[发明专利]基于图像处理的热防护功能梯度材料组分识别方法和系统

说明书

本发明公开了一种基于图像处理的热防护功能梯度材料组分识别方法和系统，该方法包括：获取热防护功能梯度材料原始微观图像I；对热防护功能梯度材料原始微观图像I进行预处理，得到预处理图像在预处理图像的基础上，通过交互式图像分割方法，实现对热防护功能梯度材料的组分识别和分割。本发明适用大部分热防护功能梯度材料微观结构组分的识别，同时能够保证识别的精度和效率。

技术领域

本发明属于功能梯度材料微观图像技术领域，尤其涉及一种基于图像处理的热防护功能梯度材料组分识别方法和系统。

背景技术

功能梯度材料的性能强烈依赖于材料的微观结构，其微观结构是功能梯度材料科学与工程中的基础研究内容之一。显微图像通常用于分析与材料某些特性相关的微观结构，例如通过扫描电镜可以观察到材料的微观结构，包括相成分、分布以及晶界特征分布等。因此，在材料结构设计过程中的一个关键步骤就是利用算法和工具有效地从图像中提取有用信息和数据。图像处理算法的目标是从原始显微图像中检测和分离每个晶粒，以获得微观结构的精确描述，如几何和拓扑特征。

材料微观结构数据是一种重要的材料数据类型，通过图像处理技术将微观图像转换成结构数据，可建立结构和性能之间的因果关系。其中，图像分割是图像处理中一个重要分支，是图像分析的第一步，也是图像处理中最困难的问题之一。传统的微观图像分析主要是人工进行的，具有效率低、分析不准确以及只能获取图像原始特征等缺点。近年来，随着材料科学的不断发展，学者们越来越渴望能够从微观的角度去获取提升材料性能的方式，找到材料特性的内在机理，并指导材料的制造工艺。因此，应用计算机图像分割技术分析微观结构成为了材料科学领域一个研究热点。

有许多学者对材料微观结构的图像分割方法进行了研究，根据图像特征的复杂程度，可分为低级语义分割、中级语义分割和高级语义分割三类。其中，基于单像素特征的低级语义分割缺点是没有充分利用图像中各成分的面积信息，仅仅处理单个像素的特征。因此，分割结果对噪声敏感，分割精度有限，不能有效分割复杂的图像。材料微观图像高级语义分割的最新进展是通过深度学习训练大量数据集，从而实现图像自动分割。然而，自动分割方法在构建神经网络时需要大量的图像数据用于训练，计算成本很高。同时，目前计算机人工智能还远未到达理解高级语义的水平，自动分割图像很难获得令人满意的结果，这使得它们对于分割少量图像的任务不太方便。所以，建立一种能同时保证分割效果和分割效率且适用于大部分热防护功能梯度材料微观图像的通用分割方法十分有必要。

发明内容

本发明的技术解决问题：克服现有技术的不足，提供一种基于图像处理的热防护功能梯度材料组分识别方法和系统，适用大部分热防护功能梯度材料微观结构组分的识别，同时能够保证识别的精度和效率。

为了解决上述技术问题，本发明公开了一种基于图像处理的热防护功能梯度材料组分识别方法，包括：

获取热防护功能梯度材料原始微观图像I；

对热防护功能梯度材料原始微观图像I进行预处理，得到预处理图像

在预处理图像的基础上，通过交互式图像分割方法，实现对热防护功能梯度材料的组分识别和分割。

在上述基于图像处理的热防护功能梯度材料组分识别方法中，采用k均值聚类算法对热防护功能梯度材料原始微观图像I进行预处理，得到预处理图像

在上述基于图像处理的热防护功能梯度材料组分识别方法中，采用k均值聚类算法对热防护功能梯度材料原始微观图像I进行预处理，得到预处理图像包括：

步骤11，将热防护功能梯度材料原始微观图像I分成k个聚类；

步骤12，初始化聚类k；

步骤13，计算得到各质心与每个待聚类像素之间的欧几里得距离；