CN112132785B - 一种二维材料的透射电镜图像识别、分析方法及系统 - Google Patents
一种二维材料的透射电镜图像识别、分析方法及系统 Download PDFInfo
- Publication number
- CN112132785B CN112132785B CN202010861477.4A CN202010861477A CN112132785B CN 112132785 B CN112132785 B CN 112132785B CN 202010861477 A CN202010861477 A CN 202010861477A CN 112132785 B CN112132785 B CN 112132785B
- Authority
- CN
- China
- Prior art keywords
- atomic
- electron microscope
- transmission electron
- microscope image
- dimensional material
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 108
- 238000001000 micrograph Methods 0.000 title claims abstract description 104
- 239000000463 material Substances 0.000 title claims abstract description 82
- 238000004458 analytical method Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 70
- 238000010586 diagram Methods 0.000 claims abstract description 33
- 238000001914 filtration Methods 0.000 claims description 32
- 238000010606 normalization Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 230000009467 reduction Effects 0.000 claims description 7
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 6
- HITXEXPSQXNMAN-UHFFFAOYSA-N bis(tellanylidene)molybdenum Chemical compound [Te]=[Mo]=[Te] HITXEXPSQXNMAN-UHFFFAOYSA-N 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 6
- 229910021389 graphene Inorganic materials 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- ZOKXTWBITQBERF-UHFFFAOYSA-N Molybdenum Chemical group [Mo] ZOKXTWBITQBERF-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- PORWMNRCUJJQNO-UHFFFAOYSA-N tellurium atom Chemical group [Te] PORWMNRCUJJQNO-UHFFFAOYSA-N 0.000 description 2
- 229910052582 BN Inorganic materials 0.000 description 1
- PZNSFCLAULLKQX-UHFFFAOYSA-N Boron nitride Chemical compound N#B PZNSFCLAULLKQX-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 229910052750 molybdenum Inorganic materials 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 229910052714 tellurium Inorganic materials 0.000 description 1
