关于含噪二维周期图案晶体学对称性的分类方法
材料科学
2021-06-01 v4
摘要
本文批判性回顾了针对二维不同程度周期图案的晶体学对称性分类方法，并定性评估其相对性能。作者基于信息论的方法利用数字图像，被证明是唯一能够对含噪真实世界图像的晶体学对称性（即Bravais格子类型、Laue类和平面对称群）进行完全客观分类的方法。其基于信息论的晶体学对称性分类利用几何偏差校正残差平方和（即相关的一阶信息），并能在空间频域实现最有意义的晶体学平均，其抑制广义噪声的效果远优于传统傅里叶滤波。考虑到将诸如单一对称类型、类或群这样的抽象数学概念以100%确定性赋予一项涉及真实世界样品的含噪真实世界成像实验的二维近似周期记录，在根本上是不合理的，基于信息论的晶体学对称性分类方法给出概率性分类。本文讨论了深度卷积神经网络近期在二维晶体学平移对称性与三维晶体分类中的应用，因为这些机器通过非解析手段给出概率性分类。
引用
@article{arxiv.1902.04155,
title = {On classification approaches for crystallographic symmetries of noisy 2D periodic patterns},
author = {Peter Moeck},
journal= {arXiv preprint arXiv:1902.04155},
year = {2021}
}
备注
21 pages, 3 figures, 2 tables