基于U-Net卷积神经网络的纳米颗粒分割

被引：10

作者：

张芳 ^{[1
,2
]}

吴玥 ^{[1
]}

肖志涛 ^{[1
,2
]}

耿磊 ^{[1
,2
]}

吴骏 ^{[1
,2
]}

刘彦北 ^{[1
,2
]}

王雯 ^{[1
,2
]}

机构：

[1] 天津工业大学电子与信息工程学院

[2] 天津市光电检测技术与系统重点实验室

来源：

激光与光电子学进展 | 2019年 / 06期

关键词：

图像处理; 纳米颗粒分割; U-Net卷积神经网络; 半隐式偏微分方程; 滤波;

D O I：

暂无

中图分类号：

TP391.41 []; TP183 [人工神经网络与计算];

学科分类号：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为了准确测量纳米颗粒的尺寸,依据透射电子显微镜拍摄的纳米颗粒图像,提出了一种基于U-Net卷积神经网络的颗粒自动分割方法。将U-Net部分网络结构与批量归一化层相结合,减弱了网络对初始化的依赖,提升了训练速度。对纳米颗粒图像进行半隐式偏微分方程滤波以增强图像边缘信息,利用改进的U-Net网络训练纳米颗粒个体分割模型,得到了分割结果。研究结果表明,所提方法能准确分割出图像中的纳米颗粒,对边缘模糊和强度不均的纳米颗粒的分割效果提升显著。

引用

页码：137 / 143

页数：7

共 12 条

[1] 基于改进的模糊C均值聚类算法的颗粒种子图像分割方法 [J].