CN108074225B - 硫化物信息提取方法及装置 - Google Patents
硫化物信息提取方法及装置 Download PDFInfo
- Publication number
- CN108074225B CN108074225B CN201610992120.3A CN201610992120A CN108074225B CN 108074225 B CN108074225 B CN 108074225B CN 201610992120 A CN201610992120 A CN 201610992120A CN 108074225 B CN108074225 B CN 108074225B
- Authority
- CN
- China
- Prior art keywords
- image
- sulfide
- matrix
- geometric line
- sulfides
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种硫化型加氢催化剂中硫化物形态信息的提取方法及装置。方法包括:获取硫化型加氢催化剂的灰度图像,所述灰度图像中包含有催化剂中的硫化物的灰度图像信息;对所述灰度图像进行预处理,获取只包含所述硫化物的目标图像;根据所述目标图像中的硫化物对应的像素点坐标进行线性拟合,获取与所述目标图像中的硫化物对应的几何线段,所述几何线段的长度及分布信息表示对应硫化物的形态信息;根据几何线段的长度,确定所述目标图像中的硫化物片晶的长度;和/或,根据获取的几何线段之间的空间位置分布关系,得到所述目标图像中的硫化物片晶片层数目的分布状况。本发明能够解决目前因采用人工操作而带来的效率低下,准确性不高的问题。
Description
技术领域
本发明实施例涉及石油化工技术领域,具体涉及一种硫化型加氢催化剂中硫化物形态信息的提取方法及装置。
背景技术
石油化工的重要任务之一是通过加氢反应将低品质、高杂质含量高干点的大分子的原油或其预处理馏分油进行加工,以生成高品质、低杂质含量、高附加值的各类馏分油产品及下游石油化工产品的原料。可以说加氢技术是现代炼油领域中最重要的技术之一,加氢技术的核心是加氢催化剂。
加氢催化剂催化性能的优劣直接取决于加氢催化剂活性相的结构。因此,对于加氢活性相的表征和度量是近现代催化剂研究领域最为重要的方向。针对加氢催化剂活性相的结构,许多学者先后提出十余种理论模型,影响相对较大的有单层活性相模型、插入模型、接触协同模型、Rim-Edge模型等。其中目前认为影响最广泛的一种模型是 Topsoe提出的Co—Mo—S模型。该活性相分为单层也称为I型Co—Mo —S硫化物活性相模型以及多层也称为II型Co—Mo—S硫化物活性相模型。近现代的研究认为II型硫化物活性相每个活性中心具有较高的活性。因此,目前的催化剂制备技术中在硫化过程中侧重载引入助剂的条件下进行II型硫化物活性相的制备。
硫化物活性相的重要性导致了对制备的硫化型催化剂对应的硫化物形态的表征和度量十分关键。对于硫化物活性相的诸多表征方式中,以近现代的电子显微镜技术最为直观。尤其是对于透射电镜而言,其所观察到的硫化物片晶长度以及硫化物片晶层数往往可以直接与相关的活性相理论进行关联。因此,对于透射电镜中硫化物图像信息的观察,统计和分析往往是表征一种加氢催化剂活性优劣的重要判据之一。
但是,在实现本发明实施例的过程中,发明人发现目前对于加氢催化剂电子显微镜图像信息的观察、统计和处理有如下一些缺点和局限性:
目前对硫化物片晶长度或硫化物片晶层数的识别和统计工作均由研究人员手工执行。由于该项工作的任务量比较大,而人工操作的效率又较为低下,从而不但耗时耗力,而且也会影响统计工作的时效性。另外,由于工作人员主观因素的存在,使得针对同一催化剂的电子显微镜图像,不同的工作人员获取的统计结果往往相差较大,从而也无法保证统计结果的准确性。
发明内容
针对现有技术中的缺陷,本发明提供一种硫化型加氢催化剂中硫化物形态信息的提取方法及装置,本发明能够解决目前因采用人工操作而带来的效率低下,准确性不高的问题。
为解决上述问题,本发明提供了以下技术方案:
一种硫化型加氢催化剂中硫化物形态信息的提取方法,包括:
获取至少一幅硫化型加氢催化剂的灰度图像,所述灰度图像中包含有催化剂中的硫化物的灰度图像信息;
对所述灰度图像进行预处理,获取只包含所述硫化物的目标图像;
根据所述目标图像中的硫化物对应的像素点坐标进行线性拟合,获取与所述目标图像中的硫化物对应的几何线段,所述几何线段的长度及分布信息表示对应硫化物的形态信息;
根据获取的几何线段的长度,确定所述目标图像中的硫化物片晶的长度;
和/或,
根据获取的几何线段之间的空间位置分布关系,得到所述目标图像中的硫化物片晶片层数目的分布状况。
由上述技术方案可知,本发明实施例提出的硫化物形态信息提取方法,首先获取硫化型加氢催化剂的灰度图像,然后对灰度图像进行预处理,获取只包含所述硫化物的目标图像,接着根据所述目标图像中的硫化物对应的像素点坐标进行线性拟合,获取与所述目标图像中的硫化物对应的几何线段,最后可以根据获取的几何线段的长度,确定所述目标图像中的硫化物片晶的长度,同时可以根据获取的几何线段之间的空间位置分布关系,得到所述目标图像中的硫化物片晶片层数目的分布状况。可见,本实施例提供的硫化物形态信息提取方法,实现了硫化物形态信息提取的自动化处理,解决了目前因采用人工操作而带来的效率低下,获取结果准确性不高的问题。
附图说明
图1是本发明实施例一提供的硫化型加氢催化剂中硫化物形态信息的提取方法流程图;
图2是步骤101获取的灰度图像A;
图3a是灰度图像A经过中值滤波得到图像B;
图3b是灰度图像A经过均值滤波得到图像B′;
图3c是灰度图像A经过高斯滤波得到图像B″;
图3d是灰度图像A经过多帧滤波得到图像B”';
图4是对灰度图像A和图像B进行求差操作以及阈值筛选操作得到的图像C;
图5是二值化图像D;
图6是得到的初级图像E;
图7是得到的二级图像F;
图8是直线段拟合结果示意图;
图9是单幅图像涉及的直线段长度统计图,其中横坐标为线段长度,纵坐标为线段出现频数;
图10是单幅图像涉及的直线段的层数堆垛统计图,其中横坐标为线段堆垛层数,纵坐标为层数出现频数;
图11是同种催化剂对应的23幅图像的硫化物片晶频数统计图;
图12a和图12b同种催化剂对应的两组片晶长度频数统计图;
图13是本发明实施例十二提供的硫化型加氢催化剂中硫化物形态信息的提取装置的结构示意图;
图14是图1对应实施例的串行处理系统的结构示意图;
图15是图1对应实施例的并行处理系统的结构示意图;
图16是图1对应实施例的流处理器处理系统的结构示意图;
图17是图1对应实施例的分布式处理系统的结构示意图;
图18是图1对应实施例的异构并行处理系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
图1示出了本发明实施例一提供的硫化型加氢催化剂中硫化物形态信息的提取方法流程图,参见图1,本发明实施例一提供的硫化型加氢催化剂中硫化物形态信息的提取方法,包括如下步骤:
步骤101:获取至少一幅硫化型加氢催化剂的灰度图像,所述灰度图像中包含有催化剂中的硫化物的灰度图像信息。
在本步骤中,所述灰度图像优选为由电子显微镜采集的图像。在具体处理时,将采集的原始电镜图片文件导入计算机,并确认导入计算机的图形文件格式,这里优选采用所谓的“联合图像专家组”图像压缩模式即所谓的JPG图像模式。
步骤102:对所述灰度图像进行预处理,获取只包含所述硫化物的目标图像。
步骤103:根据所述目标图像中的硫化物对应的像素点的坐标进行线性拟合,获取与所述目标图像中的硫化物对应的几何线段,所述几何线段的长度及分布信息表示对应硫化物的形态信息。
步骤104:根据获取的几何线段的长度,确定所述目标图像中的硫化物片晶的长度;
和/或,
根据获取的几何线段之间的空间位置分布关系,得到所述目标图像中的硫化物片晶片层数目的分布状况。
可以理解的是,通过本步骤的操作,可以获取到硫化物片晶的长度以及硫化物片晶片层数目的分布状况,从而可以得到硫化物的长度及堆垛层数。
可以理解的是,执行本实施例上述步骤所使用的硬件可以是单个的单核计算机、多核计算机或若干个单/多核计算机组合而成的分布计算系统。该计算系统可以包含或不包含流处理器。
从上面描述可知,本实施例提供的硫化物形态信息提取方法,首先获取硫化型加氢催化剂的灰度图像,然后对灰度图像进行预处理,获取只包含所述硫化物的目标图像,接着根据所述目标图像中的硫化物对应的像素点的坐标进行线性拟合,获取与所述目标图像中的硫化物对应的几何线段,最后可以根据获取的几何线段的长度,确定所述目标图像中的硫化物片晶的长度,同时可以根据获取的几何线段之间的空间位置分布关系,得到所述目标图像中的硫化物片晶片层数目的分布状况。可见,本实施例提供的硫化物形态信息提取方法,实现了硫化物形态信息提取的自动化处理,解决了目前因采用人工操作而带来的效率低下,获取结果准确性不高的问题。
