论文部分内容阅读
上海同步辐射光源X射线小角散射光束线站(SAXS)产生了大量的关于纳米材料、高分子材料、蛋白质等被研究物质的图像数据，利用被研究物质的SAXSWAXS图像可以便捷地确定被研究物质的微观结构。理论上，具有相似散射环（在图像上表现为纹理）的不同物质有着相似的结构，因此已知样本图像地分类和检索，对未知样本的结构等特性进行预测有着重要的意义。同时，为了更加精确的确定被研究物质的结构，需要对被研究物质的SAXSWAXS图像进行一系列的预处理，如图像去噪、图像散射环中心定位等。
本论文的工作主要分为以下两个部分:
第一部分工作是图像分类算法研究，针对上海光源同步辐射图像数据库仅有少量图像被标记类别的情况，研究了图像分类识别中的半监督判别分析方法。同时，论文在计算机图像纹理分类方面也进行了深入的研究。
首先，本文提出了一种新的基于SELF算法的半监督降维方法——SA-LFDA算法，在标记样本比较少的情况下，该算法能提高图像分类的准确性。SA-LFDA算法用一个参数平滑地结合了局部Fisher判别分析方法(LFDA)和主分量分析方法(PCA)，论文提出了新的自动估计该参数的方法。同时，为了克服已有的SELF算法的缺陷，论文引入了一种显著的样本自适应超图模型（SA-超图）来描述图像样本间的关系，并使用二次最优化方法来估计标记样本间的亲和矩阵。
其次，论文通过对基于小图像块的纹理分类模型的改进，用量化的小图像块共生矩阵(QPCM)代替直方图来表达小图像块样本的统计特性，为纹理分类提出了一种有效的全局方法——QPCM-SVM分类器，该分类器把量化的小图像块、共生矩阵和SVM分类器融合起来，提高了算法的识别能力;进一步，结合实验讨论了QPCM-SVM分类方法受一些参数的影响。研究表明，合理的选择小图像块邻域大小和类心数目有助于分类识别率的提高。
第二部分工作是同步辐射图像处理技术研究。对上海同步辐射散射图像进行了分类和检索，并对分类后的图像选择相应的中心定位算法进行处理。
论文提出了两种同步辐射SAXSWAXS图像的中心定位算法。把相空间重构思想和PCA结合起来，在去噪的同时提取要处理的散射强度曲线的主要趋势，利用中心对称以及圆的垂线定理，求得各向同性SAXSWAXS图像的中心。此外，新的基于小波分解的圆匹配算法，被用来定位各向异性SAXSWAXS图像的中心。