CN113642437B - 一种对煤中不同组分含量及半径的定量计算方法 - Google Patents
一种对煤中不同组分含量及半径的定量计算方法 Download PDFInfo
- Publication number
- CN113642437B CN113642437B CN202110884666.8A CN202110884666A CN113642437B CN 113642437 B CN113642437 B CN 113642437B CN 202110884666 A CN202110884666 A CN 202110884666A CN 113642437 B CN113642437 B CN 113642437B
- Authority
- CN
- China
- Prior art keywords
- pixel
- components
- binary image
- function
- matrix
- 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
- 239000003245 coal Substances 0.000 title claims abstract description 40
- 238000004364 calculation method Methods 0.000 title claims abstract description 15
- 239000011435 rock Substances 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 31
- 238000001914 filtration Methods 0.000 claims description 16
- 230000011218 segmentation Effects 0.000 claims description 12
- 238000012512 characterization method Methods 0.000 claims description 6
- 239000011148 porous material Substances 0.000 claims description 6
- 230000008030 elimination Effects 0.000 claims description 5
- 238000003379 elimination reaction Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 2
- 238000003703 image analysis method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 abstract 1
- 229920000832 Cutin Polymers 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004445 quantitative analysis Methods 0.000 description 3
- 238000002310 reflectometry Methods 0.000 description 3
- 229920002101 Chitin Polymers 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004939 coking Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 239000004079 vitrinite Substances 0.000 description 2
- 241000195493 Cryptophyta Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 210000002706 plastid Anatomy 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/22—Fuels; Explosives
- G01N33/222—Solid fuels, e.g. coal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge 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
-
- 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
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种对煤中不同组分含量及半径的定量计算方法,包括步骤:对煤岩薄片的显微镜照片进行选择性的二值图像转化,获取含有特点煤岩显微组分的二值图像;提取的含有特点煤岩显微组分的二值图像的所有联通的像素矩阵,并对像素矩阵进行降噪;对降噪后的所有像素矩阵的组分边缘进行识别,根据组分边缘识别结果对像素矩阵进行显微组分面积和显微组分半径计算,获得像素矩阵的全部显微组分的占比和组分分布图。本发明相对于传统人工识别方法方便快捷精准,不用费时费力,而且是依靠计算机进行识别。能够弥补已存在的图像分析方法的对颜色相同的橙黄色(角质组)与黄色(大小孢子)组分不发区分的缺陷。
Description
技术领域
