專利名稱：基于sem圖像的低維納米材料識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計(jì)算機(jī)模式識(shí)別和納米材料的交叉領(lǐng)域，涉及一種基于計(jì)算機(jī)圖像處理來(lái)實(shí)現(xiàn)低維納米材料識(shí)別方法，可用于納米材料形貌表征，為納米材料合成與生產(chǎn)提供指導(dǎo)。
背景技術(shù)：
目前，低維納米技術(shù)(通常包括一維和二維納米技術(shù))，尤其是一維納米技術(shù)已經(jīng)日漸成為工業(yè)生產(chǎn)和科技研究的革命力量，在一定程度上代表了納米技術(shù)未來(lái)的發(fā)展方向；然而由于低維納米材料結(jié)構(gòu)、形態(tài)復(fù)雜多樣，相應(yīng)的輔助檢測(cè)手段和形貌表征技術(shù)相對(duì)缺乏，特別是在形貌檢測(cè)和分類鑒別方面，目前還幾乎是一個(gè)空白，這已經(jīng)成為制約低維納米技術(shù)發(fā)展的一個(gè)瓶頸。傳統(tǒng)的納米材料分析與表征方法大多局限于組成分析(如能譜分析EDS/EDX ；X 射線衍射分析XRD)和結(jié)構(gòu)形貌表征上(如掃描電子顯微鏡-SEM、透射電子顯微鏡-TEM、 原子力顯微鏡-AFM)。例如，有的科研人員根據(jù)材料的XRD數(shù)據(jù)，利用幾何公式對(duì)顆粒材料的粒徑進(jìn)行計(jì)算，從而得到顆粒粒徑分布的一個(gè)大致結(jié)果，或者通過(guò)理論計(jì)算給出相應(yīng)的理論值信息，上述方法雖然計(jì)算簡(jiǎn)便，但只能給出零維納米顆粒直徑、大小等簡(jiǎn)單的特征指標(biāo)，而對(duì)于更復(fù)雜的一維納米材料則無(wú)能為力。也有一些科研人員利用相關(guān)圖像來(lái)獲取納米材料的相關(guān)信息，并對(duì)其質(zhì)量進(jìn)行評(píng)估，如對(duì)于二維納米材料(薄膜)，大多采用AFM的手段對(duì)其進(jìn)行分析，以判斷薄膜的合成質(zhì)量；對(duì)于量子點(diǎn)材料(顆粒)，大多采用TEM給出的圖像數(shù)據(jù)進(jìn)行分析。上述方法只是利用人眼進(jìn)行估計(jì)和判別，以此得出相關(guān)結(jié)論，并未從圖像處理的角度進(jìn)行分析，受主觀因素影響很大，缺乏理論依據(jù)、難以對(duì)材料進(jìn)行定量分析， 也無(wú)法形成統(tǒng)一的標(biāo)準(zhǔn)，更不利于計(jì)算機(jī)操作，難以滿足實(shí)際工程的需要。目前，分形理論在納米薄膜材料、粉體材料、納米碳管、納米懸浮體系、納米復(fù)合材料、納米晶須等方面的應(yīng)用已經(jīng)取得了一定的成果。在以往的文獻(xiàn)中，科研人員大多基于TEM、AFM、斑點(diǎn)等類型的圖像，通過(guò)計(jì)算納米材料的分形和紋理參數(shù)，來(lái)判別納米顆粒以及薄膜質(zhì)量等相關(guān)特征。盡管分形維數(shù)和紋理分析在材料形貌表征方面取得了一定成果，但是在更深入精確的分類鑒別上還尚未見(jiàn)相關(guān)報(bào)道。隨著納米技術(shù)的飛速發(fā)展，以及納米復(fù)合材料種類的不斷擴(kuò)大，對(duì)納米材料圖像的高效處理和分析就顯得尤為重要。近年來(lái)，數(shù)字圖像處理、數(shù)學(xué)形態(tài)學(xué)、模式識(shí)別等技術(shù)的快速發(fā)展使得上述問(wèn)題的解決成為可能。

發(fā)明內(nèi)容