- 229910052723 transition metal Inorganic materials 0.000 description 1
- -1 transition metal chalcogenide Chemical class 0.000 description 1
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
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明涉及一种二维材料的透射电镜图像识别、分析方法及系统。所述方法包括获取二维材料的透射电镜图像；将所述透射电镜图像中像素大于设定阈值的像素点确定为原子中心；根据确定原子中心后的透射电镜图像和所述二维材料的原子半径，采用多条等高线的多椭圆拟合法，确定原子位置；根据所述原子位置将原子进行连接，得到原子结构图；根据所述原子结构图确定所述二维材料的形貌、角度以及键长。本发明从高分辨(扫描)透射电镜图像中快速识别二维材料的原子位置，并准确确定二维材料的形貌、角度以及键长信息。
Description
技术领域
本发明涉及二维材料的透射电镜图像分析领域，特别是涉及一种二维材料的透射电镜图像识别、分析方法及系统。
背景技术
后摩尔时代的到来，二维材料因其丰富的物理、化学性质在电子器件和光电器件等领域成为研究热点。借助具有超高分辨率的透射电子显微镜对二维材料及器件进行表征，是新型微纳器件研究重要一环。研究者常常需要在某一次的表征实验中拍摄大量的透射电镜图像，但分析这些数据得到定量化的数据，常常依赖于人眼，此方法耗时长，效率低。
已经授权的专利如“一种适用于连续高分辨透射电镜图像的分析”
(CN 104820994 A)，该方法对连续的高分辨动态图像进行分帧、转化以及相关性处理，可以将原子或原子团簇运动信息转换成可以定量表达的信息。此图像处理方法侧重于连续的高分辨透射电镜图像分析，但并不适用于独立实验的不同区域的二维材料(扫描)透射电镜图像的识别。
因此，迫切需要一种基于(扫描)透射电镜图像的识别和分析方法，以实现高效分析高精尖仪器拍摄的海量二维材料的图像，比如从具有原子分辨率的(扫描)透射电镜图像中快速地识别原子位置，继而自动生成原子结构图，对比拍摄图像和理想结构，并且获取二维材料局部角度和键长的变化统计图。
发明内容
本发明的目的是提供一种二维材料的透射电镜图像识别、分析方法及系统，从高分辨(扫描)透射电镜图像中快速识别二维材料的原子位置，并准确确定二维材料的形貌、角度以及键长信息。
为实现上述目的，本发明提供了如下方案：
一种二维材料的透射电镜图像识别、分析方法，包括：
获取二维材料的透射电镜图像；
将所述透射电镜图像中像素大于设定阈值的像素点确定为原子中心；
根据确定原子中心后的透射电镜图像和所述二维材料的原子半径，采用多条等高线的多椭圆拟合法，确定原子位置；
根据所述原子位置将原子进行连接，得到原子结构图；
根据所述原子结构图确定所述二维材料的形貌、角度以及键长。
可选的，所述获取二维材料的透射电镜图像，之后还包括：
对所述透射电镜图像进行滤波处理；所述滤波处理包括高斯滤波法、中值滤波法或BM3D降噪法。
可选的，所述将所述透射电镜图像中像素大于设定阈值的像素点确定为原子中心，之前还包括：
对所述透射电镜图像的灰度值进行归一化处理；
根据归一化处理后的透射电镜图像确定所述设定阈值。
可选的，所述根据确定原子中心后的透射电镜图像和所述二维材料的原子半径，采用多条等高线的多椭圆拟合法，确定原子位置，具体包括：
将所述确定原子中心后的透射电镜图像进行划分，得到多个待分析区域；
将所述待分析区域中亮度值最大的像素点确定为初步识别原子位置；
根据所述初步识别的原子位置和所述二维材料的原子半径，采用多条等高线的多椭圆拟合法，确定所述原子位置。
一种二维材料的透射电镜图像识别、分析系统，包括：
透射电镜图像获取模块，用于获取二维材料的透射电镜图像；
原子中心确定模块，用于将所述透射电镜图像中像素大于设定阈值的像素点确定为原子中心；
原子位置确定模块，用于根据确定原子中心后的透射电镜图像和所述二维材料的原子半径，采用多条等高线的多椭圆拟合法，确定原子位置；
