CN108074256B - 基于分布处理的硫化物信息提取方法、装置及系统 - Google Patents

基于分布处理的硫化物信息提取方法、装置及系统 Download PDF

Info

Publication number
CN108074256B
CN108074256B CN201610993672.6A CN201610993672A CN108074256B CN 108074256 B CN108074256 B CN 108074256B CN 201610993672 A CN201610993672 A CN 201610993672A CN 108074256 B CN108074256 B CN 108074256B
Authority
CN
China
Prior art keywords
image
sulfide
geometric line
sulfides
target image
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
Application number
CN201610993672.6A
Other languages
English (en)
Other versions
CN108074256A (zh
Inventor
王阔
柳伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Petroleum and Chemical Corp
Sinopec Fushun Research Institute of Petroleum and Petrochemicals
Original Assignee
China Petroleum and Chemical Corp
Sinopec Fushun Research Institute of Petroleum and Petrochemicals
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Petroleum and Chemical Corp, Sinopec Fushun Research Institute of Petroleum and Petrochemicals filed Critical China Petroleum and Chemical Corp
Priority to CN201610993672.6A priority Critical patent/CN108074256B/zh
Publication of CN108074256A publication Critical patent/CN108074256A/zh
Application granted granted Critical
Publication of CN108074256B publication Critical patent/CN108074256B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10056Microscopic image
    • G06T2207/10061Microscopic image from scanning electron microscope

Landscapes

  • Image Analysis (AREA)

Abstract

本发明提供了一种基于分布处理的硫化型加氢催化剂中硫化物形态信息的提取方法、装置及系统。方法包括:获取硫化型加氢催化剂的灰度图像,灰度图像中包含有催化剂中的硫化物的灰度图像信息;对灰度图像进行预处理,获取只包含硫化物的目标图像;根据目标图像进行线性拟合,获取与目标图像中的硫化物对应的几何线段;根据获取的几何线段的长度,确定目标图像中的硫化物片晶的长度;和/或,根据几何线段之间的空间位置分布关系,得到目标图像中的硫化物片晶片层数目的分布状况;当对多幅硫化型加氢催化剂的灰度图像进行硫化物形态信息提取时,采用分布处理方式进行处理。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

基于分布处理的硫化物信息提取方法、装置及系统
技术领域
本发明实施例涉及石油化工技术领域,具体涉及一种基于分布处理的硫化型加氢催化剂中硫化物形态信息的提取方法、装置及系统。
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,本发明提供一种基于分布处理的硫化型加氢催化剂中硫化物形态信息的提取方法、装置及系统,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:
一种基于分布处理的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;
当对多幅硫化型加氢催化剂的灰度图像进行硫化物形态信息提取时,采用分布处理方式对所述多幅硫化型加氢催化剂的灰度图像进行处理。
由上述技术方案可知,本发明实施例提出的基于分布处理的硫化型加氢催化剂中硫化物形态信息的提取方法,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,本实施例提供的基于分布处理的硫化型加氢催化剂中硫化物形态信息的提取方法,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基于分布处理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3是灰度图像A经过均值滤波得到图像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基于分布处理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对应实施例的分布式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基于分布处理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基于分布处理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。
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。
优选地,当对多幅硫化型加氢催化剂的灰度图像进行硫化物形态信息提取时,可以采用分布式处理方式对所述多幅硫化型加氢催化剂的灰度图像进行处理。
实施例二
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3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3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。
实施例四
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E1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。
实施例五
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。
实施例六
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。将结果对片晶长度进行频数分析如图9所示。
实施例七
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。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。
其中,由差集B1获取差集B2的步骤具体包括:
从集合B1的第一个元素开始依次将该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,并将第一个元素所对应的相邻元素集合进行扩充形成新的相邻元素集合,新的相邻元素为并入该集合的所有元素对应相邻元素集合的并集与新集合对应元素集合之间的差集。通过该操作形成新的直线元素集合B2。并以B2取代B1。
对所述集合B1反复进行上述操作。不断得到新的集合B2,直至最后得到的集合B2中的元素与集合B1中元素不再发生变化为止。
统计最后得到的集合B2中包含不同个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
Figure BDA0001150242440000171
Figure BDA0001150242440000181
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。
实施例八
本实施例提供了一种基于分布处理的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;
当对多幅硫化型加氢催化剂的灰度图像进行硫化物形态信息提取时,采用分布处理方式对所述多幅硫化型加氢催化剂的灰度图像进行处理。
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。
实施例九
图14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14,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。
下面采用实验的方式对串行、并行、分布式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
并行计算(16核) 10252.96
分布计算(160核) 2843.06
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 (8)

