[发明专利]一种基于三维超像素分割的材料晶粒边缘提取方法

摘要

本发明涉及一种基于三维超像素分割的材料晶粒边缘提取方法，依据镍合金晶粒图像以凸多边形为主的特点，采用以正六棱柱为初始聚类对镍合金晶粒图像进行超像素分割，并通过超像素聚类得镍合金晶粒边缘提取结果。试验结果表明，本发明在包含大量晶粒、碳化物和噪声的镍合金切片图像中，具有边缘连续性好，轮廓保持性好，提取速度较快的特点。

主权项

1.一种基于三维超像素分割的材料晶粒边缘提取方法，其特征在于步骤如下：步骤1、预处理：将读入L张扫描电镜的切片图像构建为体数据V＝[X,Y,Z]，每张切片图像大小为M×N；其中X,Y表示连续切片图像的大小，为体数据的长和宽；Z为连续切片数据的张数，为体数据的高；对体数据进行三维中值滤波：V'＝med{f(x‑a,y‑b,z‑c),(a,b,c∈W)}其中：f(x,y,z)和V′分别为由L张扫描电镜切片图像构建的原始体数据和经三维中值滤波后的体数据，med表示取中值操作，W为三维滑动模板，a、b、c为三维滑动模板的长、宽、高；步骤2、聚类初始化：设定k′个超像素，在经中值滤波后体数据V'内均匀的分配k′个大小相近的正六棱柱三维超像素区域，种子点即正六棱柱三维超像素区域的中心，计算相邻种子点间的距离S；在种子点的3×3×3邻域内重新选择种子点，初始化聚类中心C_k、像素点分配标签l、像素点到聚类中心的距离d；具体过程如下：步骤a、相邻种子点间距离：经中值滤波后体数据V'内共有M×N×L个像素点，在体数据V'内均匀分配k′个大小相近的正六棱柱三维超像素区域，每个三维超像素大小为得到k′个正六棱柱，以正六棱柱的中心点为种子点，计算相邻种子点间距离为：步骤b、重新选择种子点：以种子点为中心，在3×3×3邻域内计算所有像素点的梯度值，将种子点移到3×3×3邻域内梯度最小的点；步骤c、初始化：初始化聚类中心C_k为[0，0，0，0]，像素点分配标签l为‑1，像素点到聚类中心的距离d为无穷；步骤3、迭代优化：如果像素点到聚类中心的距离小于前值，即D＜d,则更新像素点到聚类中心的距离d＝D、像素点分配标签l＝k，并用均值更新聚类中心C_k，直到残差小于阈值时，迭代停止；距离度量：取最小值对应的种子点作为像素点的聚类中心C_k，计算其2S×2S×2S邻域内每个像素点到聚类中心的距离D'，即灰度距离和空间距离的标准欧式距离；计算每个搜索到的像素点与种子点的距离公式：其中，d_g代表灰度距离，d_s代表三维空间距离，N_s是聚类内最大三维空间距离，定义为N_s＝S，适用于每个聚类，最大灰度距离N_g随图像不同而不同；步骤4、清除孤立区域：通过形态学清除迭代优化完成后小的孤立区域，将清除的区域分配到邻近的聚类，区域被重新编号，生成临近矩阵A_m；步骤5、超像素聚类：使用DBSCAN聚类算法对超像素进行聚类，输入迭代优化后的像素点分配标签l，聚类中心C_k，临近矩阵A_m，距离阈值E，通过DBSCAN聚类算法对超像素进行聚类，产生新的像素点分配标签l_c,新的聚类中心C；生成新的像素点分配标签l_c即产生了对图像的分割，绘制边缘即实现基于三维超像素分割的材料晶粒边缘提取。