从局部二值灰度共现矩阵研究热致液晶的转变温度

摘要

本文提出了一种将统计分析与织构分析相结合的方法——局部二值灰度共现矩阵(LBGLCM)来研究热致变色材料的相变温度-烷基氧基苯甲酸(OBA,12)液晶。利用附在热台上的偏光光学显微镜和高分辨率相机记录了同温取向液晶化合物的结构作为温度的函数。该方法从纹理的LBGLCM中提取二阶统计参数(对比度、能量、均匀性和相关性)。提取的参数值随温度的变化有助于识别样品的相和相变温度。该方法得到的结果具有较好的有效性，与文献吻合较好。

1.介绍

热致液晶在材料中表现出各种相和相变[1- - - - - -3.]．热致液晶相的结构很容易受到外部条件的影响，例如，显微镜覆盖玻璃的表面性质。在LC的平面排列情况下，相具有复杂的结构和性质，这是几十年来研究的结果。相比之下，液晶作为非均相组分及其锚定同质性的研究仍处于早期阶段，特别是当考虑到更复杂的相如不同的近晶相时。对热致液晶的织构及其特征的理解是我们研究相变的主要重点[4]．

有几种技术用于识别液晶的中间相或相变，如偏光显微镜(POM)、差示扫描量热法(DSC)、差示热分析(DTA)和x射线衍射。聚甲醛(POM)是表征新合成介晶材料的重要工具之一，它与DSC、DTA和x射线研究相结合。差示扫描量热法(DSC)和差示扫描量热法(DTA)是一种简单快捷的方法，但它们只提供相变温度、相变热、各相的热容和相变顺序的信息。测定相类型的x射线研究必须在宏观定向良好的样品上进行，这通常是耗时的，有时很难实现。然而，用DSC、DTA和x射线研究方法很难进行精确的相识别。另一方面，偏光显微镜可以测定相变温度和相类型。这是通过在交叉偏振器之间进行温度依赖的纹理研究来实现的。通过相变时发生的结构模式特征的变化揭示了相存在的类型[5，6]．考虑到这一点，一些研究者提出了一种液晶纹理图像处理和分析方法来研究液晶的相变。他们使用第一类和第二类的统计参数来识别液晶的相变温度[7- - - - - -11]．然而，有相干长度图用于分析[12液晶纹理中包含更多的像素。这种相干长度分析有助于表征不规则纹理、亚相和缺陷。相干长度分析忽略了纹理的边界和饱和度等所需参数的复杂性;相干长度计算的阈值和方向都很高。第一类和第二类的统计参数是基于一个或两个像素强度值提取纹理特征，忽略了纹理模式之间的空间关系。因此，提出一种将统计分析方法与纹理结构方法相结合的新方法是合理的，该方法提供了纹理模式及其强度的信息。局部二值模式(LBP)图像灰度共生矩阵基于图像的局部邻域提取特征，其中包含了不同模式的所有空间和纹理特征信息。从纹理的LBGLCM中提取参数是识别纹理特征的有效过程，它的变化可以有效地研究样品的相变。在此基础上，提出了一种局部二值灰度共现矩阵(LBGLCM)的织构分析方法-烷基氧基苯甲酸(OBA,并将结果与文献进行比较。

2.实验

甚至同源系列的热致液晶，-Alkyloxybenzoic酸(OBA,， 12)，均从美国弗林顿实验室公司获得。面积为。的ITO包被电池的同向取向排列(90°排列)与6μM间距(公差±0.2μm)从美国Instec公司获得。根据Gray [13和高分辨率佳能相机。介晶是通过毛细管作用将各向同性的样品加热而注入这些细胞的。

使用高分辨率佳能彩色相机记录观测结果。由相机记录的彩色图像或纹理的分辨率为表示24位真彩色像素色调，R、G和B颜色的范围从0到255。本文采用翻译后的灰度图像进行分析。图像的大小被选择为256。该程序已编码使用MATLAB软件(实现在P4 1.6 GHz与2 GB RAM)纹理的计算分析，这是一个有效的工具计算[14]．

3.基于局部二值灰度共现矩阵的纹理特征提取

提出了一种基于局部二值模式(LBP)算子和灰度共现矩阵(GLCM)思想的检测方法。首先，我们必须对液晶纹理应用局部二值模式(LBP)算子，生成LBP图像。其次，构造LBP图像的GLCM，最后从纹理的局部二值灰度共生矩阵中提取二阶统计参数(对比度、能量、同质性和相关性)。