实施例二
在本发明实施例二中,给出了上述步骤102的一种具体实现方式。
在本发明实施例中,上述步骤102具体包括如下过程:
步骤s1:对所述灰度图像进行中值滤波处理,得到第一图像。
在本步骤中,对步骤101获取的灰度图像进行中值滤波处理,以实现“去噪”的效果。
所述灰度图像的存储模式为灰度矩阵模式,其灰度范围是在 0-255之间的整数;假设步骤101获取的灰度图像的大小为1336x2004,因此,该灰度图像对应的灰度矩阵的数据结构及数学模式是规模为 1336x2004的uint8型矩阵。每个矩阵元的数值范围是0-255之间的正整数。在内存中导入并记录该矩阵,并将该矩阵标示为A。假设步骤101 获取的灰度图像如图2所示。
对图2所示的灰度图像进行中值滤波处理,具体包括:
s11:选择一个一定尺度的矩形窗口,如矩形窗口大小为M x N,其中M及N的取值范围均为3-101之间的奇数,其中优选3-15之间的奇数。在此选择一个5x5规模的矩形窗口。
s12:依次获取以每个像素点为中心的邻近的25个像素点的灰度数据,并将相关数据排列为1x25规模的uint8型数值向量。
s13:对该向量进行升序或降序排序,并计算该向量的中位数。
s14:以该中位数的灰度数值作为中心像素点的灰度数值。
s15:对灰度矩阵的每个灰度点进行相关操作,并在该灰度点位置记录计算获得的灰度数值。
通过上述中值滤波计算获得图像B,即第一图像,并将其对应的矩阵标示为B,相关图像B如图3a所示,通过观察可以发现图像B相对图像A在视觉上表现得更为平滑,取得了一定的“去噪”效果。
步骤s2:对所述灰度图像和所述第一图像进行求差处理,得到差值图像。
在本步骤中,例如将规模为1336x2004的uint8型数值的灰度矩阵 A与规模为1336x2004的uint8型数值的灰度矩阵B相同位置的灰度数据进行求差计算,生成矩阵C1。
步骤s3:对所述差值图像进行数值处理,得到第二图像。
在本步骤中,对矩阵C1的矩阵元素进行逐点判断。如果该点灰度数据大于等于零则保持原值;如小于零则取相反数,生成灰度矩阵C2。
其中,所述步骤s2涉及的求差操作过程为原图像A所对应的规模为M x N的灰度数据矩阵与通过中值滤波形成的去噪图像B所对应的规模为M x N灰度数据矩阵,对两相关矩阵的数据进行并发做差并取绝对值,其数值范围仍为0-255之间的整数。
步骤s4:对所述第二图像进行阈值处理,以获取只包含所述硫化物的目标图像。
在本步骤中,设定一个图像灰度转化阈值T1,T1的范围是0-255 之间的整数,其中优选为30-80之间的整数。例如T1=50。逐点扫描求差图像对应的灰度矩阵C2,当求差图像所对应的灰度数据矩阵C2矩阵元小于T1时,将对应位置的图像所对应的灰度矩阵矩阵元设置为原灰度值,否则将相关的矩阵元数据设置为0,通过该操作生成灰度矩阵C,将灰度矩阵C所对应的图像导出并绘图,绘图结果如图4所示。
对于上述步骤s2-s4来说,对如图2所示的图像A和如图3a所示的图像B进行求差操作以及阈值筛选操作,生成了如图4所示的图像C。
由于在图像中金属硫化物所属区域比较“暗”,也即其灰度值较低,同时硫化物所在区域及其邻域数据点灰度值变化较小,因此使得相关的灰度矩阵A与灰度矩阵B在该区域的灰度值变化很小。通过求差操作,使得在硫化物所在区域的灰度值远较其它区域更小。因此,硫化物所在区域能够在图像C中凸显出来。
实施例三
在本发明实施例三中,给出了上述步骤102的另一种具体实现方式。
在本发明实施例中,上述步骤102具体包括如下过程:
步骤s1’:对所述灰度图像进行均值滤波处理,得到第一图像。
在本步骤中,对步骤101获取的灰度图像进行均值滤波处理,以实现“去噪”的效果。
假设步骤101获取的灰度图像的大小为1336x2004,因此,该灰度图像对应的灰度矩阵的数据结构及数学模式是规模为1336x2004的 uint8型矩阵。每个矩阵元的数值范围是0-255之间的正整数。在内存中导入并记录该矩阵,并将该矩阵标示为A。假设步骤101获取的灰度图像如图2所示。
对图2所示的灰度图像进行均值滤波处理,具体包括:
s11’:选择一个一定尺度的矩形窗口,在此选择一个5x5规模的矩形窗口。
s12’:依次获取以每个像素点为中心的邻近的25个像素点的灰度数据,并将相关数据排列为1x25规模的uint8型数值向量。
s13’:对该向量进行平均值计算,如平均值为整型数则记录该整型数。如平均值为非整型数则将其圆整到与其最接近的整型数。
s14’:以获得的整型数数值作为中心像素点的灰度数值。
s15’:对灰度矩阵的每个灰度点进行相关操作,并在该灰度点位置记录计算获得的灰度数值。
通过上述均值滤波计算获得图像B′,即第一图像,并将其对应的矩阵标示为B′,相关图像B′如图3b所示,通过观察可以发现图像B′相对图像A在视觉上表现得更为平滑,取得了一定的“去噪”效果。
步骤s2’:对所述灰度图像和所述第一图像进行求差处理,得到差值图像。
在本步骤中,例如将规模为1336x2004的uint8型数值的灰度矩阵 A与规模为1336x2004的uint8型数值的灰度矩阵B′相同位置的灰度数据进行求差计算,生成矩阵C1。
步骤s3’:对所述差值图像进行数值处理,得到第二图像。
在本步骤中,对矩阵C1的矩阵元素进行逐点判断。如果该点灰度数据大于零则保持原值;如小于零则取相反数,生成灰度矩阵C2。
步骤s4’:对所述第二图像进行阈值处理,以获取只包含所述硫化物的目标图像。
在本步骤中,设定一个图像灰度转化阈值T1,例如T1=50。逐点扫描求差图像对应的灰度矩阵C2,当求差图像所对应的灰度数据矩阵 C2矩阵元小于T1时,将对应位置的图像所对应的灰度矩阵矩阵元设置为原灰度值,否则将相关的矩阵元数据设置为0,通过该操作生成灰度矩阵C,将灰度矩阵C所对应的图像导出并绘图,绘图结果如图4 所示。
对于上述步骤s2’-s4’来说,对如图2所示的图像A和如图3b所示的图像B进行求差操作以及阈值筛选操作,生成了如图4所示的图像C。
由于在图像中金属硫化物所属区域比较“暗”,也即其灰度值较低,同时硫化物所在区域及其邻域数据点灰度值变化较小,因此使得相关的灰度矩阵A与灰度矩阵B在该区域的灰度值变化很小。通过求差操作,使得在硫化物所在区域的灰度值远较其它区域更小。因此,硫化物所在区域能够在图像C中凸显出来。
实施例四
在本发明实施例四中,给出了上述步骤102的又一种具体实现方式。
在本发明实施例中,上述步骤102具体包括如下过程:
步骤s1”:对所述灰度图像进行高斯滤波处理,得到第一图像。
在本步骤中,对步骤101获取的灰度图像进行高斯滤波处理,以实现“去噪”的效果。
假设步骤101获取的灰度图像的大小为1336x2004,因此,该灰度图像对应的灰度矩阵的数据结构及数学模式是规模为1336x2004的 uint8型矩阵。每个矩阵元的数值范围是0-255之间的正整数。在内存中导入并记录该矩阵,并将该矩阵标示为A。假设步骤101获取的灰度图像如图2所示。
对图2所示的灰度图像进行高斯滤波处理,具体包括:
s11”:选择一个一定尺度的矩形窗口,在此选择一个5x5规模的矩形窗口。
s12”:使用一个5x5规模的模板去扫描计算5x5规模矩形中每个元素,所选用的模板函数为二维高斯函数,在本实施例中其sigma参数可以设置为0.5。
s13”:对计算获得的模板中的每个元素进行加权平均计算,如计算获得的平均值为整型数则记录该整型数。如计算获得的平均值为非整型数则将其圆整到与其最接近的整型数。
s14”:以获得的整型数数值作为中心像素点的灰度数值。
s15”:对灰度矩阵的每个灰度点进行相关操作,并在该灰度点位置记录计算获得的灰度数值。
通过上述高斯滤波计算获得图像B″,即第一图像,并将其对应的矩阵标示为B″,相关图像B″如图3c所示,通过观察可以发现图像B″相对图像A在视觉上表现得更为平滑,取得了一定的“去噪”效果。
步骤s2”:对所述灰度图像和所述第一图像进行求差处理,得到差值图像。
在本步骤中,例如将规模为1336x2004的uint8型数值的灰度矩阵 A与规模为1336x2004的uint8型数值的灰度矩阵B″相同位置的灰度数据进行求差计算,生成矩阵C1。
步骤s3”:对所述差值图像进行数值处理,得到第二图像。
在本步骤中,对矩阵C1的矩阵元素进行逐点判断。如果该点灰度数据大于零则保持原值;如小于零则取相反数,生成灰度矩阵C2。
步骤s4”:对所述第二图像进行阈值处理,以获取只包含所述硫化物的目标图像。
在本步骤中,设定一个图像灰度转化阈值T1,例如T1=50。逐点扫描求差图像对应的灰度矩阵C2,当求差图像所对应的灰度数据矩阵 C2矩阵元小于T1时,将对应位置的图像所对应的灰度矩阵矩阵元设置为原灰度值,否则将相关的矩阵元数据设置为0,通过该操作生成灰度矩阵C,将灰度矩阵C所对应的图像导出并绘图,绘图结果如图4 所示。
