基于条件随机场的受人类感知启发的晶粒分割优化

多晶材料电子显微镜图像中晶界的自动检测有助于加速众多工程材料及科学研究中的新型材料的纳米尺度表征。由于传统计算机视觉（CV）算法（包括卷积神经网络）会产生碎片化的掩膜，对诸如多晶材料微观结构中的晶界等互连线网络进行精确分割是一项重大挑战。这些算法在处理细薄掩膜时存在困难，通常需要后处理以实现有效的轮廓闭合与连续性。该领域以往的方法通常依赖于特定问题的定制后处理技术，且严重依赖于CV算法所得掩膜的质量。针对这一问题，本文提出了一种快速、高保真且普遍适用于互连线网络分割掩膜的后处理技术。利用关于晶界连通性的领域知识，该方法采用条件随机场和感知分组规则来优化任何具有可辨识晶粒结构的图像的分割掩膜。该方法通过正确重建多晶氧化物电子显微镜图像中碎片化的晶界，显著提高了分割掩膜的精度。该优化改善了微观结构的统计表示，体现在晶粒对齐度量上提高了51%，该度量比传统度量提供了对复杂微观结构更具物理意义的评估。该方法能够实现快速准确的表征，促进前所未有的数据分析水平并增进对晶界网络的理解，使其适用于需要精确分割互连线网络的多个学科。