利用机器学习分析冲击材料图像以实现精确测量
应用物理
2017-09-20 v2
摘要
我们开发了一种称为局部分自适应判别分析（LADA）的有监督机器学习算法，用于定位具有不同强度的可识别图像特征之间的边界。LADA 是图像分割的一种改进，它利用图像中每个类别的统计强度分布来寻找图像特征（类别）的位置。为了将一个像素归入正确的类别，LADA 会考虑该像素的强度以及局部（邻近）像素的强度分布。本文展示了利用 LADA 提供冲击波超快图像中特征的位置与形状及其统计不确定性的应用。我们演示了定位图像特征的能力，包括晶体、与冲击波相关的密度变化以及冲击波引起的物质喷射。该算法能够分析表现出广泛物理现象的图像，因为它不依赖于与模型的比较。LADA 使得对冲击物理学图像的分析具有统计严谨性，且独立于底层模型或模拟。
关键词
引用
@article{arxiv.1708.07261,
title = {Machine Learning to Analyze Images of Shocked Materials for Precise and Accurate Measurements},
author = {Leora Dresselhaus-Cooper and Marylesa Howard and Margaret C. Hock and B. T. Meehan and Kyle Ramos and Cindy Bolme and Richard L. Sandberg and Keith A. Nelson},
journal= {arXiv preprint arXiv:1708.07261},
year = {2017}
}