对于上述步骤s2”-s4”来说,对如图2所示的图像A和如图3c所示的图像B进行求差操作以及阈值筛选操作,生成了如图4所示的图像 C。
实施例五
在本发明实施例五中,给出了上述步骤102的又一种具体实现方式。在本发明实施例中,上述步骤102具体包括如下过程:
步骤s1”’:对所述灰度图像以及所述灰度图像的前后若干帧灰度图像一起进行多帧滤波处理,得到与所述灰度图像对应的第一图像。
在本步骤中,对步骤101获取的灰度图像进行多帧滤波处理,以实现“去噪”的效果。
假设步骤101获取的灰度图像的大小为1336x2004,因此,该灰度图像对应的灰度矩阵的数据结构及数学模式是规模为1336x2004的 uint8型矩阵。每个矩阵元的数值范围是0-255之间的正整数。在内存中导入并记录该矩阵,并将该矩阵标示为A。假设步骤101获取的灰度图像如图2所示。
其中,多帧滤波处理可以理解为将若干帧 在同一拍摄位置,不同拍摄时间的电镜图像照片进行灰度矩阵加和,并取灰度矩阵的平均值并进行圆整处理后,将其灰度矩阵对应的图像作为多帧 滤波后的图像。
对图2所示的灰度图像进行多帧滤波处理,具体包括:
s11”’:将存储器中的8个1336x2004规模的灰度矩阵A1-A8进行加和,并记录加和矩阵AA。
s12”’:将AA除以8,如结果为整数,则保留该数值作为所求矩阵的灰度值,如果计算获得的平均值为非整型数则将其圆整到与其最接近的整型数。该过程也即取8幅灰度图像 的灰度平均值,该灰度矩阵对应的图像为去噪图像B”'。
通过上述多帧滤波计算获得图像B”',即第一图像,并将其对应的矩阵标示为B”',相关图像B”'如图3d所示,通过观察可以发现图像B 相对图像A在视觉上表现得更为平滑,取得了一定的“去噪”效果。
步骤s2”’:对所述灰度图像和所述第一图像进行求差处理,得到差值图像。
在本步骤中,例如将规模为1336x2004的uint8型数值的灰度矩阵 A与规模为1336x2004的uint8型数值的灰度矩阵B”'相同位置的灰度数据进行求差计算,生成矩阵C1。
步骤s3”’:对所述差值图像进行数值处理,得到第二图像。
在本步骤中,对矩阵C1的矩阵元素进行逐点判断。如果该点灰度数据大于零则保持原值;如小于零则取相反数,生成灰度矩阵C2。
步骤s4”’:对所述第二图像进行阈值处理,以获取只包含所述硫化物的目标图像。
在本步骤中,设定一个图像灰度转化阈值T1,例如T1=50。逐点扫描求差图像对应的灰度矩阵C2,当求差图像所对应的灰度数据矩阵 C2矩阵元小于T1时,将对应位置的图像所对应的灰度矩阵的矩阵元设置为原灰度值,否则将相关的矩阵元数据设置为0,通过该操作生成灰度矩阵C,将灰度矩阵C所对应的图像导出并绘图,绘图结果如图4所示。
对于上述步骤s2”’-s4”’来说,对如图2所示的图像A和如图3d所示的图像B进行求差操作以及阈值筛选操作,生成了如图4所示的图像 C;
需要说明的是,实施例二至实施例五提供了4种滤波方式,以及根据各滤波方式获得的对应的第一图像B、B′、B″、B”',由于第一图像B、B′、B″、B”'的处理方式比较相似,因此,下文以第一图像B为例,对第一图像B、B′、B″、B”'的后续处理过程进行示例性说明,其余三种第一图像B′、B″、B”'的后续处理过程请参照第一图像B的相关陈述。
实施例六
在本发明实施例六中,对上述实施一至实施例五提供的方法进行了补充。在本发明实施例中,在上述步骤102之后以及步骤103之前,所述方法还包括:
步骤100:对所述目标图像进行二值化处理,得到只包含所述硫化物的二值化图像。
相应地,上述步骤103对所述目标图像中的硫化物进行线性拟合,获取与所述目标图像中的硫化物对应的几何线段,包括:
步骤103’:根据所述二值化图像中的硫化物对应的像素点坐标进行线性拟合,获取与所述述二值化图像中的硫化物对应的几何线段。
在本实施例中,对图像C进行二值转换,生成二值图像D。其具体过程如下:
首先,生成一个全零的初始灰度矩阵D。
其次,逐点扫描灰度图像C所对应的灰度矩阵,如果图像C所对应的灰度矩阵矩阵元等于0(即为黑色),灰度矩阵D的对应数值保持不变,否则,灰度矩阵D的对应数值置为1(即为白色)。经过二值变换获得的二值图像D如图5所示。
实施例七
在本发明实施例七中,给出了上述步骤103’的一种具体实现方式。
在本实施例中,上述步骤103’具体包括:
步骤1031:对所述二值化图像进行分离处理,将所述二值化图像中的表征各个硫化物的像素点集合分隔开,以得到包含若干个互不连通的硫化物区域的初级图像。
在本步骤中,由于生成的二值图像由一系列在二维空间上拓扑不相连的区域组成,也即一系列不相连的白色区域组成。在此将每个不相邻的白色区域称为一个组员图像。所有空间上的白色区域称为一组组员图像。本步骤共包括如下过程:
1、依次扫描二值图D所对应矩阵的全部矩阵元,如相关矩阵元数值为1,则记录该矩阵元的位置信息,同时扫描以其为中心的3*3 个像素中的其余像素,如相关像素对应的矩阵元也为1,则将其记录在该像素的邻接像素点索引内。通过该过程生成一个结构数组E1,该数组E1元素数量为包含二值图D中所有非零点的数目,同时该结构数组每个数组元素包含两个属性,即该点的位置信息以及该点的邻接像素索引信息。其中,划分过程所生成的组员内像素点的连接数可以为 8或者4,即每个像素点可以与以其为中心3*3个像素中的其余像素均相连,或者仅与其上下左右像素相连。
2、生成一个像素点的初始集合E2,结构数组E中每个像素点都是该集合的一个元素。
3、从集合E2的第一个元素开始,查找其对应的邻接像素点索引。将索引所涉及的像素点序号与该像素点序号合并为一个集合P,同时将该集合内所有像素点所对应的邻接像素点索引取并集,将该并集与集合P的差集作为该集合的邻接像素点索引集合。通过该操作生成集合E3,并记录集合E3的元素数目H。
4、将E3取代E2,重复上步骤3,生成集合E4,并记录集合E4中的元素数目H1。
5、重复这一过程直至相邻两次操作生成集合的元素数目不变为止。将该集合称为集合E。
6、将集合E所对应的图像称为初级图像E其包括图像D中所有不相连的白色区域。采用结构数组描述集合E,相关结构数组包括一个属性即为每个不连通白色区域的位置横、纵坐标向量,该向量的数目取决于相关白色连通区域的像素点个数。描述集合E的结构数组元素数量即为图形E中不连通的白色区域数量,其中,白色区域即为硫化物区域。
其中,为了便于表达和后续处理过程的方便,在此初级图像E采用的是结构数组型的数据结构,结构数组的每个元素为初级图像E一个组员图像。相关初级图像E对应的结构数组的每个元素包含的数据结构是一个矩阵,该矩阵为Lx2规模,其中L为该组员所包含的像素点个数,其具体数值由实际图像的划分结果确定,该矩阵纪录了该组员所包含的像素点位置信息,即其在图形平面的横纵坐标。
在该实施例中总计包括49638个不同大小的白色不连通区域。将其全部绘图,其图像如图6所示。
步骤1032:对所述初级图像中的若干个硫化物区域进行空间尺度条件和相关系数条件判断,将满足所述空间尺度条件以及所述相关系数条件的硫化物区域保留,将不满足所述空间尺度条件或所述相关系数条件的硫化物区域删除,以得到包含多个满足所述空间尺度条件以及所述相关系数条件的硫化物区域的二级图像。
在本步骤中,涉及从初级图像E到二级图像F的筛选过程,通过前序操作获得的初级图像E包含了硫化物图像位置的全部信息。但同时由于前序若干操作也积累了大量的误差信息,具体表现在初级图像E 中存在的大量小规模离散点和无规的小规模片状区域,而这些区域并不是金属硫化物的对应空间区域。因此,必须通过相关的筛选算法实现有价值信息的提取。仅就硫化物的形态而言,首先,其具有一定的二维空间规模;其次,其空间分布形态一般都呈现比较明显的“线状”规则。因此,筛选过程包含如下步骤:
1、设定该筛选过程的空间尺度阈值T2的范围,在本实施例中将 T2设定为70-300。
2、设定该筛选过程的线性相关系数阈值T3的范围,在本实施例中将T3设定为0.7-1.0。
3、依次对于初级图像E对应的结构数组中49638个组员中每个组员所对应的相关像素点的个数进行统计并进行记录。
4、依次对于初级图像E对应的结构数组中49638个组员中每个组员所对应的相关像素点的横、纵坐标进行相关系数计算,并取计算结果的绝对值。
5、将步骤3的计算结果与T2进行比对分析,同时将步骤4的计算结果与T3进行比对分析。如果步骤3的计算结果在T2的阈值范围内同时步骤4的计算结果也在T3的阈值范围内则将该组员数据记录到新的结构数组F中。
6、将结构数组F对应的像素点依坐标进行二值化绘图,其结果如图7所示。在该实施例中结构数组共计包括141个组员,即图7包含141 个近似的直线段。
步骤1033:根据所述二级图像中每个硫化物区域内的像素点对每个硫化物区域进行线性拟合,得到与每个硫化物区域对应的几何线段,所述几何线段用于表示对应硫化物区域中的硫化物的形态信息。
