1.一种多孔材料孔隙特征识别计算方法,其特征在于,包括步骤:获取多孔材料的二维图像,并对所述二维图像进行预处理,得到灰度图像;
采用动态模糊逻辑驱动的多尺度混合阈值分割方法对所述灰度图像进行二值化操作,得到二值化图像;
利用多阶段形态学连通细化分割法对所述二值化图像进行精细化识别和分割并计算孔隙特征参数,记为第一孔隙特征参数;
利用基于形态学的莫尔斯-斯梅尔复合体拓扑特征分割法对所述二值化图像进行精细化识别和分割并计算孔隙特征参数,记为第二孔隙特征参数;
计算所述第一孔隙特征参数与第二孔隙特征参数的百分比差异;
若所述百分比差异的绝对值大于预设值,则优化所述多阶段形态学连通细化分割法及所述基于形态学的莫尔斯-斯梅尔复合体拓扑特征分割法中的算法特征参数,并重新计算所述第一孔隙特征参数与第二孔隙特征参数;否则将所述第一孔隙特征参数与第二孔隙特征参数的平均值记为最终结果。
2.根据权利要求1所述的多孔材料孔隙特征识别计算方法,其特征在于,所述采用动态模糊逻辑驱动的多尺度混合阈值分割方法对所述灰度图像进行二值化操作,得到二值化图像包括:S21、对所述灰度图像进行全局灰度分析,采用均值漂移聚类方法确定初始阈值;
S22、将图像划分为多个局部区域,实时捕获每个局部区域特性,所述局部区域特性包括对比度和纹理特性;
S23、根据所述局部区域特性结合模糊逻辑规则对局部阈值进行动态调整;
S24、将所述初始阈值和局部阈值使用区域生长的权重模型进行融合,生成融合后的最终阈值;
S25、通过期望最大化算法迭代优化阈值,得到最终优化阈值;
S26、根据所述最终优化阈值对所述灰度图像进行二值化处理。
3.根据权利要求1所述的多孔材料孔隙特征识别计算方法,其特征在于,所述利用多阶段形态学连通细化分割法对所述二值化图像进行精细化识别和分割并计算孔隙特征参数包括:S31、对所述二值化图像进行孔隙提取的预处理;
S32、根据处理后的二值化图像对所有前景像素形成的连通区域进行标记;
S33、基于被标记的连通区域进行形态学重建;
S34、对形态学重建后的图像进行孔隙与背景的细化区分。
4.根据权利要求3所述的多孔材料孔隙特征识别计算方法,其特征在于,所述步骤S34包括:对所述形态学重建后的图像进行距离变换,并通过距离变换图像上的极值点进行分水岭分割,细化连通孔隙与背景之间的边界,精确分割连通区域;其中,距离变换的计算表达式如下:表达式中表示像素的距离变换值;表示两个像素之间的欧式距离。
5.根据权利要求1所述的多孔材料孔隙特征识别计算方法,其特征在于,所述利用基于形态学的莫尔斯-斯梅尔复合体拓扑特征分割法对所述二值化图像进行精细化识别和分割并计算孔隙特征参数具体包括:S41、通过所述灰度图像的梯度计算生成梯度场,用于标量场构建;
S42、基于预处理后的梯度场,构建标量场,定义关键点;
S43、根据所述关键点通过流线追踪构建莫尔斯-斯梅尔复合体分割单元得到孔隙区域。
6.根据权利要求5所述的多孔材料孔隙特征识别计算方法,其特征在于,所述步骤S42中的关键点包括极大值点、极小值点以及鞍点;所述关键点的分类通过Hessian矩阵𝐻(𝑓)的特征值进行判定:当时取极值点,时取鞍点。
7.根据权利要求6所述的多孔材料孔隙特征识别计算方法,其特征在于,所述步骤S43中的莫尔斯-斯梅尔复合体分割单元由上-流形和下-流形交集形成;其中,所述上-流形为梯度上升至极大值点的像素集合;下-流形为梯度下降至极小值点的像素集合。
8.根据权利要求1所述的多孔材料孔隙特征识别计算方法,其特征在于,所述预设值不大于1.0%。
9.一种多孔材料孔隙特征识别计算设备,其特征在于,所述设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至8中任一项所述的多孔材料孔隙特征识别计算方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有多孔材料孔隙特征识别计算程序,所述多孔材料孔隙特征识别计算程序被处理器执行时实现如权利要求1至8中任一项所述的多孔材料孔隙特征识别计算方法的步骤。