原子结构图确定模块，用于根据所述原子位置将原子进行连接，得到原子结构图；
二维材料的形貌、角度以及键长确定模块，用于根据所述原子结构图确定所述二维材料的形貌、角度以及键长。
可选的，还包括：
滤波处理模块，用于对所述透射电镜图像进行滤波处理；所述滤波处理包括高斯滤波法、中值滤波法或BM3D降噪法。
可选的，还包括：
归一化处理模块，用于对所述透射电镜图像的灰度值进行归一化处理；
设定阈值确定模块，用于根据归一化处理后的透射电镜图像确定所述设定阈值。
可选的，所述原子位置确定模块具体包括：
待分析区域确定单元，用于将所述确定原子中心后的透射电镜图像进行划分，得到多个待分析区域；
初步识别原子位置确定单元，用于将所述待分析区域中亮度值最大的像素点确定为初步识别原子位置；
原子位置确定单元，用于根据所述初步识别的原子位置和所述二维材料的原子半径，采用多条等高线的多椭圆拟合法，确定所述原子位置。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明所提供的一种二维材料的透射电镜图像识别、分析方法及系统，通过将所述透射电镜图像中像素大于设定阈值的像素点确定为原子中心，即采用阈值法，得到较为粗略的原子位置。进而根据确定原子中心后的透射电镜图像和所述二维材料的原子半径，采用多条等高线的多椭圆拟合法，确定原子位置。大大减少了因对整个图像分析而产生的庞大计算量以及由此导致的计算速度过慢的问题。根据所述原子位置将原子进行连接，得到原子结构图；根据所述原子结构图确定所述二维材料的形貌、角度以及键长。进而，能够在复杂的透射电镜图像中，更加快速地识别二维材料的原子和原子位置，输出原子结构图和相关的数据。本发明既可以应用于无缺陷的透射电镜图像的识别，又可以应用于存在点缺陷或晶粒间界的透射电镜图像中缺陷结构的识别。本发明简单易操作、高效、延展性好。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明所提供的一种二维材料的透射电镜图像识别、分析方法流程示意图；
图2的(a)部分、(b)部分和(c)部分分别为本发明所提供的实施例中根据不同的设定阈值确定原子中心的示意图；
图3的(a)部分和(b)部分分别为本发明所提供的实施例中初步识别原子位置示意图；
图4为本发明提供的实施例中多椭圆拟合后确定的原子位置示意图；
图5的(a)部分、(b)部分和(c)部分分别为本发明所提供的实施例中确定的原子结构图；
图6的(a)部分和(b)部分分别为本发明所提供的实施例中统计所得到的键长及角度的直方图；
图7的(a)部分为本发明所提供的实施例中识别的钼原子示意图；
图7的(b)部分为本发明所提供的实施例中识别的碲原子示意图；
图8的(a)部分为本发明所提供的实施例中origin作图后的原子结构图；图8的(b)部分为本发明所提供的实施例中STEM模拟软件模拟的理想1T’相的二碲化钼的原子结构图；
图9为本发明所提供的一种二维材料的透射电镜图像识别、分析系统结构示意图。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，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。
本发明的目的是提供一种二维材料的透射电镜图像识别、分析方法及系统，从高分辨(扫描)透射电镜图像中快速识别二维材料的原子位置，并准确确定二维材料的形貌、角度以及键长信息。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明所提供的一种二维材料的透射电镜图像识别、分析方法流程示意图，如图1所示，本发明所提供的一种二维材料的透射电镜图像识别、分析方法，包括：
S101，获取二维材料的透射电镜图像。所述的二维材料为石墨烯、过渡金属硫属化合物、六方氮化硼或二维材料相互堆叠而形成的异质结。
具体的获取过程为：
选取较为清晰的二维材料高分辨(扫描)透射电镜图像。其中，图像大小为a×b像素。导入图像处理软件中，测量任意一条直线，记录像素与实际长度的值，经计算提取图像与实际长度的换算比例。
S101之后还包括：
对所述透射电镜图像进行滤波处理；所述滤波处理包括高斯滤波法、中值滤波法或BM3D降噪法。即通过滤波处理去除图像在获取和传输的过程中的各种噪声干扰，进一步的得到噪声信号减少的高分辨(扫描)透射电镜图像。
