团队近期成果--基于超像素算法和深度学习的复杂纹理图像识别与分割

我们团队在国际期刊《Computational Materials Science》（IF：3.3000）上在线发表论文“Recognition and segmentation of complex texture images based on superpixel algorithm and deep learning”。该论文上海大学计算机工程与科学学院为第一单位，韩越兴副教授为第一作者，组内陈侨川老师为通讯作者，杨珅做了大量工作。

材料图像通常缺乏足够数量的训练样本，这阻碍机器学习技术和深度学习技术在材料图像中的应用，本研究抓住材料图像的一个重要特性——同相的像素具有高度的相似性，提出了一种基于超像素和深度学习的材料图像微观结构识别与分割方法，该方法分为三个步骤：首先获取矩形块，即采用经典的超像素算法——SLIC算法获得不同数量的超像素，然后提取每个超像素中最大的内接矩形块。然后识别矩形块，具体是将这些矩形块放入卷积神经网络（CNN）中，本文选择并改进DenseNet作为主干网络对其进行识别，此外，由于材料图像中的相存在分布不均匀与某些相难以区分的问题，本文选择并改进Focal loss以适应材料图像。最后预测输出整张图像每个像素点的类别，在训练结束后，使用一个步长为1大小为l*l(l为奇数)滑动窗口在大小为n*n整张图像上滑动，获取n*n个矩形块，模型预测这些矩形块的类别，表示每个矩形块中间的像素点的类别，连接同类别的像素，即可实现对材料图像微观结构识别与分割的任务。

论文链接：https://doi.org/10.1016/j.commatsci.2022.111398

论文链接：https://www.sciencedirect.com/science/article/pii/S0927025622001690?dgcid=coauthor