為了解決傳統(tǒng)方法在低維納米材料形貌檢測(cè)和分類鑒別方面的不足，本發(fā)明提出一種新的基于SEM圖像的低維納米材料自動(dòng)分類和識(shí)別方法，通過(guò)將小波包變換與SVM相結(jié)合，具有較高的分類精度，可以實(shí)現(xiàn)低維納米材料的自動(dòng)分類和識(shí)別。本發(fā)明的技術(shù)方案如下一種基于SEM圖像的低維納米材料識(shí)別方法，包括下列步驟
(1)對(duì)已知的納米材料SEM圖像樣本做預(yù)處理；(2)對(duì)預(yù)處理后的圖像進(jìn)行二維小波包變換，得到不同頻帶上的子圖矩陣；(3)對(duì)各頻帶子圖矩陣進(jìn)行特征提取，各子圖矩陣的統(tǒng)計(jì)量作為表征納米材料表面紋理結(jié)構(gòu)的特征值；(4)根據(jù)所提取特征值，采用高斯徑向基核函數(shù)作為支持向量機(jī)核函數(shù)，在任意兩類之間尋找最優(yōu)分類面，建立不同種類的納米材料的分類模型；(5)對(duì)未知的納米材料SEM圖像樣本重復(fù)步驟⑴、(2)、(3)步提取表征納米材料表面紋理結(jié)構(gòu)的特征值，再根據(jù)(4)步得到的分類模型，采用投票法進(jìn)行未知的納米材料識(shí)別。作為優(yōu)選實(shí)施方式，步驟(1)的預(yù)處理要包括兩部分一是利用濾波方法降低噪聲對(duì)圖像紋理結(jié)構(gòu)的影響，二是通過(guò)圖像區(qū)域劃分去除與納米材料表面紋理結(jié)構(gòu)無(wú)關(guān)的圖像塊。本發(fā)明在深入研究低維納米材料形貌的基礎(chǔ)上，選擇了能夠充分反映材料表面形貌的SEM圖像進(jìn)行分析，利用紋理分析的方法實(shí)現(xiàn)低維納米材料的形貌表征和自動(dòng)分類。 本發(fā)明與現(xiàn)有技術(shù)相比的優(yōu)點(diǎn)在于(1)在特征提取方面，把納米材料SEM圖像經(jīng)過(guò)小波包變換后各頻帶子圖矩陣的統(tǒng)計(jì)量作為表征納米材料的特征量，比傳統(tǒng)的組成分析、分形維等，更能真實(shí)地反映納米材料表面結(jié)構(gòu)組成，而且降低了計(jì)算量。(2)提出了基于支持向量機(jī)的分類方法，利用結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則使分類面不僅能將納米材料正確分開(kāi)，而且使分類間隔最大，比傳統(tǒng)的依靠人工辨識(shí)效率更高?？傊景l(fā)明將紋理分析相關(guān)理論用于低維納米材料的自動(dòng)分類和識(shí)別，克服了現(xiàn)有人工檢測(cè)方法受制于科研人員知識(shí)和經(jīng)驗(yàn)的局限性，本發(fā)明能更加準(zhǔn)確高效地表征和區(qū)分不同的納米材料結(jié)構(gòu)類型，具有準(zhǔn)確率高、擴(kuò)展性強(qiáng)、自動(dòng)化程度高等優(yōu)點(diǎn)，有著廣泛的應(yīng)用前景。


圖1本發(fā)明的低維納米材料識(shí)別方法流程圖。圖2為小波包變換圖，L為低頻部分，H為高頻部分，下標(biāo)1，2表示圖像的第一級(jí)和第二級(jí)分解。小波包變換是不斷地對(duì)所有頻帶進(jìn)行濾波和采樣處理，它不但保留了小波變換的多分辨特性，而且充分利用了高頻子帶豐富的細(xì)節(jié)信息，可以形成有效的特征向量，從而提高分類精度。圖3為最優(yōu)分類超平面示意圖。〇和□分別代表兩類納米材料樣本，H為分類超平面，H1和吐分別為各類中距離分類超平面最近的納米材料樣本且平行于分類超平面的平面，它們之間的距離記為分類間隔。圖4本發(fā)明實(shí)施例預(yù)處理后的16類納米材料SEM圖像。圖5本發(fā)明實(shí)施例某類納米材料SEM圖像經(jīng)3層小波包變換后64個(gè)頻帶子圖。圖6本發(fā)明實(shí)施例16類納米材料分類結(jié)果圖。