本发明涉及煤层组分分析技术领域,具体涉及一种对煤中不同组分含量及半径的定量计算方法。
背景技术
在光学显微镜下能够识别出来组成煤的基本单位,称为显微组分。微观上,煤岩由镜质组、惰质组、壳质组三大显微组分及少量矿物组成的。煤的化学组成和工业利用中表现的结焦性等工艺性质主要受煤化程度和煤岩显微组分组成影响。现阶段对于煤中显微组分含量的定量分析主要包括传统的人工肉眼在显微镜下的分析以及依靠计算机的煤岩显微图像自动识别技术。
传统的人工肉眼在显微镜下测量镜质组反射率和鉴定煤岩显微组分,不仅劳动强度大、费时长,而且受人的主观认识差异影响,导致不同操作者测量结果一致性不好,实验室之间的鉴定数据比对难,严重制约了煤岩参数在煤炭分类和炼焦配煤等工业中的应用,实现煤岩自动化测试是多年来煤岩学界迫切盼望解决的技术难题。
现有存在的技术问题:
(1)现阶段的煤岩显微图像自动识别技术很难对反射率相近的显微组分如树皮组和角质组进行区分与识别。
(2)受煤岩组分的复杂性及非均质性影响,很多粒度较低的组分如小孢子较难被检测。
发明内容
本发明的目的在于提供一种对煤中不同组分含量及半径的定量计算方法,以解决现有技术中煤岩显微图像自动识别技术很难对反射率相近的显微组分如树皮组和角质组进行区分与识别,以及受煤岩组分的复杂性及非均质性影响,很多粒度较低的组分如小孢子较难被检测的技术问题。
为解决上述技术问题,本发明具体提供下述技术方案:
一种对煤中不同组分含量及半径的定量计算方法,包括步骤:
S100、对煤岩薄片的显微镜照片进行选择性的二值图像转化,获取含有特点煤岩显微组分的二值图像;
S200、提取的含有特点煤岩显微组分的二值图像的所有联通的像素矩阵,并对像素矩阵进行降噪;
S300、对降噪后的所有像素矩阵的组分边缘进行识别,根据组分边缘识别结果对像素矩阵进行显微组分面积和显微组分半径计算,获得像素矩阵的全部显微组分的占比和组分分布图。
作为本发明的一种优选方案,在S100中,利用MATLAB软件的Image Segmentr对煤岩薄片的显微镜照片进行依据颜色种类和像素种类的选择性的二值图像转化。
作为本发明的一种优选方案,在S200中,对像素矩阵进行降噪的具体为利用MATLAB软件的函数bwmorph和函数size对所有联通的像素矩阵降噪,具体算法为:
A=bwmorph(A,’majority’,5);
[S1,S2]=size(A);
Pr=zeros(s1,s2);
其中,A代替图像中联通的像素点或者矩阵,bwmorph(A,'majority',5)代表对二值图像像素连接点为5以上的矩阵进行输出,5以下的二值图像像素连接点则应用zeros函数进行像素0输出;
[s1,s2]=size(A)代表当两个输出函数时,函数size对矩阵的行数返回到第一个输出变量s1中,将矩阵列数返回到第二个输出变量s2中。
作为本发明的一种优选方案,在S300中,利用函数bwperim对像素矩阵进行边缘的查找计算:
P=bwperim(A);
利用函数sum进行显微组分面积的占比进行计算:
P=sum(sum(A));
其中,P代表某个联通的像素矩阵。
作为本发明的一种优选方案,在S300中,对像素矩阵的组分半径进行计算,包括:
for I=1:s1
for J=1:s2
if A(I,J)==0&&B(I,J)~=0
Pr(I,J)=1;
End
L=bwlabel(BW,n);
其中,L=bwlabel(BW,n)表示返回一个和BW大小相同的L矩阵,包含了标记了BW中每个连通区域的类别标签,类别标签的个数数值为1、2、num;
n的值为4或8,表示是按4连通寻找区域,还是8连通寻找,默认为8。
作为本发明的一种优选方案,在利用函数bwperim对像素矩阵进行边缘的查找计算之前,预先对二值化图像的孔隙分割,具体包括:
S201、对经过以中值滤波进行降噪处理的二值化图像进行组分的标记,其中,选择最能够代表组分的部分标记为零点像素点;
S202、构建基于组分的分割表征函数,分割表征函数具体包括区域部数据项和边界部数据项,并计算每个零点像素点对应的两个区域部数据项和每两个零点像素点对应的边界部数据项,并同时将二值化图像映射为网络图;
S203、基于计算的每个零点像素点对应的两个区域部数据项和每两个零点像素点对应的边界部数据项在网络图中权值,求网络图中的最小割,获得孔隙的分割结果。
作为本发明的一种优选方案,在利用MATLAB软件的函数bwmorph和函数size对所有联通的像素矩阵降噪之前,复制一份二值化图像,对其中一个二值化图像进行高通滤波和边缘增强,对经过高通滤波后和边缘增强后的二值化图像进行设定的组分像素半径的噪点消除,随后融合两个二值化图像,对融合后的二值化图像进行中值滤波。
作为本发明的一种优选方案,在对经过高通滤波后和边缘增强后的二值化图像进行设定的像素半径的噪点消除包括在不提供作为像素半径的取值的第二参数情况下,利用距离变换算法默认计算二值化图像中的当前的像素点与最近的非0像素点的距离,并返回与中值滤波后的二值化图像相同大小的结果矩阵。
本发明与现有技术相比较具有如下有益效果:
本发明相对于传统人工识别方法方便快捷精准,不用费时费力,而且是依靠计算机进行识别。能够弥补已存在的图像分析方法的对颜色相同的橙黄色(角质组)与黄色(大小孢子)组分不发区分的缺陷。该方法能够对组分进行定量计算,这一点也是已存在的煤岩微观组分分析没有的定量方法。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述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示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图引伸获得其它的实施附图。