在本步骤中,根据所述二级图像中每个硫化物区域内的像素点对每个硫化物区域进行线性拟合,得到与每个硫化物区域对应的几何线段,所述几何线段用于表示对应硫化物区域中的硫化物的形态信息。
实施例八
在本发明实施例八中,给出了上述步骤1033的一种实现方式。
通过前序操作获得的二级图像F包含了去掉干扰的硫化物图像位置的全部信息。但由于其信息的存储形式不便于后续的数值计算、判别分析。因此,将相关图像的图像信息抽象转化为具体的数值信息。
本实施例中,上述步骤1033具体包含如下步骤:
步骤10331:根据所述二级图像中每个硫化物区域内的像素点,分别计算由对应硫化物区域内的像素点组成的直线的斜率与截距,根据获取的斜率和截距,建立与每个硫化物区域对应的直线函数表达式。
在本步骤中,依次通过线性拟合计算结构数组的每个组员函数的斜率与截距,进而确立相关函数的解析表达式。
步骤10332:根据所述二级图像中每个硫化物区域内的像素点,确定每个硫化物区域在横坐标轴或纵坐标轴上的起点以及终点。
在本步骤中,以每个组员数组对应的像素点横坐标数据的最小值为起点,以对应像素点横坐标数据的最大值为终点以步长为1记录对应直线的横坐标数据,通过相关解析函数计算对应直线纵坐标数据。然后将每个组员数组对应的斜率、截距以及横、纵坐标数据以浮点数的形式在组员数组中设定相关的属性进行存储记录。
步骤10333:根据与每个硫化物区域对应的直线函数表达式,以及与每个硫化物区域对应的在横坐标轴或纵坐标轴上的起点以及终点,确定与每个硫化物区域对应的几何线段。
在本步骤中,将相关的系列直线段函数信息进行绘图,绘图结果如图8所示。
实施例九
在本实施例中,给出了上述步骤104中关于“根据获取的几何线段的长度,确定所述目标图像中的硫化物片晶的长度”这部分的一种具体实现方式。
在本实施例中,上述步骤104中关于“根据获取的几何线段的长度,确定所述目标图像中的硫化物片晶的长度”具体包括:
计算获取的每个几何线段的长度,将几何线段的长度作为所述目标图像中与所述几何线段对应的硫化物片晶的长度。
在本实施例中,计算通过第七步所确立的拟合直线基本信息,对 141个组员函数所包含的直线段进行相关的长度计算,并用一个向量记录长度计算结果。将结果由片晶长度进行频数分析如图9所示。
实施例十
在本实施例中,给出了上述步骤104中关于“根据获取的几何线段之间的空间位置分布关系,得到所述目标图像中的硫化物片晶片层数目的分布状况”这部分的一种具体实现方式。
在本实施例中,上述步骤104中关于“根据获取的几何线段之间的空间位置分布关系,得到所述目标图像中的硫化物片晶片层数目的分布状况”具体包括:
步骤1041:根据获取的N个几何线段,确定每两个几何线段之间的距离和夹角,以建立N个几何线段的距离矩阵和夹角矩阵;其中距离矩阵的大小为N*N,夹角矩阵的大小为N*N,N为正整数。
在本步骤中,将任意两条线段之间的距离定义为两条线段上所有点距离的最小值。依据前述步骤所获得的每条线段的横、纵坐标数据依次计算任意两条直线段的距离。在本实施例中,总计形成一个规模为141x141的距离矩阵并记录。同样使用前述步骤所获得每条直线段的斜率数据,依次计算任意两条线段之间的夹角。在本实施例中,总计形成一个规模为141x141的夹角矩阵并记录。
步骤1042:根据所述距离矩阵、所述夹角矩阵、距离阈值和夹角阈值,建立N个几何线段的邻接矩阵,所述邻接矩阵的大小为N*N;其中,邻接矩阵中的元素取值为1表示与该元素对应的两个几何线段相邻,元素取值为0表示与该元素对应的两个几何线段不相邻;其中,距离小于距离阈值且夹角小于夹角阈值的两个几何线段为相邻的几何线段。
在本步骤中,设定距离阈值T4和夹角阈值T5。其中T4的范围是 0-10nm之间的实数,尤其优选0-2nm之间的实数;而T5的范围是绝对值在0-90度之间的实数,尤其优选0-20度之间的实数。例如,距离阈值T4取0.5nm,而夹角阈值取5度。同时扫描规模为141x141的距离矩阵以及夹角矩阵,当距离矩阵矩阵元数值小于T4,同时夹角矩阵矩阵元小于T5时。则将该矩阵元所相应的行标和列标序号对应的两条直线段定义为相邻。
建立所有线段的邻接矩阵。在本步骤中首先建立一个141x141的全零矩阵作为邻接矩阵的初始矩阵。然如果判断出两直线段相邻,则将其夹角矩阵或距离矩阵的行标和列标对应处的矩阵元元素由0置为 1,最后将生成的邻接矩阵对角元全部置为0。通过以上操作形成相关的邻接矩阵。
步骤1043:根据建立的邻接矩阵,采用逐行遍历查询以及并集处理的方式,确定所述目标图像中的硫化物片晶片层数目的分布状况。
在本步骤中,根据建立的邻接矩阵,采用逐行遍历查询以及并集处理的方式,确定所述目标图像中的硫化物片晶片层数目的分布状况,包括:
将获取的邻接矩阵自乘N次,得到乘积矩阵;
对所述乘积矩阵进行逐行遍历查找,分别获取包含1个元素的总行数、包含2个元素的总行数、…、包含m个元素的总行数,m为正整数;
分别对查找得到的包含1个元素的多个行求并集处理、对包含2 个元素的多个行求并集处理、…、对包含m个元素的多个行求并集处理,以剔除存在重复行的情况;
根据处理后得到的包含1个元素的总行数、包含2个元素的总行数、…、包含m个元素的总行数,确定所述目标图像中的硫化物片层数目的分布状况。
从上面描述可知,本步骤涉及由邻接矩阵生成判别矩阵,实现硫化物片晶层数的判定过程。其具体过程包含如下步骤:
1、将生成的邻接矩阵自乘141次,然后扫描整个矩阵令矩阵元为 0时相关矩阵元数值保持不变,当相关矩阵元数值不为零时置该矩阵元数值为1。通过该操作形成判别矩阵。
2、逐行便利查找判别矩阵共计获取包含一个元素的集合96个;包含两个元素的集合28个;包含三元素的集合0个,包含四个元素的集合12个;以及包含5个元素的集合5个。
3、对包含一个元素的集合求并集删除不重复子集得到集合数目为96(即没有重复子集存在);对包含两个元素的集合求并集删除不重复子集得到集合数目为14;对包含四个元素的集合求并集删除不重复子集得到集合数目为3;对包含五个元素的集合求并集删除不重复子集得到集合数目为1。
4、对相关的片晶层数对片晶数目作图如图10所示。
实施例十一
在本实施例中,给出了上述步骤104中关于“根据获取的几何线段之间的空间位置分布关系,得到所述目标图像中的硫化物片晶片层数目的分布状况”这部分的另一种具体实现方式。
在本实施例中,上述步骤104中关于“根据获取的几何线段之间的空间位置分布关系,得到所述目标图像中的硫化物片晶片层数目的分布状况”具体包括:
步骤1041’:根据获取的N个几何线段,确定每两个几何线段之间的距离和夹角,以建立N个几何线段的距离矩阵和夹角矩阵;其中距离矩阵的大小为N*N,夹角矩阵的大小为N*N,N为正整数。其中本步骤1041’的具体实现过程可参见上述实施例十。
步骤1042’:根据所述距离矩阵、所述夹角矩阵、距离阈值和夹角阈值,建立N个几何线段的邻接矩阵,所述邻接矩阵的大小为N*N;其中,邻接矩阵中的元素取值为1表示与该元素对应的两个几何线段相邻,元素取值为0表示与该元素对应的两个几何线段不相邻;其中,距离小于距离阈值且夹角小于夹角阈值的两个几何线段为相邻的几何线段。其中本步骤1042’的具体实现过程可参见上述实施例十。
步骤1043’:根据建立的邻接矩阵,采用基于聚类的分类处理方式,确定所述目标图像中的硫化物片晶片层数目的分布状况。
在本步骤中,根据建立的邻接矩阵,采用基于聚类的分类处理方式,确定所述目标图像中的硫化物片晶片层数目的分布状况,包括:
设置一个初始聚类,所述初始聚类包含N个聚类元素,每个聚类元素对应一个几何线段;
建立与所述初始聚类对应的数据结构A1,所述数据结构A1中包含N个结构数组,N个结构数组分别与所N个聚类元素对应;每个结构数组包括两个属性集合,第一属性集合包含对应的几何线段的序号,第二属性集合包含与对应的几何线段相邻的几何线段的序号;
获取第二属性集合为空集的结构数组的个数、获取第二属性集合中只包含1个元素的结构数组的个数、获取第二属性集合中只包含2 个元素的结构数组的个数、…、获取第二属性集合中只包含m个元素的结构数组的个数,m为正整数;
将第二属性集合为空集的所有结构数组归为子类A11,并将所述 A1与A11进行差集计算,得到差集为B1;
对所述差集B1进行多次聚类,不断得到新的差集B2,直至最后 (最新)得到的差集B2中的元素与差集B1中元素不再发生变化为止;
统计最后得到的差集B2中第二属性集合中包含不同个数元素的结构数组的个数,以确定所述目标图像中的硫化物片晶片层数目的分布状况。
从上面描述可知,该步骤涉及由邻接矩阵生成初始聚类集合,聚类集合的合并及逐步判定过程。其具体过程包含如下步骤:
1、设置一个初始的聚类,在本实施例中例如该类包含141个直线段元素,即所有直线段各属一类。
