶面夹角以确定各个区域中可能包含的物相；

5）采用改进的区域生长算法合并包含相同物相的区域，并使用连通域算法获得物相区域的边界，用彩色线条对所述物相区域的边界进行描绘，所述的改进的区域生长算法需要以步骤4）中可能包含物相的各个区域为生长点，以邻接区域是否包含相同物相为生长准则，若包含相同物相则合并为同一个区域。

2.根据权利要求1所述的一种基于深度学习的晶体TEM图像物相区域划分方法，其特征在于：步骤1）所述的图像增强算法为幂次变换(伽马校正)。

3.根据权利要求1所述的一种基于深度学习的晶体TEM图像物相区域划分方法，其特征在于：步骤2）所述的深度学习方法包含一个跨层特征融合模块。

4.根据权利要求1所述的一种基于深度学习的晶体TEM图像物相区域划分方法，其特征在于：步骤3）所述灰度质心算法实现从深度学习模型输出的亮点分割图像中获取所有亮点的坐标，并基于中心对称原则进行亮点配对分组。