S102，将所述透射电镜图像中像素大于设定阈值的像素点确定为原子中心。其中，通过调整设定阈值的大小，直至将透射电镜图像中大量原子的原子中心。
S102之前还包括：
对所述透射电镜图像的灰度值进行归一化处理。
根据归一化处理后的透射电镜图像确定所述设定阈值。所述设定阈值的分布为0～1，首次设置的阈值可为0.5，再通过识别的原子位置偏多还是偏少，适当减小或增大阈值。
S103，根据确定原子中心后的透射电镜图像和所述二维材料的原子半径，采用多条等高线的多椭圆拟合法，确定原子位置。
S103具体包括：
将所述确定原子中心后的透射电镜图像进行划分，得到多个待分析区域。
将所述待分析区域中亮度值最大的像素点确定为初步识别原子位置。
根据所述初步识别的原子位置和所述二维材料的原子半径，采用多条等高线的多椭圆拟合法，确定所述原子位置。其中，等高线的条数可根据图像清晰度自行选择。
其中，在待分析区域中，若放大图像观察到在局域内9个像素块中，识别两个或以上的原子中心，此为误判现象。采用合并操作，在局域9个像素点中有且只有一个最亮点(亮度值最大的像素点)，通过比较这些原子位置点的像素值，将具有最大亮度值的原子标定为理想的原子位置。此外，由于高分辨(扫描)透射电镜图像的拍摄原因，若存在缺失的未被识别的原子，则可手动添加，最终得到较为完整的初步识别原子位置。
S104，根据所述原子位置将原子进行连接，得到原子结构图。
通过手动标定原子与原子之间的距离范围，连接这些原子，形成化学键。若存在错误连接的情况，则可手动调节，最终得到原子结构图。
S105，根据所述原子结构图确定所述二维材料的形貌、角度以及键长。
其中，通过换算得到实际的近邻原子的角度和长度，至此可获取二维材料相应的形貌、角度以及键长等数据。
实施例1
本实施例的二维材料选择石墨烯晶界，具体操作过程如下：
步骤1：选择一张石墨烯晶界的高分辨扫描透射电镜图像，导入图像处理软件GMS3.0。拉一条直线，记录直线的实际长度为6.1768nm，像素大小为203.2166pixel，计算得换算比例为0.030395nm/pixel。
步骤2：采用图像处理软件中的高斯滤波插件去除噪声信号，设置参数σ＝5，得到较为清晰的扫描透射电镜图像。
步骤3：将步骤2所得的图像灰度值归一化，设定阈值为0.5时，如图2的(a)部分所示，此时图像显示仍有多数原子中心未被识别；调低阈值为0.4，图2的(b)部分还有少部分未识别，最终设定阈值为0.3，此时完成初始的识别工作，如图2的(c)部分所示。
步骤4：选择图像中间部分的晶界区域，如图3的(a)部分所示；放大后，观察到局部出现偏差较大的原子中心，经合并和手动添加个别原子中心，最终结果得到的原子位置如图3的(b)部分所示。
步骤5：输入石墨烯的原子半径为0.86nm，换算成像素值约为28.3个像素块，采用6条等高线拟合，并划定80％的区域为原子。最后得到晶界的原子位置，如图4所示。
步骤6：对于由六元环构成的石墨烯而言，每个原子总有3个化学键连接，则设定每个原子只能连接3个键，并规定键长的范围。图5的(a)部分显示较短的距离的原子都已经连接，图5的(b)部分则是几乎所有原子都已连接，但是由于区域的选择因素，边缘的原子缺失化学键，会因为计算机程序的错判而连接多余的化学键，此时需要手动的去除或添加个别化学键。最终结果如图5的(c)部分所示。
步骤7：导出由步骤6所得的原子数据，如角度值和键长值，利用origin作统计直方图，如图6所示。完成一张石墨烯扫描透射电镜的图像识别、提取以及分析的步骤。
实施例2
本实施例的二维材料选择二碲化钼，具体操作过程如下：
步骤1：选择一张二碲化钼的扫描透射电镜图像，导入图像处理软件GMS3.0。拉一条直线，记录直线的实际长度为1.0381nm，像素大小为95.5667pixel，计算得换算比例为0.01086nm/pixel。
步骤2：采用图像处理软件自带的高斯滤波去除噪声信号，设置参数σ＝5，得到较为清晰的二碲化钼的图像。
步骤3：将步骤2所得的图像灰度值归一化，设定灰度值在0.6-0.7之间的位置为Te原子中心位置，如图7的(a)部分所示；设定灰度值在0.3-0.5之间的位置为Mo原子中心位置，如图7的(b)部分所示，此时完成初始的识别工作。
步骤4：放大图像，观察到局部出现偏差较大的原子中心，合并或手动去除个别的原子中心，得到最终的原子位置。
步骤5：分别输出钼原子和碲原子的坐标文件，导入origin数据处理软件中，经处理得到图8的(a)部分的原子结构图。