2、建立初始聚类的数据结构A1,该数据结构为一个包含141个元素的结构数组。每个结构数组元素包含两种属性,一种属性是该类包含的直线段元素序号,由一个集合表示;另一种属性是与该类包含的直线段元素相邻的直线段元素的序号,也由一个集合表示。如果与该直线元素相邻直线元素存在,则将相邻直线元素的序号作为此集合的一个元素,如果该直线元素与其它直线元素均不相邻,则令与该直线元素相邻的直线元素的序号集合为空集。在本实施例中,相邻直线元素序号集合为空的直线元素为96个;相邻直线元素序号集合元素数目为1的直线元素为28个;相邻直线元素序号集合元素数目为2的直线元素为0个;相邻直线元素序号集合元素数目为3的直线元素为12个;相邻直线元素序号集合元素数目为4的直线元素为5个。
3、对A1进行划分,扫描整个集合A1中所有的元素,如果A1中直线段元素的相邻直线段元素集合为空集,那么将该来直线段集合归于一类定义为A11,统计该A11类元素的数量作为单层堆垛的硫化物片晶数目。对A1与A11集合进行差集计算。相关差集为B1。在本实施例中A11中元素个数为96个;集合B1的元素数目为45个。
4、对相关差集B1再次进行聚类,从集合B1的第一个直线元素开始依次将该直线元素的相邻元素加入到该元素中形成一个新的集合。同时,将B1中对应的相邻元素删除,并将第一个直线元素集合所对应的相邻直线元素集合进行扩充形成新的相邻直线元素集合,新的相邻直线元素为并入该集合的所有直线元素对应相邻元素集合的并集与新集合之间的差集。通过该操作形成新的直线元素集合B2。
5、将B2取代B1重新进行步骤4的操作,反复操作直至集合B2与集合B1的元素数目不发生变化为止。
6、对B2中各不同数量元素的集合进行计数,即可获取拥有不同片晶层数的片晶数目。在本实施例中包含2个元素的集合数量为14个,包含3个元素的集合为0,包含4个元素的集合为3,包含5个元素的集合为1。
7、对相关的片晶层数对片晶数目作图如图10所示。
这里需要说明的是,优选地,对于上述实施例中的步骤101-104,采用特定执行的方式进行实现。执行完毕后,对收集的一系列催化剂硫化物形态的信息进行统计分析。其中,硫化物的部分具体形态信息及计算样本数量如表1及表2所示。将催化剂硫化物片晶长度的频数分布统计如图11所示。
通过对表1的观察可以发现,本发明所确立的处理系统可以分布的处理相关的催化剂图像信息,通过特定的序列数学处理方法获得催化剂硫化物片晶长度的统计信息。处理过程中对于特定图像获得的统计信息数量也有所不同。
通过对于图11的观察可以发现,在整个所选取的23幅催化剂电子显微镜照片总共统计硫化物片晶样本8677个。其整体的片晶长度基本呈类似卡方分布。由于统计的样本数量相对较大,其样本体系所对应的频数分布图像也相对比较平滑。
表1不同图像的硫化物相关统计信息
序号 | 平均片晶长度/纳米 | 统计样本个数/个 | 样本处理时间/秒 |
1 | 2.1224 | 500 | 614.80 |
2 | 2.0097 | 507 | 641.60 |
3 | 2.1521 | 356 | 846.53 |
4 | 2.0044 | 362 | 755.63 |
5 | 1.9444 | 238 | 891.09 |
6 | 2.0272 | 290 | 730.87 |
7 | 2.0260 | 356 | 777.55 |
8 | 2.0110 | 435 | 635.63 |
9 | 1.9000 | 509 | 541.21 |
10 | 2.1434 | 398 | 760.31 |
11 | 1.9357 | 336 | 638.88 |
12 | 1.9813 | 393 | 739.33 |
13 | 2.0202 | 439 | 769.52 |
14 | 1.9208 | 227 | 752.94 |
15 | 2.0602 | 295 | 749.46 |
16 | 1.8748 | 239 | 765.37 |
17 | 1.8270 | 279 | 794.33 |
18 | 2.0563 | 387 | 675.96 |
19 | 1.9987 | 355 | 662.97 |
20 | 2.0176 | 468 | 786.68 |
21 | 1.9423 | 348 | 637.12 |
22 | 1.9766 | 411 | 693.09 |
23 | 2.1989 | 549 | 720.15 |
表2硫化物堆垛片层数统计
硫化物堆垛片层数/层 | 1 | 2 | 3 | 4 | 5 | 6 |
堆垛片层统计数目/个 | 6908 | 598 | 120 | 28 | 13 | 6 |
为了表现本发明所涉及处理方式和算法序列对于整个同种催化剂不同电子显微镜照片样本集合处理的稳定性和可重复性。在此,分别将23组初始输入的照片样本随机分为两组,第一组为12幅图像信息,第二组为11幅图像信息,以本发明依次对两组图像信息进行处理分析。
计算获得的第一组包含12幅图像样本的体系,对应的硫化物片晶长度为2.0232纳米;而第二组包含11幅图像样本的体系,对应的硫化物片晶长度为2.0104纳米。
同时汇总相关的硫化物片晶长度频数统计信息,将对比结果列于图12a和图12b所示。图12a和图12b表明两类体系除硫化物片晶长度比较接近外,其对应的样品片晶长度的频数分布直方图也十分接近。处理计算结果表明对于较大规模的统计样本而言,本发明获得的结果具有较好的稳定性和可重复性。
为了表现本发明对催化剂硫化物团簇片晶信息统计分析与研究者手工执行的效果对比。在此分别由不同的两操作者选取实施例1 中的4幅图像的部分硫化物信息进行对比分析。现将对比结果列于表3所示。
表3不同试验者对于硫化物图像信息提取统计的对比分析
通过表3的对比可以发现,本发明所获得的硫化物片晶信息检索与统计分析结果与人工检索与统计分析获得的结果比较接近。同时,通过对比可以发现本发明可能检索的样本数量一般远远大于常规操作者手工检索所企及的样本数量。
综上,本发明相对于传统的硫化催化剂硫化物人工检索统计分析方法相比,具有较好的快捷性、稳定性、可重现性以及大规模样本收集及处理能力。
实施例十二
本实施例提供了一种硫化型加氢催化剂中硫化物形态信息的提取装置,参见图13,该装置包括:第一获取模块131、第二获取模块 132、线性拟合模块133、第一确定模块134和/或第二确定模块135;
其中:
第一获取模块131,用于获取至少一幅硫化型加氢催化剂的灰度图像,所述灰度图像中包含有催化剂中的硫化物的灰度图像信息;
第二获取模块132,用于对所述灰度图像进行预处理,获取只包含所述硫化物的目标图像;
线性拟合模块133,用于对所述目标图像中的硫化物进行线性拟合,获取与所述目标图像中的硫化物对应的几何线段,所述几何线段的长度及分布信息表示对应硫化物的形态信息;
第一确定模块134,用于根据获取的几何线段的长度,确定所述目标图像中的硫化物片晶的长度;
第二确定模块135,用于根据获取的几何线段之间的空间位置分布关系,得到所述目标图像中的硫化物片晶片层数目的分布状况。
本实施例所述的装置可以用于执行上述实施例所述的方法,其原理和效果和上述实施例所述的方法类似,此处不再详述。
实施例十三
图14是图1对应实施例的串行处理系统的结构示意图,参见图14,该系统可具体为一计算机单机,包括:客户端、服务器端和计算节点,其中,
所述客户端,用于采集至少一幅硫化型加氢催化剂的灰度图像,并将采集的灰度图像发送至所述服务器端;
所述服务器端,用于根据预设处理规则生成任务分配信息,并根据所述任务分配信息将接收到的灰度图像分配至计算节点,以使计算节点对分配的灰度图像进行处理,并接收计算节点返回的处理结果。其中,预设处理规则可根据系统的处理能力预先设定。
另外,此处的计算节点与图13对应的实施例中的提取装置相对应,其工作原理等均相似。
可见,本实施例所述的系统可以用于实现上述实施例所述的方法,其原理和效果和上述实施例所述的方法类似,此处不再详述。
实施例十四
图15是图1对应实施例的并行处理系统的结构示意图,参见图15,该系统包括:客户端、服务器端以及多个计算节点,其中;
所述客户端,用于采集至少一幅硫化型加氢催化剂的灰度图像,并将采集的灰度图像发送至所述服务器端;
所述服务器端,用于将接收到的灰度图像转化为计算节点能够接收的形式,并根据预设并行处理规则生成任务分配信息,并根据所述任务分配信息将接收到的灰度图像分配至对应的计算节点以使对应的计算节点对分配的灰度图像进行处理,并接收对应的计算节点返回的处理结果。其中,预设并行处理规则根据系统的并行处理能力预先设定的。
相应地,所述客户端,还用于接收服务器端发送的处理结果、获得每幅灰度图像所对应的硫化物片晶长度及堆垛层数信息。
另外,此处的计算节点与图13对应的实施例中的提取装置相对应,其工作原理等均相似;而且,客户端、服务器端以及多个计算节点这三个组成部分在物理上可以是彼此分离的三个计算主机也可以是一个物理上的计算主机。可见,本实施例所述的系统可以用于实现上述实施例所述的方法,其原理和效果和上述实施例所述的方法类似,此处不再详述。
实施例十五
