Resumen

La microestructura es el factor clave para discriminar la calidad del coque. Teniendo en cuenta las características del tejido óptico del coque (COT), se propuso un método de segmentación de microestructuras de coque basado en la agrupación adaptativa. De acuerdo con la estrategia de multirresolución, se llevaron a cabo la binarización de umbral adaptativo y el filtrado morfológico en imágenes de COT con menor resolución. El contorno del cuerpo COT se detectó mediante la comprobación de la relación entre contornos en la imagen binaria y, por lo tanto, los píxeles COT se seleccionaron para agruparse para la segmentación del tejido. Con el fin de obtener la segmentación óptima para cada tejido, se utilizó un método K-means avanzado con centros de agrupación adaptativos en función de la puntuación Calinski-Harabasz. Mientras tanto, la distancia euclidiana se sustituyó por la distancia de Mahalanobis entre cada píxel en el espacio HSV para mejorar la precisión. Los resultados experimentales muestran que, en comparación con el algoritmo tradicional K-means, el algoritmo FCM y el algoritmo Meanshift, el algoritmo de agrupamiento adaptativo propuesto en este artículo es más preciso en la segmentación de varios componentes de tejido en imágenes COT, y la precisión de la segmentación de tejido alcanza el 94,3500%.

• Materias:Energía solar Termodinámica Energía limpia Biofotónica Efecto fotoeléctrico
• Subjects:Solar energy Thermodynamics Clean energy Biophotonics Photoelectric effect
• Palabras claves:imágenes cot, segmentación de tejidos, algoritmo de clustering adaptativo, centros de clustering adaptativos, binarización umbral adaptativa, varios componentes tisulares, precisión, coque, cuerpo cot, píxeles cot
• Keywords:cot images, tissue segmentation, adaptive clustering algorithm, adaptive clustering centers, adaptive threshold binarization, various tissue components, accuracy, coke, cot body, cot pixels