图1为本发明实施例的流程示意图;
图2为本发明实施例中原始显微镜下各类组分示意图;
图3为本发明实施例中各类组分处理后的示意图。
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。
如图1所示,本发明提供了一种对煤中不同组分含量及半径的定量计算方法,包括步骤:
S100、对煤岩薄片的显微镜照片进行选择性的二值图像转化,获取含有特点煤岩显微组分的二值图像;
S200、提取的含有特点煤岩显微组分的二值图像的所有联通的像素矩阵,并对像素矩阵进行降噪;
S300、对降噪后的所有像素矩阵的组分边缘进行识别,根据组分边缘识别结果对像素矩阵进行显微组分面积和显微组分半径计算,获得像素矩阵的全部显微组分的占比和组分分布图。
在S100中,利用MATLAB软件的Image Segmentr对煤岩薄片的显微镜照片进行依据颜色种类和像素种类的选择性的二值图像转化。
在S200中,对像素矩阵进行降噪的具体为利用MATLAB软件的函数bwmorph和函数size对所有联通的像素矩阵降噪,具体算法为:
A=bwmorph(A,’majority’,5);
[S1,S2]=size(A);
Pr=zeros(s1,s2);
其中,A代替图像中联通的像素点或者矩阵,bwmorph(A,'majority',5)代表对二值图像像素连接点为5以上的矩阵进行输出,5以下的二值图像像素连接点则应用zeros函数进行像素0输出;
[s1,s2]=size(A)代表当两个输出函数时,函数size对矩阵的行数返回到第一个输出变量s1中,将矩阵列数返回到第二个输出变量s2中。
在S300中,利用函数bwperim对像素矩阵进行边缘的查找计算:
P=bwperim(A);
利用函数sum进行显微组分面积的占比进行计算:
P=sum(sum(A));
其中,P代表某个联通的像素矩阵。
在S300中,对像素矩阵的组分半径进行计算,包括:
其中,L=bwlabel(BW,n)表示返回一个和BW大小相同的L矩阵,包含了标记了BW中每个连通区域的类别标签,类别标签的个数数值为1、2、num;
n的值为4或8,表示是按4连通寻找区域,还是8连通寻找,默认为8。
在利用函数bwperim对像素矩阵进行边缘的查找计算之前,预先对二值化图像的孔隙分割,具体包括:
S201、对经过以中值滤波进行降噪处理的二值化图像进行组分的标记,其中,选择最能够代表组分的部分标记为零点像素点;
S202、构建基于组分的分割表征函数,分割表征函数具体包括区域部数据项和边界部数据项,并计算每个零点像素点对应的两个区域部数据项和每两个零点像素点对应的边界部数据项,并同时将二值化图像映射为网络图;
S203、基于计算的每个零点像素点对应的两个区域部数据项和每两个零点像素点对应的边界部数据项在网络图中权值,求网络图中的最小割,获得孔隙的分割结果。
在利用MATLAB软件的函数bwmorph和函数size对所有联通的像素矩阵降噪之前,复制一份二值化图像,对其中一个二值化图像进行高通滤波和边缘增强,对经过高通滤波后和边缘增强后的二值化图像进行设定的组分像素半径的噪点消除,随后融合两个二值化图像,对融合后的二值化图像进行中值滤波。
在对经过高通滤波后和边缘增强后的二值化图像进行设定的像素半径的噪点消除包括在不提供作为像素半径的取值的第二参数情况下,利用距离变换算法默认计算二值化图像中的当前的像素点与最近的非0像素点的距离,并返回与中值滤波后的二值化图像相同大小的结果矩阵。
为了验证本发明,本文以鄂尔多斯盆地煤岩为样品,并对其壳质组,镜质组及惰质组组分结构图像进行定量分析,而三大的显微组分又分为大孢子、小孢子、角质体、树皮体、树质体、藻类体为主。通过显微镜下观察,研究区以角质体和树皮体组成的样品为主。
根据定量分析流程图,首先应用MATLAB软件中应用程序Image Segmenter对所选样品中需要的组分进行圈定(绿色区域代表需要二值图像所转化的组分区域,也就是计算区域),所转化的带有组分各自特征的二值图像结果如图2中(B)(C)(D)。
图2为原始显微镜下所观察的各类组分结果,其中橙红色为角质组,黄色为树皮组,黑色代表基质组分。(B)(C)(D)分别为角质组,基质及树皮组的图像二值化结果。
应用MATLAB中函数bwmorph和函数Size对图像进行进一步降噪,降噪结果如图3中的(A)、(B)、(C)所示。
图3中,(A)煤岩薄片中各类显微组分分布;(B)角质体的二值图;(C)基质的二值图像分布;(D)树皮体的二值图像分布;
进一步应用函数bwperim对以下三个组分的二值图像进行定量计算,各个组分含量分别为9.926%,20.58%,35.62%。
下图中(D)(E)(F)分别为函数bwlabel所识别与划分的当个像素区域,对三个图中的组分半径所提取计算的结果为(G)(H)(I)。
对应的平均组分半径为98.0372μm,88.3547μm,107.6915μm。
(A)降噪后的角质体二值图像;(B)降噪后的基质二值图像;(C)降噪后的树皮体二值图像;(D)角质体的半径分割单元;(E)降噪后的半径分割单元;(F)降噪后的半径分割单元;(G)基于(D)中的组分半径定量输出结果;(H)基于(E)中的组分半径定量输出结果;(I)基于(F)中的组分半径定量输出结果。
以上实施例仅为本申请的示例性实施例,不用于限制本申请,本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内,对本申请做出各种修改或等同替换,这种修改或等同替换也应视为落在本申请的保护范围内。