步骤6：用STEM的模拟软件构建理想的1T’相二碲化钼的形貌图，如图8的(b)部分所示，经对比，确认提供的扫描透射电镜图像为1T’相的二碲化钼。
本发明所提供的一种二维材料的透射电镜图像识别、分析方法，具有以下的有益效果：
本发明中识别原子位置的方法分为两步：第一步采用阈值法，得到较为粗略的原子位置，再利用多椭圆拟合法，精确勾勒出原子，第二步可在待识别区域中操作，因此，大大减少了因对整个图像分析而产生的庞大计算量以及由此导致的计算速度过慢的问题。
本发明能够灵活采用(尺度自适应调整)高斯滤波法、中值滤波法或BM3D降噪法等，从而将干扰信号降到最低，使识别的原子位置更加准确。
本发明能够在复杂的透射电镜图像中，更加快速地识别二维材料的原子和原子位置，输出原子结构图和相关的数据。本发明既可以应用于无缺陷的透射电镜图像的识别，又可以应用于存在点缺陷或晶粒间界的透射电镜图像中缺陷结构的识别。本发明简单易操作、高效、延展性好。
本发明可以分类挑选出不同的原子，并输出对应原子位置，经处理后，有利于不同相的材料结构对比，此方法高效的解决了从形貌上证实某一个相的材料结构。可用于原位相变实验中，提高对于拍摄的大量透射电镜图片处理能力，证实局部发生相变。
图9为本发明所提供的一种二维材料的透射电镜图像识别、分析系统结构示意图，如图9所示，本发明所提供的一种二维材料的透射电镜图像识别、分析系统，包括：透射电镜图像获取模块901、原子中心确定模块902、原子位置确定模块903、原子结构图确定模块904和二维材料的形貌、角度以及键长确定模块905。
透射电镜图像获取模块901用于获取二维材料的透射电镜图像。
原子中心确定模块902用于将所述透射电镜图像中像素大于设定阈值的像素点确定为原子中心。
原子位置确定模块903用于根据确定原子中心后的透射电镜图像和所述二维材料的原子半径，采用多条等高线的多椭圆拟合法，确定原子位置。
原子结构图确定模块904用于根据所述原子位置将原子进行连接，得到原子结构图。
二维材料的形貌、角度以及键长确定模块905用于根据所述原子结构图确定所述二维材料的形貌、角度以及键长。
本发明所提供的一种二维材料的透射电镜图像识别、分析系统，还包括：滤波处理模块。
滤波处理模块用于对所述透射电镜图像进行滤波处理；所述滤波处理包括高斯滤波法、中值滤波法或BM3D降噪法。
本发明所提供的一种二维材料的透射电镜图像识别、分析系统，还包括：归一化处理模块和设定阈值确定模块。
归一化处理模块用于对所述透射电镜图像的灰度值进行归一化处理。
设定阈值确定模块用于根据归一化处理后的透射电镜图像确定所述设定阈值。
所述原子位置确定模块903具体包括：待分析区域确定单元、初步识别原子位置确定单元和原子位置确定单元。
待分析区域确定单元用于将所述确定原子中心后的透射电镜图像进行划分，得到多个待分析区域。
初步识别原子位置确定单元用于将所述待分析区域中亮度值最大的像素点确定为初步识别原子位置。
原子位置确定单元用于根据所述初步识别的原子位置和所述二维材料的原子半径，采用多条等高线的多椭圆拟合法，确定所述原子位置。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种二维材料的透射电镜图像识别、分析方法，其特征在于，包括：
获取二维材料的透射电镜图像；
将所述透射电镜图像中像素大于设定阈值的像素点确定为原子中心；
根据确定原子中心后的透射电镜图像和所述二维材料的原子半径，采用多条等高线的多椭圆拟合法，确定原子位置；
根据所述原子位置将原子进行连接，得到原子结构图；
根据所述原子结构图确定所述二维材料的形貌、角度以及键长；
所述根据确定原子中心后的透射电镜图像和所述二维材料的原子半径，采用多条等高线的多椭圆拟合法，确定原子位置，具体包括：
将所述确定原子中心后的透射电镜图像进行划分，得到多个待分析区域；
将所述待分析区域中亮度值最大的像素点确定为初步识别原子位置；
根据所述初步识别的原子位置和所述二维材料的原子半径，采用多条等高线的多椭圆拟合法，确定所述原子位置。
2.根据权利要求1所述的一种二维材料的透射电镜图像识别、分析方法，其特征在于，所述获取二维材料的透射电镜图像，之后还包括：
对所述透射电镜图像进行滤波处理；所述滤波处理包括高斯滤波法、中值滤波法或BM3D降噪法。
3.根据权利要求1所述的一种二维材料的透射电镜图像识别、分析方法，其特征在于，所述将所述透射电镜图像中像素大于设定阈值的像素点确定为原子中心，之前还包括：
