基于纹理合成优化算法的多相非均质材料二维微观结构表征与重建

材料微观结构表征与重建(Microstructure characterization and reconstruction,MCR)可用于建立加工-结构-属性(Processing-Structure-Property,PSP)关系,已成为计算材料学与材料设计的研究重点。通过阈值分割将多相非均质材料的金相照片识别为由不同相构成的纹理,结合多分辨率高斯金字塔进行重建。以各相占比为目标参数,对颗粒补充后的重建结果进行面积分数迭代优化,提出了一种面积分数可控的MCR纹理合成算法。利用该优化算法对多相非均质铝硅聚苯酯(AlSi-PHB)封严涂层微观组织进行表征重建,PHB和孔隙两相的两点相关函数计算结果证实了算法的有效性。在此基础上,将两组金相照片作为原始图像,重建20组模型,重建结果的两点相关函数误差最大为8.8×10^(-5)。本研究为多相非均质材料的准确重建提供了解决途径。

视觉深度学习的三维重建方法综述

近年来,三维重建作为计算机视觉的重要任务之一,得到广泛的关注和深入的研究。重点分析近年来使用深度学习重建通用对象的三维形状的研究进展。以深度学习进行三维重建环节为脉络,根据三维重建过程中数据深度特征表示方法将三维重建研究分为体素、点云、曲面网格、隐式曲面四类。再根据输入二维图像的数目分为单视图三维重建和多视图三维重建两类,根据网络架构以及它们使用的训练机制进行具体细分,在讨论每个类别的研究进展的同时,分析每种训练方法的发展前景及优缺点。研究近年来在特定三维重建领域的新热点,例如动态人体三维重建和不完整几何数据的三维补全,对一些关键论文进行比较,总结了这些领域存在的问题。介绍现阶段的三维数据集的重点应用场景和参数。总结现阶段三维重建领域存在数据集缺失、模型训练复杂、缺少特定领域针对性识别等问题。对三维重建在未来的具体应用领域发展前景进行了例证分析,并对三维重建的研究方向进行了展望。