基于CNN-GCN模型的扫描电镜图像分类

通过对矿物扫描电镜图像进行分类与鉴定,能够获取矿物的微观信息,确定矿物的组成与类别,对于油气田生、储、盖类型的研究具有重要的意义.由于在一幅图像之中有时不止有一种矿物,且不同矿物之间具有相关性或共生性的特性,而普通的神经网络只提取图像特征或只注意图像局部的特征关系,忽略了矿物之间的相关性.因此如何利用标签之间的关系进行更优秀的多标签图像分类成为扫描电镜图像分类的重要任务.鉴于上述情况,通过构建基于Resnet50的图像特征学习模块与基于图卷积神经网络的分类器模块构成的引入图卷积的卷积神经网络模型可以很好地完成上述任务.使用卷积神经网络模块提取图像特征,并利用GCN模块学习矿物标签之间的相关性,达到提高分类准确率的目的.此模型相比普通的CNN模型准确率提高了5%,相比引入注意力机制的CNN模型,此模型的准确率仍有3%的优势.实验表明,CNN与GCN相结合的分类模型在扫描电镜数据集分类任务中优于其他的分类模型.

基于深度学习的页岩扫描电镜图像有机质孔隙识别与比较

将深度学习模型引入地质图像分析中,可以大幅提高工作效率,增加研究定量化程度,开拓图像研究新领域。本文以上扬子鄂西地区下寒武统牛蹄塘组页岩的离子抛光扫描电镜图像为例,通过对图片二值化等预处理后,利用Mask-RCNN、FCN和U-Net 3种深度学习模型对页岩中主要矿物、有机质及孔隙等进行识别,比较运行时间与识别结果的准确度,讨论了不同深度学习模型在地质图像识别和处理过程中的适用性和差异性。并优选效果最优的U-Net模型与JMicroVision、Adobe Photoshop等通用图像处理软件识别结果进行孔隙识别对比。结果显示:FCN模型能够基本识别图像中的主要矿物、有机质与孔隙,但对颜色相近的组分和裂缝识别效果较差;Mask-RCNN模型可识别分割性强的主要矿物,但对分辨率较低的孔隙和裂缝识别效果较差;U-Net模型对主要矿物、有机质及孔隙识别效率大大提高,在页岩地质图像识别方面具有优势。相较于通用图像处理软件,U-Net模型识别速度提高了300多倍。基于深度学习U-Net模型识别结果,研究区牛蹄塘组页岩孔隙结构类型可分为矿物内圆状孔、矿物间随机不规则孔、有机棱角状孔和有机密集微孔。基于足够数量电镜图片识别得到的孔隙结构参数对于实际储层分类评价具有参考价值。本实验为基于深度学习的页岩扫描电镜图像识别与分析提供了范例,对提高地质图像研究工作效率和推进油气智能化具有一定的借鉴意义。

基于SCUNet的阻燃材料炭渣扫描电镜图像降噪

扫描电镜(SEM)会由于外部环境扰动或仪器自身存在的电子噪声等因素而导致拍摄出的阻燃材料炭渣照片存在一定的噪声。提出一种基于SCUNet(Swin-Conv-UNet)的阻燃材料炭渣扫描电镜图像降噪方法。首先通过训练含噪图像数据集的阻燃材料炭渣扫描电镜图像得到去噪模型,然后使用该模型对不同噪声水平的图像进行去噪测试,最后计算峰值信噪比和结构相似性。对比结果表明:基于SCUNet的降噪方法比DnCNN在峰值信噪比上提升0.3265 dB,增幅约为1.1%;在结构相似性上提升0.0099,增幅约为1.3%。

基于CP-YOLOX的冷冻电镜图像蛋白质目标检测算法

针对现有的冷冻电镜图像蛋白质目标检测算法存在特征融合不充分、网络模型复杂、漏选、错选等问题,提出一种冷冻电镜图像目标检测算法(Cryo-Protein YOLOX,CP-YOLOX)。算法主要包含特征提取模块、特征融合模块、输出端。特征提取模块应用本文提出的B-ResBlockX模块,它使用分组的滤波器产生多条特征通道,提高了特征融合能力,从而捕捉更多细节特征。特征融合模块应用本文提出的FastHead模块,它利用多级的扩张卷积模块并且将输出端简化为单通道,可以在不损失精度的情况下,拥有更加轻量的网络结构。同时为进一步提升准确率与收敛速度,位置损失函数加入目标框与预测框的欧氏距离约束。在公开数据集EMPIAR-10028、EMPIAR-10081、EMPIAR-10089上的实验结果表明,对比YOLOX,所提算法的网络参数量仅为5.19×10^(6),mAP(0.5)分别提升了2.4、3.3和2.5个百分点。

电镜图像在黄土结构性研究中应用的几个问题

对电镜图像在黄土微结构研究中的问题进行了探讨。因为观察放大倍数不同 ,黄土的结构性图像显示出"尺度效应" ,为此文中定义了黄土结构性的分类以避免笼统使用"微结构"这一词所带来的指代不准确。结合土力学研究实际 ,文中对黄土孔隙分类提出了新的认识 ,并建立了新的分类标准以便利于研究应用。最后 ,作者对研究选用黄土电镜结构性图像的原则作了综述。

基于SIFT的软骨切片电镜图像拼接算法

软骨组织断层的电镜图像拼接是人工软骨组织培养过程中的关键技术之一.对二维断层电镜图像的拼接方法进行了深入研究,利用SIFT算法对图片进行关键点检测,利用kd-tree建立数据索引,进行关键点的快速匹配,确定图像位移,实现了局部断层图像的无缝拼接,有效解决了电镜图像视角小的问题.在VS2010环境下利用C语言进行仿真,实验表明,该方法具有鲁棒性强、实时性好的特点.证明该方法可以为人工软骨组织的培养提供客观的科学支持.