对所述透射电镜图像的灰度值进行归一化处理；
根据归一化处理后的透射电镜图像确定所述设定阈值。
4.一种二维材料的透射电镜图像识别、分析系统，其特征在于，包括：
透射电镜图像获取模块，用于获取二维材料的透射电镜图像；
原子中心确定模块，用于将所述透射电镜图像中像素大于设定阈值的像素点确定为原子中心；
原子位置确定模块，用于根据确定原子中心后的透射电镜图像和所述二维材料的原子半径，采用多条等高线的多椭圆拟合法，确定原子位置；
原子结构图确定模块，用于根据所述原子位置将原子进行连接，得到原子结构图；
二维材料的形貌、角度以及键长确定模块，用于根据所述原子结构图确定所述二维材料的形貌、角度以及键长；
所述原子位置确定模块具体包括：
待分析区域确定单元，用于将所述确定原子中心后的透射电镜图像进行划分，得到多个待分析区域；
初步识别原子位置确定单元，用于将所述待分析区域中亮度值最大的像素点确定为初步识别原子位置；
原子位置确定单元，用于根据所述初步识别的原子位置和所述二维材料的原子半径，采用多条等高线的多椭圆拟合法，确定所述原子位置。
5.根据权利要求4所述的一种二维材料的透射电镜图像识别、分析系统，其特征在于，还包括：
滤波处理模块，用于对所述透射电镜图像进行滤波处理；所述滤波处理包括高斯滤波法、中值滤波法或BM3D降噪法。
6.根据权利要求4所述的一种二维材料的透射电镜图像识别、分析系统，其特征在于，还包括：
归一化处理模块，用于对所述透射电镜图像的灰度值进行归一化处理；
设定阈值确定模块，用于根据归一化处理后的透射电镜图像确定所述设定阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010861477.4A CN112132785B (zh) | 2020-08-25 | 2020-08-25 | 一种二维材料的透射电镜图像识别、分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010861477.4A CN112132785B (zh) | 2020-08-25 | 2020-08-25 | 一种二维材料的透射电镜图像识别、分析方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112132785A CN112132785A (zh) | 2020-12-25 |
| CN112132785B true CN112132785B (zh) | 2023-12-15 |
Family
ID=73848583
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010861477.4A Active CN112132785B (zh) | 2020-08-25 | 2020-08-25 | 一种二维材料的透射电镜图像识别、分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112132785B (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103558604A (zh) * | 2013-10-12 | 2014-02-05 | 浙江大学 | 飞行时间原理的调制型漫反射表面反射成像方法与系统 |
| CN104729425A (zh) * | 2015-03-17 | 2015-06-24 | 中国科学院物理研究所 | 多晶薄膜形貌的测量方法及测量装置 |
| CN104820994A (zh) * | 2015-04-20 | 2015-08-05 | 陕西科技大学 | 一种适用于连续高分辨透射电镜图像的分析方法 |
| CN105005991A (zh) * | 2015-07-07 | 2015-10-28 | 西安交通大学 | 一种高分辨扫描透射图像中批量计算原子质心位移的方法 |
| CN107392953A (zh) * | 2017-09-20 | 2017-11-24 | 四川长虹电器股份有限公司 | 基于等高线的深度图像识别方法 |
| WO2018040342A1 (zh) * | 2016-08-31 | 2018-03-08 | 百度在线网络技术（北京）有限公司 | 用于识别图像中文字区域的方法和装置 |