Claims (6)
1.一种对煤中不同组分含量及半径的定量计算方法,其特征在于,包括步骤:
S100、对煤岩薄片的显微镜照片进行选择性的二值图像转化,获取含有特点煤岩显微组分的二值图像;
S200、提取的含有特点煤岩显微组分的二值图像的所有联通的像素矩阵,并对像素矩阵进行降噪;
S300、对降噪后的所有像素矩阵的组分边缘进行识别,根据组分边缘识别结果对像素矩阵进行显微组分面积和显微组分半径计算,获得像素矩阵的全部显微组分的占比和组分分布图;
其中,利用函数bwperim对像素矩阵进行边缘的查找计算:
P=bwperim(A);
利用函数sum进行显微组分面积的占比进行计算:
P=sum(sum(A));
其中,P代表某个联通的像素矩阵;
且在利用函数bwperim对像素矩阵进行边缘的查找计算之前,预先对二值化图像的孔隙分割,具体包括:
S201、对经过以中值滤波进行降噪处理的二值化图像进行组分的标记,其中,选择最能够代表组分的部分标记为零点像素点;
S202、构建基于组分的分割表征函数,分割表征函数具体包括区域部数据项和边界部数据项,并计算每个零点像素点对应的两个区域部数据项和每两个零点像素点对应的边界部数据项,并同时将二值化图像映射为网络图;
S203、基于计算的每个零点像素点对应的两个区域部数据项和每两个零点像素点对应的边界部数据项在网络图中权值,求网络图中的最小割,获得孔隙的分割结果。
2.根据权利要求1所述的一种对煤中不同组分含量及半径的定量计算方法,其特征在于,在S100中,利用MATLAB软件的Image Segmentr对煤岩薄片的显微镜照片进行依据颜色种类和像素种类的选择性的二值图像转化。
3.根据权利要求2所述的一种对煤中不同组分含量及半径的定量计算方法,其特征在于,在S200中,对像素矩阵进行降噪的具体为利用MATLAB软件的函数bwmorph和函数size对所有联通的像素矩阵降噪,具体算法为:
A=bwmorph(A,’majority’,5);
[S1 ,S2]=size(A);
Pr=zeros(s1,s2);
其中,A代替图像中联通的像素点或者矩阵,bwmorph(A,'majority',5) 代表对二值图像像素连接点为5以上的矩阵进行输出,5以下的二值图像像素连接点则应用zeros函数进行像素0输出;
[s1,s2]=size(A)代表当两个输出函数时,函数size对矩阵的行数返回到第一个输出变量s1中,将矩阵列数返回到第二个输出变量s2中。
4.根据权利要求1所述的一种对煤中不同组分含量及半径的定量计算方法,其特征在于,在S300中,对像素矩阵的组分半径进行计算,包括:
for I=1:s1
for J=1:s2
if A(I,J)==0 && B(I,J)~=0
Pr(I,J)=1;
End
L = bwlabel(BW,n);
其中,L = bwlabel(BW,n)表示返回一个和BW大小相同的L矩阵,包含了标记了BW中每个连通区域的类别标签,类别标签的个数数值为1、2、num;
n的值为4或8,表示是按4连通寻找区域,还是8连通寻找,默认为8。
5.根据权利要求3所述的一种对煤中不同组分含量及半径的定量计算方法,其特征在于,在利用MATLAB软件的函数bwmorph和函数size对所有联通的像素矩阵降噪之前,复制一份二值化图像,对其中一个二值化图像进行高通滤波和边缘增强,对经过高通滤波后和边缘增强后的二值化图像进行设定的组分像素半径的噪点消除,随后融合两个二值化图像,对融合后的二值化图像进行中值滤波。
6.根据权利要求5所述的一种对煤中不同组分含量及半径的定量计算方法,其特征在于,在对经过高通滤波后和边缘增强后的二值化图像进行设定的像素半径的噪点消除包括在不提供作为像素半径的取值的第二参数情况下,利用距离变换算法默认计算二值化图像中的当前的像素点与最近的非0像素点的距离,并返回与中值滤波后的二值化图像相同大小的结果矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110884666.8A CN113642437B (zh) | 2021-08-03 | 2021-08-03 | 一种对煤中不同组分含量及半径的定量计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110884666.8A CN113642437B (zh) | 2021-08-03 | 2021-08-03 | 一种对煤中不同组分含量及半径的定量计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113642437A CN113642437A (zh) | 2021-11-12 |
CN113642437B true CN113642437B (zh) | 2022-05-31 |
Family
ID=78419396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110884666.8A Active CN113642437B (zh) | 2021-08-03 | 2021-08-03 | 一种对煤中不同组分含量及半径的定量计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113642437B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106442526A (zh) * | 2016-08-29 | 2017-02-22 | 青岛理工大学 | 一种基于matlab的活性污泥絮体分析方法 |
