【技术实现步骤摘要】
本专利技术涉及图像处理，具体地涉及一种分子筛图像的修复方法与修复系统。
技术介绍
1、在石油化工领域，分子筛催化剂材料的应用十分广泛，目前分子筛催化剂的合成过程逐渐趋于智能化和无人化。在分子筛催化剂智能化合成实验中，从非结构化的分子筛图像中提取粒径等表征信息是十分重要的。然而，分子筛催化剂在合成过程中的簇状分布、高重叠度的特性会导致分子筛颗粒被遮挡，从而无法准确提取分子筛的粒径信息。因此，对被遮挡的分子筛sem图像进行修复是提升智能化实验效率中不可或缺的一环。
技术实现思路
1、本专利技术的目的是提供一种分子筛图像的修复方法与修复系统，其可准确地修复被遮挡的分子筛图像，从而通过修复后的分子筛图像的完整轮廓来获取相应的粒径信息。
2、为了实现上述目的，本专利技术一方面提供一种分子筛图像的修复方法，所述修复方法包括：获取待修复的分子筛图像；以及采用已训练的基于生成对抗网络的图像修复模型对所述待修复的分子筛图像进行修复。
3、优选地，所述基于生成对抗网络的图像修复模型包括：生成器，所述生成器包括：编码器，用于生成所述待修复的分子筛图像的高维特征向量，其中，所述编码器为残差模块与卷积模块；以及解码器，用于将所述高维特征向量映射为rgb图像，以获取修复后的分子筛图像，以及判别器，用于输出修复后的分子筛图像是否完整的概率。
4、优选地，所述修复方法还包括：获取分子筛图像的训练集，其中，所述训练集包括多个被遮挡的分子筛图像与多个完整的分子筛图像，以及所述多个被
5、优选地，所述损失函数的表达式为：
6、
7、其中，g为生成器，d为判别器，ioccluded为被遮挡的分子筛图像，mine[log(1-d(g(ioccluded)))为生成对抗网络的对抗损失；igt为与所述被遮挡的分子筛图像对应的完整的分子筛图像，iprd为生成器生成的修复后的分子筛图像，为重构损失；w为损失权重。
8、优选地，所述采用所述训练集对所述基于生成对抗网络的图像修复模型进行训练包括：在所述损失函数未满足所述预设阈值的情况下，采用随机梯度下降法优化所述基于生成对抗网络的图像修复模型的特征参数；以及采用所述训练集对优化后的所述基于生成对抗网络的图像修复模型进行训练。
9、优选地，所述多个被遮挡的分子筛图像通过以下方式获取：标记并分割sem图像中的完整的分子筛颗粒；将所述完整的分子筛颗粒置于全黑画布中；分别选择球体、立方体和棱柱的分子筛作为前景分子筛颗粒，并将所述完整的分子筛颗粒作为背景分子筛颗粒；将所述背景分子筛颗粒至于新的画布中，并将所述前景分子筛放置于所述新的画布的不同位置，以获取被遮挡的所述背景分子筛颗粒；以及将被遮挡的所述背景分子筛颗粒作为所述被遮挡的分子筛图像。
10、优选地，所述多个被遮挡的分子筛图像与相应的完整的分子筛图像的面积比例为50％-80％。
11、通过上述技术方案，首先获取待修复的分子筛图像，然后采用已训练的基于生成对抗网络的图像修复模型对所述待修复的分子筛图像进行修复，由此，可实现对被遮挡的分子筛图像的智能修复，使分子筛图像的轮廓和内容完整，从而极大地提升了提取分子筛粒径等表征信息的准确性和效率。
12、本专利技术第二方面提供一种分子筛图像的修复系统，所述修复系统可包括：第一图像获取装置，用于获取待修复的分子筛图像；以及修复装置，用于采用已训练的基于生成对抗网络的图像修复模型对所述待修复的分子筛图像进行修复。
13、优选地，所述基于生成对抗网络的图像修复模型包括：生成器，所述生成器包括：编码器，用于生成所述待修复的分子筛图像的高维特征向量，其中，所述编码器包括残差模块与卷积模块；以及解码器，用于将所述高维特征向量映射为rgb图像，以获取修复后的分子筛图像，以及判别器，用于输出修复后的分子筛图像是否完整的概率。
14、优选地，所述修复系统还包括：样本获取装置，用于获取分子筛图像的训练集，其中，所述训练集包括多个被遮挡的分子筛图像与多个完整的分子筛图像，以及所述多个被遮挡的分子筛图像与所述多个完整的分子筛图像一一对应；以及训练装置，用于采用所述训练集对所述基于生成对抗网络的图像修复模型进行训练，直至损失函数满足预设阈值。
15、优选地，所述损失函数的表达式为：
16、
17、其中，g为生成器，d为判别器，ioccluded为被遮挡的分子筛图像，mine[log(1-d(g(ioccluded)))为生成对抗网络的对抗损失；igt为与所述被遮挡的分子筛图像对应的完整的分子筛图像，iprd为生成器生成的修复后的分子筛图像，为重构损失；w为损失权重。