| WO2018076437A1 (zh) * | 2016-10-25 | 2018-05-03 | 宇龙计算机通信科技(深圳)有限公司 | 一种人脸贴图方法及装置 |
| KR101884565B1 (ko) * | 2017-04-20 | 2018-08-02 | 주식회사 이볼케이노 | 2차원 이미지를 이용한 객체의 3차원 모델링 장치 및 방법 |
| CN108711145A (zh) * | 2018-03-29 | 2018-10-26 | 西安石油大学 | 一种基于三维图像分析的腐蚀形貌描述解释方法 |
| CN109597067A (zh) * | 2018-12-21 | 2019-04-09 | 济南爱我本克网络科技有限公司 | 毫米波辐射计线列扫描低识别度目标的分析方法和系统 |
| KR101969242B1 (ko) * | 2017-12-29 | 2019-04-15 | 포항공과대학교 산학협력단 | 원자 구조 해석 장치 및 방법 |
| CN109797352A (zh) * | 2019-02-28 | 2019-05-24 | 江苏集萃安泰创明先进能源材料研究院有限公司 | 一种非晶态合金平均原子团簇尺寸的调控方法 |
| CN110348263A (zh) * | 2019-06-24 | 2019-10-18 | 西安理工大学 | 一种基于图像识别的二维随机码图像识别与提取方法 |
| CN110458954A (zh) * | 2019-07-31 | 2019-11-15 | 阿里巴巴集团控股有限公司 | 一种等高线生成方法、装置及设备 |
| CN110648359A (zh) * | 2019-09-23 | 2020-01-03 | 山东师范大学 | 一种果实目标定位识别方法及系统 |
-
2020
- 2020-08-25 CN CN202010861477.4A patent/CN112132785B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103558604A (zh) * | 2013-10-12 | 2014-02-05 | 浙江大学 | 飞行时间原理的调制型漫反射表面反射成像方法与系统 |
| CN104729425A (zh) * | 2015-03-17 | 2015-06-24 | 中国科学院物理研究所 | 多晶薄膜形貌的测量方法及测量装置 |
| CN104820994A (zh) * | 2015-04-20 | 2015-08-05 | 陕西科技大学 | 一种适用于连续高分辨透射电镜图像的分析方法 |
| CN105005991A (zh) * | 2015-07-07 | 2015-10-28 | 西安交通大学 | 一种高分辨扫描透射图像中批量计算原子质心位移的方法 |
| WO2018040342A1 (zh) * | 2016-08-31 | 2018-03-08 | 百度在线网络技术（北京）有限公司 | 用于识别图像中文字区域的方法和装置 |
| WO2018076437A1 (zh) * | 2016-10-25 | 2018-05-03 | 宇龙计算机通信科技(深圳)有限公司 | 一种人脸贴图方法及装置 |
| KR101884565B1 (ko) * | 2017-04-20 | 2018-08-02 | 주식회사 이볼케이노 | 2차원 이미지를 이용한 객체의 3차원 모델링 장치 및 방법 |
| CN107392953A (zh) * | 2017-09-20 | 2017-11-24 | 四川长虹电器股份有限公司 | 基于等高线的深度图像识别方法 |
| KR101969242B1 (ko) * | 2017-12-29 | 2019-04-15 | 포항공과대학교 산학협력단 | 원자 구조 해석 장치 및 방법 |
| CN108711145A (zh) * | 2018-03-29 | 2018-10-26 | 西安石油大学 | 一种基于三维图像分析的腐蚀形貌描述解释方法 |
| CN109597067A (zh) * | 2018-12-21 | 2019-04-09 | 济南爱我本克网络科技有限公司 | 毫米波辐射计线列扫描低识别度目标的分析方法和系统 |