CN106951900A (zh) * | 2017-04-13 | 2017-07-14 | 杭州申昊科技股份有限公司 | 一种避雷器仪表读数的自动识别方法 |
CN107081533A (zh) * | 2017-06-29 | 2017-08-22 | 山东大学 | 焊接过程稳定性在线定量评价方法 |
CN108346147A (zh) * | 2018-02-08 | 2018-07-31 | 辽宁翔舜科技有限公司 | 一种煤岩显微组分快速自动精确识别技术方法 |
CN110443303A (zh) * | 2019-08-04 | 2019-11-12 | 中国矿业大学 | 基于图像分割和分类的煤岩显微组分智能识别方法 |
CN110473252A (zh) * | 2019-08-28 | 2019-11-19 | 北京理工大学 | 基于矩阵运算计算任意形状接触面积的方法及模块 |
CN110967741A (zh) * | 2018-09-27 | 2020-04-07 | 中国石油化工股份有限公司 | 基于图像学的同相轴检测方法及系统 |
CN111505038A (zh) * | 2020-04-28 | 2020-08-07 | 中国地质大学(北京) | 一种基于阴极发光技术定量分析砂岩胶结的实现方法 |
CN111504875A (zh) * | 2020-04-28 | 2020-08-07 | 中国地质大学(北京) | 一种致密砂岩孔喉参数的提取及计算方法及提取装置 |
CN111968136A (zh) * | 2020-08-18 | 2020-11-20 | 华院数据技术(上海)有限公司 | 一种煤岩显微图像分析方法及分析系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI321503B (en) * | 2007-06-15 | 2010-03-11 | Univ Nat Taiwan Science Tech | The analytical method of the effective polishing frequency and number of times towards the polishing pads having different grooves and profiles |
KR101930644B1 (ko) * | 2017-09-15 | 2018-12-18 | 한국과학기술원 | 환자 맞춤형 최적 이진화 방법과 분수령 알고리즘에 기반한 관절의 완전 자동 영상 분할 방법 및 장치 |
CN109166124B (zh) * | 2018-11-20 | 2021-12-14 | 中南大学 | 一种基于连通区域的视网膜血管形态量化方法 |
CN110033516B (zh) * | 2019-04-16 | 2022-06-24 | 重庆交通大学 | 基于双目相机图像采集识别的针片状颗粒含量检测方法 |
-
2021
- 2021-08-03 CN CN202110884666.8A patent/CN113642437B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106442526A (zh) * | 2016-08-29 | 2017-02-22 | 青岛理工大学 | 一种基于matlab的活性污泥絮体分析方法 |
CN106951900A (zh) * | 2017-04-13 | 2017-07-14 | 杭州申昊科技股份有限公司 | 一种避雷器仪表读数的自动识别方法 |
CN107081533A (zh) * | 2017-06-29 | 2017-08-22 | 山东大学 | 焊接过程稳定性在线定量评价方法 |
CN108346147A (zh) * | 2018-02-08 | 2018-07-31 | 辽宁翔舜科技有限公司 | 一种煤岩显微组分快速自动精确识别技术方法 |
CN110967741A (zh) * | 2018-09-27 | 2020-04-07 | 中国石油化工股份有限公司 | 基于图像学的同相轴检测方法及系统 |
CN110443303A (zh) * | 2019-08-04 | 2019-11-12 | 中国矿业大学 | 基于图像分割和分类的煤岩显微组分智能识别方法 |
CN110473252A (zh) * | 2019-08-28 | 2019-11-19 | 北京理工大学 | 基于矩阵运算计算任意形状接触面积的方法及模块 |
CN111505038A (zh) * | 2020-04-28 | 2020-08-07 | 中国地质大学(北京) | 一种基于阴极发光技术定量分析砂岩胶结的实现方法 |
CN111504875A (zh) * | 2020-04-28 | 2020-08-07 | 中国地质大学(北京) | 一种致密砂岩孔喉参数的提取及计算方法及提取装置 |
CN111968136A (zh) * | 2020-08-18 | 2020-11-20 | 华院数据技术(上海)有限公司 | 一种煤岩显微图像分析方法及分析系统 |
Non-Patent Citations (2)
Title |
---|
Auto detection of wood texture orientation Radom transform;YU Hai-peng 等;《Journal of Forestry Research》;20051231;第1-4页 * |