18、优选地，所述训练装置包括：优化模块，用于在所述损失函数未满足所述预设阈值的情况下，采用随机梯度下降法优化所述基于生成对抗网络的图像修复模型的特征参数；以及训练模块，用于采用所述训练集对优化后的所述基于生成对抗网络的图像修复模型进行训练。
19、优选地，所述修复系统还包括：第二图像获取装置，用于通过以下方式获取所述多个被遮挡的分子筛图像：标记并分割sem图像中的完整的分子筛颗粒；将所述完整的分子筛颗粒置于全黑画布中；分别选择球体、立方体和棱柱的分子筛作为前景分子筛颗粒，并将所述完整的分子筛颗粒作为背景分子筛颗粒；将所述背景分子筛颗粒至于新的画布中，并将所述前景分子筛放置于所述新的画布的不同位置，以获取被遮挡的所述背景分子筛颗粒；以及将被遮挡的所述背景分子筛颗粒作为所述被遮挡的分子筛图像。
20、优选地，所述多个被遮挡的分子筛图像与相应的完整的分子筛图像的面积比例为50％-80％。
21、有关本专利技术实施例提供的分子筛图像的修复系统的具体细节及益处可参阅上述针对分子筛图像的修复方法的描述，于此不再赘述。
22、本专利技术第三方面提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现所述的分子筛图像的修复方法。
23、本专利技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
本文档来自技高网...【技术保护点】
1.一种分子筛图像的修复方法，其特征在于，所述修复方法包括：
2.根据权利要求1所述的修复方法，其特征在于，所述基于生成对抗网络的图像修复模型包括：
3.根据权利要求2所述的修复方法，其特征在于，所述修复方法还包括：
4.根据权利要求3所述的修复方法，其特征在于，所述损失函数的表达式为：
5.根据权利要求3所述的修复方法，其特征在于，所述采用所述训练集对所述基于生成对抗网络的图像修复模型进行训练包括：
6.根据权利要求3所述的修复方法，其特征在于，所述多个被遮挡的分子筛图像通过以下方式获取：
7.根据权利要求3所述的修复方法，其特征在于，所述多个被遮挡的分子筛图像与相应的完整的分子筛图像的面积比例为50％-80％。
8.一种分子筛图像的修复系统，其特征在于，所述修复系统包括：
9.根据权利要求8所述的修复系统，其特征在于，所述基于生成对抗网络的图像修复模型包括：
10.根据权利要求9所述的修复系统，其特征在于，所述修复系统还包括：
11.根据权利要求10所述的修
12.根据权利要11所述的修复系统，其特征在于，所述训练装置包括：
13.根据权利要求10所述的修复系统，其特征在于，所述修复系统还包括：第二图像获取装置，用于通过以下方式获取所述多个被遮挡的分子筛图像：
14.根据权利要求10所述的修复系统，其特征在于，所述多个被遮挡的分子筛图像与相应的完整的分子筛图像的面积比例为50％-80％。
15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现权利要求1-7中任一项所述的分子筛图像的修复方法。
...【技术特征摘要】
1.一种分子筛图像的修复方法，其特征在于，所述修复方法包括：
2.根据权利要求1所述的修复方法，其特征在于，所述基于生成对抗网络的图像修复模型包括：
3.根据权利要求2所述的修复方法，其特征在于，所述修复方法还包括：
4.根据权利要求3所述的修复方法，其特征在于，所述损失函数的表达式为：
5.根据权利要求3所述的修复方法，其特征在于，所述采用所述训练集对所述基于生成对抗网络的图像修复模型进行训练包括：
6.根据权利要求3所述的修复方法，其特征在于，所述多个被遮挡的分子筛图像通过以下方式获取：
7.根据权利要求3所述的修复方法，其特征在于，所述多个被遮挡的分子筛图像与相应的完整的分子筛图像的面积比例为50％-80％。
8.一种分子筛图像的修复系统，其特征在于，所述修复系统包括：
9.根据权利...
【专利技术属性】
技术研发人员：袁志庆，杨为民，杜文莉，钱锋，彭鑫，陶伟川，
申请(专利权)人：中国石油化工股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。