3．1.局部二进制模式算子

局部二值模式(LBP)算子定义为灰度不变的纹理度量，它是由局部邻域纹理的一般定义派生而来的。它可以被视为一种统一的方法，以传统的统计和结构模型的结构分析。也许LBP算子在实际应用中最重要的性质是它对单调灰度变化的不变性。另一个同样重要的事情是它的计算简单性，这使得在具有挑战性的实时设置下分析图像成为可能[15- - - - - -17]．LBP算子最初是为纹理描述而设计的。这个概念是由Ojala等人提出的[18，尝试将纹理分解为小单元，其中纹理特征由图像中每个像素计算的LBP值的分布来定义。LBP纹理单元在a通过对中心像素应用简单的阈值操作(见1)： 在哪里为纹理单位，是中心像素的灰度值，图中相邻中心像素的灰度值是否为邻居,属性中定义的像素数邻居,和功能定义阈值操作。对于一个邻近的价值是8。中包含像素的空间排列在邻域，测试(中心)像素的LBP值使用以下关系计算: 在哪里为中所示的阈值运算的值(1）.使用(2)的取值范围为[0 .]- - - - - -255]。数字1是基本LBP算子的一个示例。它关注模式之间的空间关系，而忽略灰度差异的大小。并且对灰度变化不变，也就是说，当邻域的所有像素同时是正负一个值时，纹理特征是不变的，所以差异的符号也可以忽略[19]．如LBP算子得到的灰度图像和处理后的图像如图所示2．

3．2．灰度共现矩阵

灰度共现矩阵(GLCM)是一种应用广泛的纹理分析方法，特别是对随机纹理分析。它增强了图像的细节并给出了解释。GLCM是图像中不同像素亮度值(灰度级)组合出现的频率的列表。GLCM表示像素对出现的频率。根据这一原理，它被用来计算像素强度与邻近像素强度的关系，这些像素强度是基于相同的加里级配置在纹理中重复的假设[20.- - - - - -22]．

GLCM是根据给定的行、列定义的。应用灰度共生矩阵建立一个元素用表示一个点具有灰度级别的次数相对于具有灰度级的点发生．如图所示的示例对此进行了解释11．在图11，灰度共现矩阵的每个元素表示像素对出现的概率。在(图11) 20和右边的邻居10发生两次，即(20,10)。因此GLCM的元素表示像素对出现的概率，即2。

3．3.LBGLCM的特征提取

传统的GLCM基于像素及其相邻像素提取特征，忽略图像中不同局部纹理模式的空间关系[11]．LBP图像的GLCM基于包含不同模式所有空间和纹理特征信息的局部邻域提取特征。我们可以从LBGLCM中提取二阶统计参数:对比度、能量、同质性和相关性，从而有效地识别纹理特征及其变化。

LBGLCM的图像的大小米——- - - - - -n是一个二维函数，它是由什么组成的垂直方向的像素水平方向的像素，为图像的水平和垂直坐标。图像中的像素总数为．定义的二阶统计参数如下:

(我)的对比
通过纹理对比来衡量不同纹理图案之间的强度对比。如果每个纹理图案的灰度水平相似，则对比度值较低。

对比如下:

(2)能源
能量测量结构的均匀性。当给定图像的灰度分布是常数或周期均匀时，纹理或图像的最大能量出现。

能源如下:

(3)同质性
同质性度量了图像中灰度值分布的贴近度。均匀纹理将只包含有限的灰度级别范围，使LBGLCM只有几个值，但相对较高的概率。

均匀性:

(iv)相关性
相关性是指在特定位置的纹理图案之间相互相对的线性依赖性的度量。相关性与能量、对比度和同质性不相关。

相关性如下: 在哪里，,，概率矩阵的均值和标准差是多少一点沿着行操作和列．

4.结果和讨论

nOBA图中显示了这两个样品的向列相和纹理3.．的化合物nOBA样品的向列相、近晶相和织构如图所示4．的同系物级数含较大烷基氧基链的中晶系与含较大烷基氧基链的中晶系相比，具有更宽的中晶范围和链长对中晶系的稳定很重要．

纹理的每个温度记录的LBP使用(1)和(2）.构造LBP图像的GLCM后，由(3.) - (6）.在液晶样品的每次温度记录中，从纹理中提取参数，并将纹理的参数作为温度的函数提取出来，从而给出液晶的相变。通过这种方法得到的结果如图所示5，6，7，8和9．