基于MATLAB平台的遥感影像沙丘脊线提取与地貌格局表征参数计算;蒋缠文 等;《中国沙漠》;20131130;第1636-1642页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113642437A (zh) | 2021-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107316077B (zh) | 一种基于图像分割及边缘检测的脂肪细胞自动计数方法 | |
CN107665492B (zh) | 基于深度网络的结直肠全景数字病理图像组织分割方法 | |
Jayakody et al. | Microscope image based fully automated stomata detection and pore measurement method for grapevines | |
Tonti et al. | An automated approach to the segmentation of HEp-2 cells for the indirect immunofluorescence ANA test | |
EP2697770B1 (en) | Method for preparing quantitative video-microscopy and associated system | |
Ravindran et al. | Determination and classification of blood types using image processing techniques | |
US20200193139A1 (en) | Systems and methods for automated cell segmentation and labeling in immunofluorescence microscopy | |
US20020081013A1 (en) | Multi-spectral segmentation for image analysis | |
Fabijańska et al. | Towards automatic tree rings detection in images of scanned wood samples | |
Wah et al. | Analysis on feature extraction and classification of rice kernels for Myanmar rice using image processing techniques | |
Achakanalli et al. | Statistical analysis of skin cancer image–a case study | |
Lyashenko et al. | Wavelet Analysis of Cytological Preparations Image in Different Color Systems | |
Mahanta et al. | Cervix cancer diagnosis from pap smear images using structure based segmentation and shape analysis | |
CN113658174A (zh) | 基于深度学习和图像处理算法的微核组学图像检测方法 | |
Sipkens et al. | Using k-means to identify soot aggregates in transmission electron microscopy images | |
CN113435460A (zh) | 一种亮晶颗粒灰岩图像的识别方法 | |
CN115131630A (zh) | 模型训练、微卫星状态预测方法、电子设备及存储介质 | |
WO2019105976A1 (en) | Prostate cancer tissue image classification with deep learning | |
CN101799920A (zh) | 基于颜色特征的舌象分析方法及其应用 | |
Brixtel et al. | Whole slide image quality in digital pathology: review and perspectives | |
CN114092456A (zh) | 细胞荧光图像判别方法及系统 | |
CN113642437B (zh) | 一种对煤中不同组分含量及半径的定量计算方法 | |
Sulaiman et al. | Semi-automated pseudo colour features extraction technique for cervical cancer's pap smear images | |
CN105701816A (zh) | 一种图像自动分割方法 | |
Abrol et al. | An automated segmentation of leukocytes using modified watershed algorithm on peripheral blood smear images |
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 |