1.一种基于分布处理的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;
当对多幅硫化型加氢催化剂的灰度图像进行硫化物形态信息提取时,采用分布处理方式对所述多幅硫化型加氢催化剂的灰度图像进行处理;
其中,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;
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。
3.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。
4.根据权利要求1或3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。
5.根据权利要求1或3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。
6.根据权利要求5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;
从差集B1的第一个元素开始依次将该元素的相邻元素加入到该元素中形成一个新的集合;同时,将差集B1中对应的相邻元素删除,并将第一个元素所对应的相邻元素集合进行扩充形成新的相邻元素集合,新的相邻元素为并入该集合的所有元素对应相邻元素集合的并集与新集合对应元素集合之间的差集;通过该操作形成新的直线元素差集B2;对所述差集B1反复进行形成B2的步骤,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。
7.一种基于分布处理的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,第二获取模块具体用于:
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;
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,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;
其中,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。
8.一种基于上述权利要求1-6中任一权项所述的基于分布处理的硫化型加氢催化剂中硫化物形态信息的提取方法的提取系统,其特征在于,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;
所述服务器端,用于根据预设任务分配规则生成任务分配信息,并将接收到的灰度图像发送对应的计算机单机/计算集群由计算机单机/计算集群的计算节点对分配的灰度图像进行相关处理,并将处理结果返回至所述服务器端;
其中,预设任务分配规则为根据系统的分布处理能力预先设定的。
CN201610993672.6A 2016-11-11 2016-11-11 基于分布处理的硫化物信息提取方法、装置及系统 Active CN108074256B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610993672.6A CN108074256B (zh) 2016-11-11 2016-11-11 基于分布处理的硫化物信息提取方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610993672.6A CN108074256B (zh) 2016-11-11 2016-11-11 基于分布处理的硫化物信息提取方法、装置及系统

Publications (2)

Publication Number Publication Date
CN108074256A CN108074256A (zh) 2018-05-25
CN108074256B true CN108074256B (zh) 2022-03-04

Family

ID=62153624

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610993672.6A Active CN108074256B (zh) 2016-11-11 2016-11-11 基于分布处理的硫化物信息提取方法、装置及系统

Country Status (1)

Country Link
CN (1) CN108074256B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1938087A (zh) * 2004-03-26 2007-03-28 克斯莫石油株式会社 用于加氢处理烃油的催化剂及其制备方法以及加氢处理烃油的方法
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
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
JP2015079443A (ja) * 2013-10-18 2015-04-23 株式会社リコー 画像処理装置、画像処理システム、画像処理方法、プログラム及び記録媒体
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
CN105139378A (zh) * 2015-07-31 2015-12-09 小米科技有限责任公司 卡片边界检测方法及装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
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
FR2780304B1 (fr) * 1998-06-25 2000-07-28 Inst Francais Du Petrole Catalyseur sulfure et son utilisation
US6602818B2 (en) * 2000-09-27 2003-08-05 Sk Corporation Method for preparing a catalyst for selective catalytic reduction of nitrogen oxides
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
US20080101663A1 (en) * 2006-10-31 2008-05-01 Motorola, Inc. Methods for gray-level ridge feature extraction and associated print matching

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1938087A (zh) * 2004-03-26 2007-03-28 克斯莫石油株式会社 用于加氢处理烃油的催化剂及其制备方法以及加氢处理烃油的方法
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
JP2015079443A (ja) * 2013-10-18 2015-04-23 株式会社リコー 画像処理装置、画像処理システム、画像処理方法、プログラム及び記録媒体
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
CN105139378A (zh) * 2015-07-31 2015-12-09 小米科技有限责任公司 卡片边界检测方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
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
CN108074256A (zh) 2018-05-25

Similar Documents

Publication Publication Date Title
KR102569816B1 (ko) 문서 이미지의 텍스트와 도형을 분리하는 방법 및 장치
EP1831823A1 (en) Segmenting digital image and producing compact representation
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
CN106845536B (zh) 一种基于图像缩放的并行聚类方法
US20220044765A1 (en) Preprocessing and convolutional operation apparatus for clinical decision-making artificial intelligence development using hypercubic shapes based on bio data
CN104778281A (zh) 一种基于社区分析的图像索引并行构建方法
CN114359632A (zh) 一种基于改进PointNet++神经网络的点云目标分类方法
Taschwer et al. Automatic separation of compound figures in scientific articles
CN112529157A (zh) 一种基于卷积神经网络的稀疏张量存储格式自动选择方法
CN108074256B (zh) 基于分布处理的硫化物信息提取方法、装置及系统
CN108074254B (zh) 基于流处理器的硫化物信息提取方法、装置及系统
CN108074225B (zh) 硫化物信息提取方法及装置
CN108074255B (zh) 基于异构并行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
CN107908915A (zh) 预测隧道挤压变形的建模及分析方法、设备和存储介质
CN108074257B (zh) 基于串行处理的硫化物信息提取方法、装置及系统
Kryszkiewicz et al. Faster clustering with DBSCAN
CN111274236A (zh) 基于智能船舶数据库的缺失数据填充方法和装置
CN116664823A (zh) 基于元学习和度量学习的小样本sar目标检测识别方法
CN114241249B (zh) 基于目标检测算法与卷积神经网络的图像分类方法和系统
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
Benzel et al. Histogram Methods for unsupervised clustering
Gold et al. A flexible method for segmentation in concept assignment
CN115880290B (zh) 基于轻量化语义分割网络的oled湿膜缺陷检测方法
CN110852355B (zh) 一种基于knn的标签数据分类方法

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