图16是图1对应实施例的流处理器处理系统的结构示意图,参见图16,该系统包括:客户端、服务器端、计算节点以及流处理器,其中;
所述客户端,用于采集至少一幅硫化型加氢催化剂的灰度图像,并将采集的灰度图像发送至所述服务器端;
流处理器,用于依次执行上述实施例中的滤波处理、求差处理、阈值处理、二值化处理等,并将二值化图像发送至服务器端,详细的处理步骤请参照上述实施例中的陈述;
所述服务器端,用于生成任务分配信息,并根据所述任务分配信息将接收到的二值化图像分配至计算节点以使计算节点对二值化图像进行后续处理,并接收计算节点返回的处理结果。其中,预设处理规则根据系统的处理能力预先设定的。
相应地,所述客户端,还用于接收服务器端发送的处理结果、获得每幅灰度图像所对应的硫化物片晶长度及堆垛层数信息。
另外,此处的计算节点与图13对应的实施例中的提取装置相对应,其工作原理等均相似;可见,本实施例所述的系统可以用于实现上述实施例所述的方法,其原理和效果和上述实施例所述的方法类似,此处不再详述。
实施例十六
图17是图1对应实施例的分布式处理系统的结构示意图,参见图 17,该系统包括:客户端、服务器端、多个计算机单机/计算集群,其中;
每个计算机单机/计算集群均有一个或多个计算节点;
所述客户端,用于采集至少一幅硫化型加氢催化剂的灰度图像,并将采集的灰度图像发送至所述服务器端;
所述服务器端,用于将接收到的灰度图像转化为计算节点能够接收的形式,并根据预设分布处理规则生成任务分配信息,并根据所述任务分配信息将接收到的灰度图像分配至对应的计算机单机/计算集群,由计算机单机/计算集群将任务分配至对应的计算节点以使对应的计算节点对分配的灰度图像进行处理,服务器端接收对应的计算节点返回的处理结果。其中,预设分布处理规则根据系统的分布处理能力预先设定的。
相应地,所述客户端,还用于接收服务器端发送的处理结果、获得每幅灰度图像所对应的硫化物片晶长度及堆垛层数信息。
本实施例中,将上述方法对应的步骤整合为一个广义的处理函数,该处理函数的输入参数仅为每幅硫化催化剂电子显微镜照片,而输出数据为两个向量分别表达该电子显微镜所表达的催化剂硫化物片晶长度信息,以及堆垛层数信息。
另外,此处的计算节点与图13对应的实施例中的提取装置相对应,其工作原理等均相似;可见,本实施例所述的系统可以用于实现上述实施例所述的方法,其原理和效果和上述实施例所述的方法类似,此处不再详述。
实施例十七
图18是图1对应实施例的异构并行处理系统的结构示意图,参见图18,该系统包括:客户端、服务器端、流处理器、多个计算机单机 /计算集群,其中;
每个计算机单机/计算集群均有一个或者多个计算节点;
所述客户端,用于采集至少一幅硫化型加氢催化剂的灰度图像,并将采集的灰度图像发送至所述服务器端;
所述流处理器,用于依次执行上述实施例中的滤波处理、求差处理、阈值处理、二值化处理等,并将二值化图像发送至服务器端,详细的处理步骤请参照上述实施例中的陈述;
所述服务器端,用于将接收到的二值化图像进行转化处理,并根据预设分布处理规则生成任务分配信息,并根据所述任务分配信息将接收到的灰度图像分配至对应的计算机单机/计算集群,由计算机单机/计算集群根据任务分配信息将任务分配至对应的计算节点以使对应的计算节点对分配的二值化图像进行后续处理,服务器端接收计算节点返回的处理结果。其中,预设分布处理规则根据系统的分布处理能力预先设定。
相应地,所述客户端,还用于接收服务器端发送的处理结果、获得每幅灰度图像所对应的硫化物片晶长度及堆垛层数信息。
另外,此处的计算节点与图13对应的实施例中的提取装置线性相对应,其工作原理等均相似;可见,本实施例所述的系统可以用于实现上述实施例所述的方法,其原理和效果和上述实施例所述的方法类似,此处不再详述。
下面采用实验的方式对上述五种处理模式(串行、并行、流处理器、分布式、异构并行)的处理时间进行验证,在此选取160幅硫化型催化剂的电子显微镜图像进行硫化物长度及堆垛层数的计算,该过程共涉及硫化物样本个数总计96570个,总计算耗时为2674.35秒,硫化物片晶平均长度为3.1175纳米。
每次采用上述不同处理系统计算时予以计时。现将不同计算模式每次处理所需的处理时间列表,如表4所示:
表4不同计算架构对计算时间的影响
计算平台类型 | 计算时间/秒 |
串行计算 | 115346.09 |
GPU辅助计算 | 109847.14 |
并行计算(16核) | 10252.96 |
分布计算(160核) | 2843.06 |
异构并行计算 | 2674.35 |
可见,通过对于不同计算系统的处理时间进行对比可以发现:本发明所处理的问题在本质上具有较好的并发性,因此,通过多核或众核计算能够显著的加快计算速度。
应该理解的是上述实施方式对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施方式。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
虽然结合附图描述了本发明的实施方式,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (13)
1.一种硫化型加氢催化剂中硫化物形态信息的提取方法,其特征在于,包括:
获取至少一幅硫化型加氢催化剂的灰度图像,所述灰度图像中包含有催化剂中的硫化物的灰度图像信息;
对所述灰度图像进行预处理,获取只包含所述硫化物的目标图像;
根据所述目标图像中的硫化物对应的像素点坐标进行线性拟合,获取与所述目标图像中的硫化物对应的几何线段,所述几何线段的长度及分布信息表示对应硫化物的形态信息;
根据获取的几何线段的长度,确定所述目标图像中的硫化物片晶的长度;
和/或,
根据获取的几何线段之间的空间位置分布关系,得到所述目标图像中的硫化物片晶片层数目的分布状况;
其中,在根据所述目标图像中的硫化物对应的像素点坐标进行线性拟合之前,所述方法还包括:
对所述目标图像进行二值化处理,得到只包含所述硫化物的二值化图像;
相应地,根据所述目标图像中的硫化物对应的像素点坐标进行线性拟合,获取与所述目标图像中的硫化物对应的几何线段,包括:
根据所述二值化图像中的硫化物对应的像素点坐标进行线性拟合,获取与所述二值化图像中的硫化物对应的几何线段;
其中,所述根据所述二值化图像中的硫化物对应的像素点坐标进行线性拟合,获取与所述二值化图像中的硫化物对应的几何线段,包括:
对所述二值化图像进行分离处理,将所述二值化图像中的各个硫化物分隔开,以得到包含若干个互不连通的硫化物区域的初级图像;
对所述初级图像中的若干个硫化物区域进行空间尺度条件和相关系数条件判断,将满足所述空间尺度条件以及所述相关系数条件的硫化物区域保留,将不满足所述空间尺度条件或所述相关系数条件的硫化物区域删除,以得到包含多个满足所述空间尺度条件以及所述相关系数条件的硫化物区域的二级图像;
根据所述二级图像中每个硫化物区域内的像素点的坐标对每个硫化物区域进行线性拟合,得到与每个硫化物区域对应的几何线段,所述几何线段用于表示对应硫化物区域中的硫化物的形态信息;
其中,空间尺度阈值范围设置为70-300;线性相关系数阈值范围设置为0.7-1.0。
2.根据权利要求1所述的方法,其特征在于,所述对所述灰度图像进行预处理,获取只包含所述硫化物的目标图像,包括:
对所述灰度图像进行中值滤波处理,得到第一图像;
对所述灰度图像和所述第一图像进行求差处理,得到差值图像;
对所述差值图像进行数值处理,得到第二图像;
对所述第二图像进行阈值处理,以获取只包含所述硫化物的目标图像。
3.根据权利要求1所述的方法,其特征在于,所述对所述灰度图像进行预处理,获取只包含所述硫化物的目标图像,包括:
对所述灰度图像进行均值滤波处理,得到第一图像;
对所述灰度图像和所述第一图像进行求差处理,得到差值图像;
对所述差值图像进行数值处理,得到第二图像;
对所述第二图像进行阈值处理,以获取只包含所述硫化物的目标图像。
4.根据权利要求1所述的方法,其特征在于,所述对所述灰度图像进行预处理,获取只包含所述硫化物的目标图像,包括:
对所述灰度图像进行高斯滤波处理,得到第一图像;
对所述灰度图像和所述第一图像进行求差处理,得到差值图像;
对所述差值图像进行数值处理,得到第二图像;
对所述第二图像进行阈值处理,以获取只包含所述硫化物的目标图像。
5.根据权利要求1所述的方法,其特征在于,所述对所述灰度图像进行预处理,获取只包含所述硫化物的目标图像,包括:
对所述灰度图像以及所述灰度图像的前后若干帧灰度图像一起进行多帧滤波处理,得到与所述灰度图像对应的第一图像;
对所述灰度图像和所述第一图像进行求差处理,得到差值图像;
对所述差值图像进行数值处理,得到第二图像;
对所述第二图像进行阈值处理,以获取只包含所述硫化物的目标图像。
6.根据权利要求1所述的方法,其特征在于,所述对所述二值化图像进行分离处理,将所述二值化图像中的各个硫化物分隔开,以得到包含若干个互不连通的硫化物区域的初级图像,包括:
