Adaptable physics-based super-resolution for electron backscatter diffraction maps
Adaptable physics-based super-resolution for electron backscatter diffraction maps
复制标题
适用于电子背散射衍射图的基于物理的超分辨率
DOI：
10.1038/s41524-022-00924-2
复制
发表时间：
2022
影响因子：
9.7
通讯作者：
Manjunath, B. S.
中科院分区：
文献类型：
--
作者：
Jangid, Devendra K.;Brodnik, Neal R.;Goebel, Michael G.;Khan, Amil;Majeti, SaiSidharth;Echlin, McLean P.;Daly, Samantha H.;Pollock, Tresa M.;Manjunath, B. S.
在计算机视觉中，单图像超分辨率（SISR）已在光学图像上使用卷积神经网络（CNN）进行了广泛的探索，但该领域之外的图像（例如来自科学实验的图像）尚未得到很好的研究。实验数据通常使用非光学方法收集，这会改变图像质量的指标。电子背散射衍射 (EBSD) 就是一个这样的例子，它是一种材料表征技术，可绘制固体材料中的晶体排列图，从而提供对加工、结构和属性关系的深入了解。我们提出了一种适应性广泛的方法，用于应用最先进的 SISR 网络来生成超分辨率 EBSD 方向图。该方法包括基于四元数的方向识别、考虑旋转效应和晶体对称性的损失函数，以及将网络输出转换为 EBSD 地图既定可视化格式的推理管道。生成具有超分辨率的物理精确、高分辨率 EBSD 图的能力可实现高通量表征，并扩大三维实验 EBSD 数据集的捕获能力。
In computer vision, single-image super-resolution (SISR) has been extensively explored using convolutional neural networks (CNNs) on optical images, but images outside this domain, such as those from scientific experiments, are not well investigated. Experimental data is often gathered using non-optical methods, which alters the metrics for image quality. One such example is electron backscatter diffraction (EBSD), a materials characterization technique that maps crystal arrangement in solid materials, which provides insight into processing, structure, and property relationships. We present a broadly adaptable approach for applying state-of-art SISR networks to generate super-resolved EBSD orientation maps. This approach includes quaternion-based orientation recognition, loss functions that consider rotational effects and crystallographic symmetry, and an inference pipeline to convert network output into established visualization formats for EBSD maps. The ability to generate physically accurate, high-resolution EBSD maps with super-resolution enables high-throughput characterization and broadens the capture capabilities for three-dimensional experimental EBSD datasets.
登录
查看更多内容
关于 EBSD 在原子密度和加速电压上的分辨率，特别关注轻金属镁。
影响因子：
2.2
作者：
A. Tripathi;S. Zaefferer
通讯作者：
S. Zaefferer
影响因子：
9.8
作者：
Wyatt A. Witzen;A. Polonsky;T. Pollock;I. Beyerlein
通讯作者：
Wyatt A. Witzen;A. Polonsky;T. Pollock;I. Beyerlein
影响因子：
2.2
作者：
Lenthe, W. C.;Singh, S.;De Graef, M.
通讯作者：
De Graef, M.
三维应变定位相关研究的多模态数据合并框架
影响因子：
2.6
作者：
M. Charpagne;J. Stinville;A. Polonsky;M. Echlin;T. Pollock
通讯作者：
T. Pollock
影响因子：
4.6
作者：
Kaufmann K;Lane H;Liu X;Vecchio KS
通讯作者：
Vecchio KS