摘要
扫描电镜已经广泛应用于物理、化学和材料等研究领域.目前大多数研究主要集中于两方面,一是观察材料的微观结构,二是根据材料的扫描电镜微观结构判断材料种类.第二方面的研究还处于初级阶段,目前有关基于电镜图像实现材料自动归类的研究未见报道,仅根据材料的电镜图片来判断材料的种类是一件费时费力的工作,因此,针对这一问题,提出将LNIP (Local Neighborhood Intensity Pattern)算法引入电镜图片识别中.首先,将收集到的电镜图片分为训练集与测试集,利用LNIP算法对训练图片进行特征提取,得到同尺度下、不同种类材料的特征值;随后,在测试集中进行分类验证.最后,实验显示该方法对电镜材料的分类准确度高达96％,高于使用传统LBP(Local Binary Patterns)方法的召回率.由此利用LNIP算法可实现更准确地实现对未知材料的电镜图片的自动分类.
基金项目
国家自然科学基金资助项目(21606099)
吉林省教育厅“十三五”科学技术项目(JJKH20170376KJ)
吉林省教育厅“十三五”科学技术项目(JJKH20180785KJ)
国家级创新训练项目(201810203006)
吉林师范大学学术型研究生创新科研计划(研创新201925)
NETL
NSTL
维普
万方数据