S1.依次扫描二值化图像所对应矩阵的全部矩阵元,若相关矩阵元数值为1,则记录该矩阵元的位置信息,同时扫描以其为中心的3*3个像素中的其余像素,若相关像素对应的矩阵元也为1,则将其记录在该像素的邻接像素点索引内;通过该过程生成一个结构数组E1,该数组E1元素数量为包含二值化图像中所有非零点的数目,同时该数组每个数组元素包含两个属性,即该点的位置信息以及该点的邻接像素索引信息;其中,划分过程所生成的组员内像素点的连接数为8或者4,即每个像素点与以其为中心3*3个像素中的其余像素均相连,或者仅与其上下左右像素相连;
S2.生成一个像素点的初始集合E2,结构数组E1中每个像素点都是该集合的一个元素;
S3.从集合E2的第一个元素开始,查找其对应的邻接像素点索引;将索引所涉及的像素点序号与该像素点序号合并为一个集合P,同时将该集合内所有像素点所对应的邻接像素点索引取并集,将该并集与集合P的差集作为该集合的邻接像素点索引集合;通过该操作生成集合E3,并记录集合E3的元素数目H;
S4.将E3取代E2,重复上步骤S3,生成集合E4,并记录集合E4中的元素数目H1;
S5.重复这一过程直至相邻两次操作生成集合的元素数目不变为止;将该集合称为集合E;
S6.将集合E所对应的图像称为初级图像E,其包括二值化图像中所有不相连的白色区域;采用结构数组描述集合E,相关结构数组包括一个属性即为每个不连通白色区域的位置横、纵坐标向量,该向量的数目取决于相关白色连通区域的像素点个数;描述集合E的结构数组元素数量即为初级图像E中不连通的白色区域数量,其中,白色区域即为硫化物区域。
7.根据权利要求1所述的方法,其特征在于,所述根据所述二级图像中每个硫化物区域内的像素点对每个硫化物区域进行线性拟合,得到与每个硫化物区域对应的几何线段,包括:
根据所述二级图像中每个硫化物区域内的像素点,分别计算由对应硫化物区域内的像素点组成的直线的斜率与截距,根据获取的斜率和截距,建立与每个硫化物区域对应的直线函数表达式;
根据所述二级图像中每个硫化物区域内的像素点,确定每个硫化物区域在横坐标轴或纵坐标轴上的起点以及终点;
根据与每个硫化物区域对应的直线函数表达式,以及与每个硫化物区域对应的在横坐标轴或纵坐标轴上的起点以及终点,确定与每个硫化物区域对应的几何线段。
8.根据权利要求1或7所述的方法,其特征在于,所述根据获取的几何线段的长度,确定所述目标图像中的硫化物片晶的长度,包括:
计算获取的每个几何线段的长度,将几何线段的长度作为所述目标图像中与所述几何线段对应的硫化物片晶的长度。
9.根据权利要求1或7所述的方法,其特征在于,所述根据获取的几何线段之间的空间位置分布关系,得到所述目标图像中的硫化物片晶片层数目的分布状况,包括:
根据获取的N个几何线段,确定每两个几何线段之间的距离和夹角,以建立N个几何线段的距离矩阵和夹角矩阵;其中距离矩阵的大小为N*N,夹角矩阵的大小为N*N,N为正整数;
根据所述距离矩阵、所述夹角矩阵、距离阈值和夹角阈值,建立N个几何线段的邻接矩阵,所述邻接矩阵的大小为N*N;其中,邻接矩阵中的元素取值为1表示与该元素对应的两个几何线段相邻,元素取值为0表示与该元素对应的两个几何线段不相邻;其中,距离小于距离阈值且夹角小于夹角阈值的两个几何线段为相邻的几何线段;
根据建立的邻接矩阵,采用逐行遍历查询以及并集处理的方式,确定所述目标图像中的硫化物片晶片层数目的分布状况。
10.根据权利要求9 所述的方法,其特征在于,所述根据建立的邻接矩阵,采用逐行遍历查询以及并集处理的方式,确定所述目标图像中的硫化物片晶片层数目的分布状况,包括:
将获取的邻接矩阵自乘N次,得到乘积矩阵;
对所述乘积矩阵进行逐行遍历查找,分别获取包含1个元素的总行数、包含2个元素的总行数、…、包含m个元素的总行数,m为正整数;
分别对查找得到的包含1个元素的集合、包含2个元素的集合、…、包含m个元素的集合取并集;
根据处理后得到的包含1个元素的集合数目、包含2个元素的集合数目、…、包含m个元素的集合数目,确定所述目标图像中的硫化物片层数目的分布状况。
11.根据权利要求1或7所述的方法,其特征在于,所述根据获取的几何线段之间的空间位置分布关系,得到所述目标图像中的硫化物片晶片层数目的分布状况,包括:
根据获取的N个几何线段,确定每两个几何线段之间的距离和夹角,以建立N个几何线段的距离矩阵和夹角矩阵;其中距离矩阵的大小为N*N,夹角矩阵的大小为N*N,N为正整数;
根据所述距离矩阵、所述夹角矩阵、距离阈值和夹角阈值,建立N个几何线段的邻接矩阵,所述邻接矩阵的大小为N*N;其中,邻接矩阵中的元素取值为1表示与该元素对应的两个几何线段相邻,元素取值为0表示与该元素对应的两个几何线段不相邻;其中,距离小于距离阈值且夹角小于夹角阈值的两个几何线段为相邻的几何线段;
根据建立的邻接矩阵,采用基于聚类的分类处理方式,确定所述目标图像中的硫化物片晶片层数目的分布状况。
12.根据权利要求11所述的方法,其特征在于,所述根据建立的邻接矩阵,采用基于聚类的分类处理方式,确定所述目标图像中的硫化物片晶片层数目的分布状况,包括:
设置一个初始聚类,所述初始聚类包含N个聚类元素,每个聚类元素对应一个几何线段;
建立与所述初始聚类对应的数据结构A1,所述数据结构A1中包含N个结构数组,N个结构数组分别与所述N个聚类元素对应;每个结构数组包括两个属性集合,第一属性集合包含对应的几何线段的序号,第二属性集合包含与对应的几何线段相邻的几何线段的序号;
获取第二属性集合为空集的结构数组的个数、获取第二属性集合中只包含1个元素的结构数组的个数、获取第二属性集合中只包含2个元素的结构数组的个数、…、获取第二属性集合中只包含m个元素的结构数组的个数,m为正整数;
将第二属性集合为空集的所有结构数组归为子类A11,并将所述A1与A11进行差集计算,得到差集为B1;
对所述差集B1进行多次聚类,不断得到新的差集B2,直至最后得到的差集B2中的元素与差集B1中元素不再发生变化为止;
统计最后得到的差集B2中第二属性集合中包含不同个数元素的结构数组的个数,以确定所述目标图像中的硫化物片晶片层数目的分布状况。
13.一种硫化型加氢催化剂中硫化物形态信息的提取装置,其特征在于,包括:第一获取模块、第二获取模块、线性拟合模块、以及第一确定模块和/或第二确定模块,其中:
第一获取模块,用于获取至少一幅硫化型加氢催化剂的灰度图像,所述灰度图像中包含有催化剂中的硫化物的灰度图像信息;
第二获取模块,用于对所述灰度图像进行预处理,获取只包含所述硫化物的目标图像;
线性拟合模块,用于根据所述目标图像中的硫化物对应的像素点坐标进行线性拟合,获取与所述目标图像中的硫化物对应的几何线段,所述几何线段的长度及分布信息表示对应硫化物的形态信息;
第一确定模块,和/或,第二确定模块,其中,所述第一确定模块,用于根据获取的几何线段的长度,确定所述目标图像中的硫化物片晶的长度;
所述第二确定模块,用于根据获取的几何线段之间的空间位置分布关系,得到所述目标图像中的硫化物片晶片层数目的分布状况;
其中,所述线性拟合模块在根据所述目标图像中的硫化物对应的像素点坐标进行线性拟合之前,还用于:
对所述目标图像进行二值化处理,得到只包含所述硫化物的二值化图像;
相应地,线性拟合模块在根据所述目标图像中的硫化物对应的像素点坐标进行线性拟合,获取与所述目标图像中的硫化物对应的几何线段的处理过程中,具体用于:
根据所述二值化图像中的硫化物对应的像素点坐标进行线性拟合,获取与所述二值化图像中的硫化物对应的几何线段;
所述线性拟合模块在根据所述二值化图像中的硫化物对应的像素点坐标进行线性拟合,获取与所述二值化图像中的硫化物对应的几何线段的处理过程中,具体用于:
对所述二值化图像进行分离处理,将所述二值化图像中的各个硫化物分隔开,以得到包含若干个互不连通的硫化物区域的初级图像;
对所述初级图像中的若干个硫化物区域进行空间尺度条件和相关系数条件判断,将满足所述空间尺度条件以及所述相关系数条件的硫化物区域保留,将不满足所述空间尺度条件或所述相关系数条件的硫化物区域删除,以得到包含多个满足所述空间尺度条件以及所述相关系数条件的硫化物区域的二级图像;
根据所述二级图像中每个硫化物区域内的像素点的坐标对每个硫化物区域进行线性拟合,得到与每个硫化物区域对应的几何线段,所述几何线段用于表示对应硫化物区域中的硫化物的形态信息;
其中,空间尺度阈值范围设置为70-300;线性相关系数阈值范围设置为0.7-1.0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610992120.3A CN108074225B (zh) | 2016-11-11 | 2016-11-11 | 硫化物信息提取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610992120.3A CN108074225B (zh) | 2016-11-11 | 2016-11-11 | 硫化物信息提取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108074225A CN108074225A (zh) | 2018-05-25 |