电镜图像在黄土结构性研究中应用的几个问题(英文)

电镜结构性图像是认识黄土结构特征,分析黄土土力学特性的重要方法。本文对不同研究目的情况下如何利用黄土电镜微结构图像的问题进行了探讨,并指出随着观察放大倍数的不同,黄土的结构性图像显示出明显的尺度效应。定义了黄土结构性的分类以避免因笼统使用“微结构”这一词所带来的指代不准确性。根据土力学研究的需要对黄土孔隙划分标准提出了新的认识,建立一套新的分类标准以便利于研究运用。最后综述了在研究中选用黄土电镜结构性图像的原则。

基于改进Mean Shift的高铬铸铁电镜图像碳化物目标提取

鉴于高铬铸铁电镜图像含有丰富的纹理背景,运用传统的算法对其进行聚类过程中,往往出现过多模式点,导致图像过分割的现象,提出一种改进的Mean Shift聚类方法并以此对高铬铸铁电镜图像中碳化物目标进行提取。首先,利用传统的Mean Shift算法对特征空间采样点进行迭代得到初始模式点;再将空域距离小于空域带宽hs、色度域距离小于色度域带宽hr的模式点及像素值之差小于阈值T的邻近区域进行合并,以避免产生过多聚类数;然后对每个聚类中心采用双阈值法提取出目标区域;最后消去二值化图像中面积小于阈值N2的非连通背景区域。实验结果表明,改进方案相对于传统的Mean Shift算法、K均值算法等同类算法能够更为有效地提取出高铬铸铁显微图像中的碳化物,为后续的高铬铸铁性能分析提供可靠依据。

电镜图像的量子衍生增强算法

在量子信息处理框架下,从像素灰度归一化、像素量子态表示、量子测量、测量结果映射等方面,总结了现有量子衍生图像增强算法的处理流程。以SARS-CoV-2新冠病毒电镜图像增强为样本,结合实验分析,改进了量子衍生增强算子的加权方式,提出了灰度变换可调参数优化值的非迭代式确定算子。实验结果表明,量子衍生增强算法综合考虑了电镜图像的全局与局部信息,兼顾了对电镜图像对比度与亮度的调节,图像细节清晰、明暗适宜。

组织细胞核电镜图像的三维重建

组织细胞核电镜图像的三维重建１００８５３北京解放军总医院纪小龙，侯宁，张风英，郁贤章，田晓玲关键词细胞核；电镜三维重建中国图书资料分类号Ｒ３６１．３细胞的一切生命活动都是靠细胞内蕴藏的大量遗传信息来控制的。核占细胞质的１／３至１／４，其大小形状、分布...

低反差电镜图像底片及照片的冲洗显影

本文根据显影液的各组成成份在显影过程中的作用特点，介绍了低反差电镜图像底片及照片的冲洗方法。

扫描电镜图像分析仪在矿物鉴定中的应用

在传统的矿物鉴定中,难以立体地描述矿石样本中的矿物类型及所在区域,因此将扫描电镜图像分析仪应用于矿物鉴定中。论述扫描电镜图像分析技术原理,归纳总结电子束击打在矿石样本表面后形成的分散电子类型,并分别描述其性质,分析该技术的优势,包括分辨率高、具备三维立体结构等。论述扫描电镜图像分析仪在矿物鉴定中的应用方法,通过矿石自身的导电性能,区分所需扫描电镜种类及参数,分析不同矿石中的元素组成含量,推断矿石具体成分,寻找页岩结构中的微小孔隙。

电镜图像的量子衍生协同式边缘滤波

针对冠状病毒电镜图像特点及其轮廓提取、目标检测和噪声抑制的综合处理需求,研究了量子衍生边缘滤波机制及协同策略。从像素的双量子比特态表示与量子测量及结果检验方式出发,结合力场转换与量子衍生中值滤波,构建了量子衍生协同式边缘滤波框架及实施路线。实验分析了边缘滤波框架中的协同策略及融合效果,对比验证了量子测量结果检验方式的有效性。实验表明:冠状病毒电镜图像经过量子衍生协同式边缘滤波处理后,提升了形态学分析的质量条件。

多形态大尺寸碳纳米管的制备及电镜图像

多形态大尺寸碳纳米管的制备及电镜图像余荣清，詹梦熊，程大典，翟和生，杨士姚，黄荣彬，郑兰荪（厦门大学化学系、分析测试中心，厦门，３６１００５）关键词碳纳米管，制备，电镜图像自Ｉｉｊｉｍａ［１］观察到由碳原子组成的纳米级管状物后，由于这种碳纳米管（ｃａ...

基于YOLOv3框架的高分辨电镜图像原子峰位置检测

高分辨电镜图像中原子峰位置的检测具有十分重要的现实意义,通过精确定量化原子峰位置可以分析物质在微观尺度上的结构形变、电极化矢量分布等重要信息.近年来深度学习技术在图像目标检测领域取得了巨大突破,这一技术可用在高分辨电镜图像处理上,因为原子位置的检测可以看作是一个目标检测问题.本文利用先进的机器学习方法,通过制作高质量原子图像样本集,使用YOLOv3目标识别框架对原子图像进行自动检测,达到预期效果,实现了深度学习技术在高分辨电镜图像处理领域的应用.该方法的运用有望突破自动处理动态、大量电镜图片的瓶颈问题.