| CN109797352A (zh) * | 2019-02-28 | 2019-05-24 | 江苏集萃安泰创明先进能源材料研究院有限公司 | 一种非晶态合金平均原子团簇尺寸的调控方法 |
| CN110348263A (zh) * | 2019-06-24 | 2019-10-18 | 西安理工大学 | 一种基于图像识别的二维随机码图像识别与提取方法 |
| CN110458954A (zh) * | 2019-07-31 | 2019-11-15 | 阿里巴巴集团控股有限公司 | 一种等高线生成方法、装置及设备 |
| CN110648359A (zh) * | 2019-09-23 | 2020-01-03 | 山东师范大学 | 一种果实目标定位识别方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| STM图像表面模拟及图像降噪的研究进展;张实华;;四川理工学院学报(自然科学版)(03);第108-111页 * |
| 智能时代下的新型柔性压阻传感器;骆泽纬等;材料导报;第第34卷卷(第第1期期);第01069-01079页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112132785A (zh) | 2020-12-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109255334B (zh) | 基于深度学习语义分割网络的遥感影像地物分类方法 | |
| CN110992317A (zh) | 一种基于语义分割的pcb板缺陷检测方法 | |
| CN108961235A (zh) | 一种基于YOLOv3网络和粒子滤波算法的缺陷绝缘子识别方法 | |
| CN107038416B (zh) | 一种基于二值图像改进型hog特征的行人检测方法 | |
| CN114820773B (zh) | 基于计算机视觉的筒仓运输车辆车厢位置检测方法 | |
| CN106408555A (zh) | 一种基于图像视觉的轴承表面瑕疵检测方法 | |
| CN116703251B (zh) | 基于人工智能的胶圈生产质量检测方法 | |
| CN112465752A (zh) | 一种基于改进的Faster R-CNN小目标检测方法 | |
| CN114820625B (zh) | 一种汽车顶块缺陷检测方法 | |
| CN117974601B (zh) | 基于模板匹配的硅片表面缺陷检测方法及系统 | |
| CN113506240B (zh) | 一种基于深度学习的金相晶界提取和连通方法 | |
| CN115008255B (zh) | 一种用于机床的刀具磨损识别方法及装置 | |
| CN117197686A (zh) | 一种基于卫星影像的高标准农田地块边界自动识别方法 | |
| CN116645328A (zh) | 一种高精度轴承套圈表面缺陷智能检测方法 | |
| CN103106663B (zh) | 计算机系统中基于图像处理实现sim卡缺陷检测的方法 | |
| CN110008949B (zh) | 一种图像目标检测方法、系统、装置和存储介质 | |
| Jia | Fabric defect detection based on open source computer vision library OpenCV | |
| CN112132785B (zh) | 一种二维材料的透射电镜图像识别、分析方法及系统 | |
| CN105787955A (zh) | 一种带钢缺陷的稀疏分割方法及其分割装置 | |
| CN104598906B (zh) | 车辆外轮廓检测方法及其装置 | |
| CN113111736A (zh) | 基于深度可分离卷积及融合pan的多级特征金字塔目标检测方法 | |
| CN111815542B (zh) | 一种树木年轮图像髓心定位、年轮测量方法 | |
| CN116486273B (zh) | 一种小样本遥感图像水体信息提取方法 | |
| CN115601357B (zh) | 一种基于小样本的冲压件表面缺陷检测方法 | |
| CN115471494A (zh) | 基于图像处理的沃柑质检方法、装置、装备及存储介质 |
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 |