CN108074225B true CN108074225B (zh) | 2022-03-08 |
Family
ID=62154764
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610992120.3A Active CN108074225B (zh) | 2016-11-11 | 2016-11-11 | 硫化物信息提取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108074225B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101976437A (zh) * | 2010-09-29 | 2011-02-16 | 中国资源卫星应用中心 | 基于自适应阈值分割的高分辨率遥感影像变化检测方法 |
CN103033127A (zh) * | 2011-10-09 | 2013-04-10 | 上海微电子装备有限公司 | 一种基板预对准位姿测量方法 |
CN103792699A (zh) * | 2013-09-09 | 2014-05-14 | 中华人民共和国四川出入境检验检疫局 | 基于B样条曲面拟合的TFT-LCD Mura缺陷机器视觉检测方法 |
CN103870833A (zh) * | 2014-03-31 | 2014-06-18 | 武汉工程大学 | 基于凹性测度的路面裂缝提取与测评方法 |
CN105069786A (zh) * | 2015-07-31 | 2015-11-18 | 小米科技有限责任公司 | 直线检测方法及装置 |
CN105521791A (zh) * | 2014-10-22 | 2016-04-27 | 中国石油化工股份有限公司 | 硫化型汽油选择性加氢脱硫催化剂的制备方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS58153146A (ja) * | 1982-03-09 | 1983-09-12 | Toa Nenryo Kogyo Kk | 原子吸光分析又は発光分光分析用溶剤 |
JP2004212227A (ja) * | 2002-12-31 | 2004-07-29 | Bios Ikagaku Kenkyusho:Kk | 生体物質の光学的測定方法および光学的測定装置 |
JP4634292B2 (ja) * | 2005-12-06 | 2011-02-16 | 株式会社リコー | 画像処理装置、画像処理方法、その方法をコンピュータに実行させるプログラム |
US7923405B2 (en) * | 2007-09-07 | 2011-04-12 | Range Fuels, Inc. | Cobalt-molybdenum sulfide catalyst materials and methods for ethanol production from syngas |
-
2016
- 2016-11-11 CN CN201610992120.3A patent/CN108074225B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101976437A (zh) * | 2010-09-29 | 2011-02-16 | 中国资源卫星应用中心 | 基于自适应阈值分割的高分辨率遥感影像变化检测方法 |
CN103033127A (zh) * | 2011-10-09 | 2013-04-10 | 上海微电子装备有限公司 | 一种基板预对准位姿测量方法 |
CN103792699A (zh) * | 2013-09-09 | 2014-05-14 | 中华人民共和国四川出入境检验检疫局 | 基于B样条曲面拟合的TFT-LCD Mura缺陷机器视觉检测方法 |
CN103870833A (zh) * | 2014-03-31 | 2014-06-18 | 武汉工程大学 | 基于凹性测度的路面裂缝提取与测评方法 |
CN105521791A (zh) * | 2014-10-22 | 2016-04-27 | 中国石油化工股份有限公司 | 硫化型汽油选择性加氢脱硫催化剂的制备方法 |
CN105069786A (zh) * | 2015-07-31 | 2015-11-18 | 小米科技有限责任公司 | 直线检测方法及装置 |
Non-Patent Citations (3)
Title |
---|
Co-Mo加氢脱硫催化剂的TEM表征;孙淑玲等;《石油炼制与化工》;20061130;全文 * |
加氢催化剂的透射电子显微研究;郑爱国;《石油学报》;20140831;正文第707-711页 * |
透射电镜数字化及图像处理分析;彭喜英;《中国优秀博硕士学位论文全文数据库 (硕士)工程科技Ⅱ辑》;20050615;正文第C030-28页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108074225A (zh) | 2018-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109190752B (zh) | 基于深度学习的全局特征和局部特征的图像语义分割方法 | |
CN110322453B (zh) | 基于位置注意力和辅助网络的3d点云语义分割方法 | |
US7991224B2 (en) | Segmenting digital image and producing compact representation | |
CN109740603A (zh) | 基于cnn卷积神经网络下的车辆字符识别方法 | |
CN110866896A (zh) | 基于k-means与水平集超像素分割的图像显著性目标检测方法 | |
CN111523535B (zh) | 基于机器视觉与深度学习的类圆对象识别计数检测算法 | |
US20220044765A1 (en) | Preprocessing and convolutional operation apparatus for clinical decision-making artificial intelligence development using hypercubic shapes based on bio data | |
CN113239818B (zh) | 基于分割和图卷积神经网络的表格跨模态信息提取方法 | |
CN109213886B (zh) | 基于图像分割和模糊模式识别的图像检索方法及系统 | |
CN110634142B (zh) | 一种复杂车路图像边界优化方法 | |
CN113918744A (zh) | 相似图像检索方法、装置、存储介质及计算机程序产品 | |
CN108074225B (zh) | 硫化物信息提取方法及装置 | |
CN111161282B (zh) | 基于深度种子的图像多层次分割的目标尺度选择方法 | |
CN108074254B (zh) | 基于流处理器的硫化物信息提取方法、装置及系统 | |
CN108074255B (zh) | 基于异构并行的硫化物信息提取方法、装置及系统 | |
CN108074256B (zh) | 基于分布处理的硫化物信息提取方法、装置及系统 | |
CN108074258B (zh) | 基于并行处理的硫化物信息提取方法、装置及系统 | |
CN108074257B (zh) | 基于串行处理的硫化物信息提取方法、装置及系统 | |
CN111275732A (zh) | 一种基于深度卷积神经网络的前景对象图像分割方法 | |
CN109690562B (zh) | 由全卷积神经网络加速细胞学图像分类的图像预处理 | |
CN115937540A (zh) | 基于Transformer编码器的图像匹配方法 | |
CN115082741A (zh) | 基于图像处理的废旧纺织品分类方法 | |
CN113989671A (zh) | 基于语义感知与动态图卷积的遥感场景分类方法及系统 | |
CN104156696A (zh) | 基于双方向图的快速局部不变特征描述子的构造方法 | |
CN115880290B (zh) | 基于轻量化语义分割网络的oled湿膜缺陷检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |