Download
slide1 n.
Skip this Video
Loading SlideShow in 5 Seconds..
Análise de imagem na caracterização microestrutural PowerPoint Presentation
Download Presentation
Análise de imagem na caracterização microestrutural

Análise de imagem na caracterização microestrutural

49 Views Download Presentation
Download Presentation

Análise de imagem na caracterização microestrutural

- - - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

  1. Pós-Graduação em Ciência e Engenharia de Materiais Análise de imagem na caracterização microestrutural Prof. Celso P. Fernandes Gaussiana Truncada

  2. Reconstrução 3-D Como determinar o processo de gênese de um material poroso a partir de uma lâmina delgada? Modelos Microestruturais

  3. Modelação 3-D Criação de sistemas 3-D de tal maneira que suas seções planas conservem parâmetros geométricos medidos em imagens 2-D Gaussiana Truncada Porosidade e Autocorrelação Sistemas de percolação multiescala (SPME) Distribuição de poros e sólidos Modelos Microestruturais

  4. Modelação 3-D Modelos Microestruturais

  5. Gaussiana Truncada Hipótese fundamental: A estrutura porosa possa ser descrita pelos dois primeiros momentos de sua função de fase Z(x): a porosidade  e a função de autocorrelação RZ(u) Modelos Microestruturais

  6. Gaussiana truncada Filtro linear: X(x) Y(x) Problema Direto Joshi (1974) Quiblier, J.A., (1984) Adler, P.M. et al. (1990) X(x): Gaussiana Normal Filtro não-linear: Y(x) Z(x) Modelos Microestruturais

  7. Campo gaussiano aleatório s Campo X(x): Gaussiano normal aleatório Média igual a 0 Variância igual a 1 Modelos Microestruturais

  8. Filtro linear Operador linear: Coeficientes , a(u’) u’ = (r,s,t) onde u’ pertence a um domínio cúbico finito [0,Lc]3. Além desse domínio, a(u’) = 0. Lc está associado com o comprimento de correlação  Modelos Microestruturais

  9. Filtro linear Campo Y: gaussiano normal, mas correlacionado Modelos Microestruturais

  10. Filtro não - linear Para obter o campo desejado Z(x), o campo Y(x) é submetido a um filtro não linear G: Z(x) = G[Y(x)]. Modelos Microestruturais

  11. Filtro não - linear Distribuição do campo Y(x) O operador G é definido de tal forma que quando a variável Y(i,j,k) assume o valor y, a variável Z (i,j,k) assume o valor z: Média Variância Modelos Microestruturais

  12. Rz=Rz(RY) Modelos Microestruturais

  13. Gaussiana truncada - Resumo Problema Direto X(x): Gaussiana Normal Filtro linear: X(x) Y(x) Filtro não-linear: Y(x) Z(x) Problema Inverso RZ(u), f RY(u) a(r,s,t) Modelos Microestruturais

  14. RZ=RZ(RY) Para =0,5 a relação RZ=RZ(RY) possui solução analítica, Adler et al (1990): Modelos Microestruturais

  15. RZ=RZ(RY) Muito boa comparação entre valores numéricos e analíticos Concordância pobre Curva analítica para =0,5, Adler et al (1990) propuseram constante a1depende da porosidade  Modelos Microestruturais

  16. GT no Imago (Liang, et al 1998) Imagem 2D: f,Rz(u) Geração do Campo Y Teorema de Wiener Kinchin: RY(u) Power spectrum Fourier spectrum Ângulo de Fase Campo Y (Domínio Freqüência) Campo Z: f,Rz(u) (Estrutura 3D) Y (Domínio Espacial) Modelos Microestruturais