[发明专利]一种间隙区域感知的铝硅合金显微图像分割方法

权利要求书

1.一种间隙区域感知的铝硅合金显微图像分割方法，其特征在于：

Step1：获取铝硅合金显微图像数据集；

Step2：将铝硅合金显微图像数据集划分为训练集、验证集和测试集；

Step3：对训练集中的图像进行数据增强，将增强得到的样本数据输入多尺度膨胀残差网络中训练，并使用间隙区域感知交叉熵损失函数计算分割结果与标签之间的损失，通过随机梯度下降算法优化参数，取训练过程中验证损失最小的模型作为最终的分割模型；

所述多尺度膨胀残差网络可表示为MSDR-Net网络；

Step4：将铝硅合金显微图像输入训练得到的MSDR-Net网络中，输出分割结果。

2.根据权利要求1所述的间隙区域感知的铝硅合金显微图像分割方法，其特征在于：所述Step1获取的铝硅合金显微图像数据集通过cvat工具进行标注。

3.根据权利要求1所述的间隙区域感知的铝硅合金显微图像分割方法，其特征在于：所述Step2中，将铝硅合金显微图像数据集按照70％、10％、20％的比例随机划分为训练集、验证集和测试集，其中，训练集占70％，验证集占10％，测试集占20％。

4.根据权利要求1所述的间隙区域感知的铝硅合金显微图像分割方法，其特征在于：所述Step3中，数据增强包括随机缩放、随机旋转、水平翻转、垂直翻转、随机剪裁。

5.根据权利要求4所述的间隙区域感知的铝硅合金显微图像分割方法，其特征在于所述数据增强具体为：

对图像进行随机旋转，旋转角度范围为(-90°～90°)，旋转概率为0.5；

对图像进行随机尺度缩放，缩放范围为(0.5～1.5倍)，缩放概率为0.5；

对图像进行随机剪裁，剪裁区域尺寸为257×257，剪裁概率为1.0；

对图像进行水平翻转，翻转概率为0.5；

对图像进行垂直翻转，翻转概率为0.5；

对图像进行转置操作，转置概率为0.5；

对图像添加高斯噪声或乘性噪声，概率为0.5；

对图像应用中值模糊或运动模糊，概率为0.5；

对图像应用光学畸变，概率为0.5；

随机修改图像的亮度、对比度，或是应用锐化、直方图均衡化方法，概率为0.5。

6.根据权利要求1所述的间隙区域感知的铝硅合金显微图像分割方法，其特征在于：Step3中所述的MSDR-Net网络由编码器结构和解码器结构组成；

所述编码器结构使用残差网络ResNet18，并丢弃了其中的平均池化层和全连接层，去除了最后的两次下采样，在最后两个卷积阶段中使用了膨胀卷积，并在输入图像后增加了一个额外的3×3卷积层；

所述解码器结构由上采样、特征图拼接和卷积层组成。

7.根据权利要求1所述的间隙区域感知的铝硅合金显微图像分割方法，其特征在于：所述Step3中，使用间隙区域感知交叉熵损失函数时，需要获取图像中相邻初晶硅颗粒之间的间隙区域，这些间隙区域通过间隙区域生成算法获取，所述间隙区域生成算法的具体步骤为：

Step3.1：将标签中的每个初晶硅对象取出，得到对象图集合

Step3.2：遍历对象图集合，对每张对象图O_i应用形态学膨胀操作，得到膨胀的对象图集合

Step3.3：初始化间隙区域图M，M的尺寸和输入图像相同，所有像素值初始化为0；

Step3.4：遍历膨胀对象图集合，在每两张膨胀的对象图B_i和B_j间计算交集，得到对应的间隙区域A_ij＝B_i∩B_j，并通过求并运算M←M∪A_ij将间隙区域A_ij合并到间隙区域图M中；

Step3.5：得到完整的间隙区域图M。

8.根据权利要求1所述的间隙区域感知的铝硅合金显微图像分割方法，其特征在于：Step3中所述间隙区域感知交叉熵损失函数为：

式中，L_CE(x_l)表示像素x_l的交叉熵损失，l表示图像中像素的位置，N表示类别数，L_GRACE(x_l)表示像素x_l的间隙区域感知交叉熵损失，w表示附加权重，表示像素x_l是否出现在间隙区域。