具體實(shí)施方式
本發(fā)明提供的基于SEM圖像的低維納米材料自動(dòng)分類和識(shí)別方法主要由兩大步驟構(gòu)成，一是納米材料SEM圖像的紋理特征提取，構(gòu)造紋理特征向量；二是SVM分類器設(shè)計(jì)。 具體步驟和原理如下(一 )紋理特征提取，構(gòu)造紋理特征向量不同的納米材料SEM圖像表面呈現(xiàn)明顯不同的紋理結(jié)構(gòu)特征，根據(jù)紋理分析相關(guān)理論，小波包變換作為一種精細(xì)的信號(hào)分析方法，是研究圖像紋理特征的理想工具，可以很好地反映納米材料SEM圖像表面紋理特征。根據(jù)多分辨率分析的基本理論，正交小波分解可以定義為6+1，其中％為小波函數(shù)V(t)的小波子空間，ViSj尺度的尺度子空間，則信號(hào)在Hilbert空間可分解為 L2(R) = Θ Wj。令
；ez
權(quán)利要求
1.一種基于SEM圖像的低維納米材料識(shí)別方法，其特征在于，包括下列步驟(1)對(duì)已知的納米材料SEM圖像樣本做預(yù)處理；(2)對(duì)預(yù)處理后的圖像進(jìn)行二維小波包變換，得到不同頻帶上的子圖矩陣；(3)對(duì)各頻帶子圖矩陣進(jìn)行特征提取，各子圖矩陣的統(tǒng)計(jì)量作為表征納米材料表面紋理結(jié)構(gòu)的特征值；(4)根據(jù)所提取特征值，采用高斯徑向基核函數(shù)作為支持向量機(jī)核函數(shù)，在任意兩類之間尋找最優(yōu)分類面，建立不同種類的納米材料的分類模型；(5)對(duì)未知的納米材料SEM圖像樣本重復(fù)步驟(1)、(2)、(3)步提取表征納米材料表面紋理結(jié)構(gòu)的特征值，再根據(jù)(4)步得到的分類模型，采用投票法進(jìn)行未知的納米材料識(shí)別。
2.根據(jù)權(quán)利要求1所述的基于SEM圖像的低維納米材料識(shí)別方法，其特征在于，步驟1 的預(yù)處理要包括兩部分一是利用濾波方法降低噪聲對(duì)圖像紋理結(jié)構(gòu)的影響，二是通過(guò)圖像區(qū)域劃分去除與納米材料表面紋理結(jié)構(gòu)無(wú)關(guān)的圖像塊。
全文摘要
本發(fā)明屬于計(jì)算機(jī)模式識(shí)別和納米材料的交叉技術(shù)領(lǐng)域，涉及一種基于SEM圖像的低維納米材料識(shí)別方法，包括(1)對(duì)已知的納米材料SEM圖像樣本做預(yù)處理；(2)對(duì)預(yù)處理后的圖像進(jìn)行二維小波包變換，得到不同頻帶上的子圖矩陣；(3)對(duì)各頻帶子圖矩陣進(jìn)行特征提取，各子圖矩陣的統(tǒng)計(jì)量作為表征納米材料表面紋理結(jié)構(gòu)的特征值；(4)根據(jù)所提取特征值，采用高斯徑向基核函數(shù)作為支持向量機(jī)核函數(shù)，在任意兩類之間尋找最優(yōu)分類面，建立不同種類的納米材料的分類模型；(5)提取未知的納米材料SEM圖像樣本紋理特征值，再根據(jù)(4)步得到的分類模型，采用投票法進(jìn)行未知的納米材料識(shí)別。本發(fā)明能更加準(zhǔn)確高效地表征和區(qū)分不同的納米材料結(jié)構(gòu)類型，具有準(zhǔn)確率高、擴(kuò)展性強(qiáng)、自動(dòng)化程度高等優(yōu)點(diǎn)。
文檔編號(hào)B82Y35/00GK102183535SQ20111005938
公開(kāi)日2011年9月14日 申請(qǐng)日期2011年3月11日 優(yōu)先權(quán)日2011年3月11日
發(fā)明者何凱, 龐鵬飛, 張偉偉, 葛靜祥 申請(qǐng)人:天津大學(xué)