的参数值绘制的图-烷基氧基苯甲酸结构与温度的函数关系。如图所示5来9结果表明，当各向同性相或固相等结构特征不发生变化时，该参数值近似保持不变，一旦发生从各向同性相到液晶相或液晶相到固相的相变，织构图案的再现或特定温度下织构特征的改变会导致参数曲线的突变。在相变过程中，由于温度的作用，织构图案的特征发生了变化。因此，曲线突变所对应的温度代表样品的转变温度。这意味着本方法是研究液晶相变的一个有益的过程。作为典型案例，绘制了冷却循环图，以避免异型缺陷。在冷却时，在交叉偏振器之间样品执行不同的纹理与不同的相位作为温度的函数。在所有的图中，不同化合物的参数行为是不同的，这取决于相的相变和热稳定性。将给定样品的过渡温度与文献[23，如表所示1．

在DSC热图中，焓值和热流值的突变是识别样品转变温度的有用参数，如图所示10．结合POM的液晶织构分析是将织构特征值作为温度函数计算出来的突变值用于识别样品的过渡温度的过程。这两个过程在其测量参数值的突变变化中相互关联。

然而，在DSC中，二阶跃迁的焓值变化相对较小，不像一阶跃迁那样可以观察到[2]．这类跃迁可以通过传统统计分析和LBGLCM统计分析观测到。计算的参数值与变化纹理特征值在过渡是有用的，以识别这种类型的过渡。与传统的灰度变换方法相比，该方法对灰度变化具有一定的不变性，导致相位变换时参数值的变化较小。结合传统的统计和LBGLCM结构分析方法的知识，结合POM是一个更有帮助的过程来识别二阶跃迁，我们考虑了未来的工作，对新合成的化合物。

5.结论

结果表明，该方法能够成功地识别热致液晶的相变温度-烷基氧基苯甲酸的偶系列，采用统计分析与纹理结构分析称为局部二值灰度共现矩阵(LBGLCM)。目前方法的计算简单性使得在实时设置下分析纹理特征成为可能。

致谢

作者对项目编号表示感谢。34-12/2008 (SR)，日期为2008年12月30日，UGC DRS III级课程编号F.530/1/DRS/2009 (SAP-I)，日期2009年2月09日;2011年12月20日，新德里，澳大利亚国立大学物理系的DST/FST/ PSI-002/2011，以感谢其提供财政援助。

参考文献

1. N. V. Madhusudana，“热致液晶的最新进展”，当前的科学，第80卷，第2期。8，第1018-1025页，2001。视图:谷歌学术搜索
2. 钱德拉塞卡液晶，剑桥大学出版社，英国剑桥，1992。
3. P. G. de Gennes和J. Prost，液晶物理学，克拉伦登出版社，牛津，英国，1993。
4. S. Sreehari sstry, S. Kumar, T. Vindhya Kumari, K. Mallika, B. G. Sankara Rao, H. S. Tiong，“通过图像分析的液晶参数”，液晶第39卷第3期12, pp. 1527-1537, 2012。视图:谷歌学术搜索
5. 辛格,液晶的基本面《世界科学》，新加坡，2002年。
6. D. Demus和L. Richter，液晶结构， Chemie, New York, NY, USA, 1978。
7. B. Montrucchio, A. Sparavigna, and A. Strigazzi，“一种提高液晶平滑过渡检测灵敏度的新图像处理方法”，液晶，第24卷，第2期6，页841 - 852,1998。视图:谷歌学术搜索
8. B. Montrucchio, A. Sparavigna, S. I. Torgova，和A. Strigazzi，“通过图像处理发现反式-4-己基环己烷-1-羧酸向列相中的一个新的有序转变”，液晶，第25卷，第2期5，页613-620,1998。视图:谷歌学术搜索
9. A. Sparavigna, A. Mello，和B. Montrucchio，“液态烷基氧苯甲酸6OBAC的结构转变”，相变，第79卷，第5期。4-5，页293-303,2006。视图:出版商的网站|谷歌学术搜索
10. J. Eccher, a . R. Sampaio, R. C. visvini等，“图像处理作为一种识别相变的工具”，分子液体杂志，第153卷，第153期2-3页，162 - 166,2010。视图:出版商的网站|谷歌学术搜索
11. S. Sreehari Sastry, K. Mallika, B. G. Sankara Rao, S. Tiong Ha, S. Lakshminarayana，“通过统计图像分析识别相变温度”，液晶第39卷第3期6, pp. 695-700, 2012。视图:谷歌学术搜索
12. A. Sparavigna和R. Marazzato，《用连贯长度图映射图像》，计算机视觉与模式识别，国际软件工程与计算杂志，第1卷，53-57页，2009。视图:谷歌学术搜索
13. g . w .灰色,液晶的分子结构与性质，学术出版社，美国纽约，1962年。
14. R. C. Gonzalez, R. E. Woods和S. L. Eddins，使用MATLAB进行数字图像处理， Dorling Kindersley，德里，印度，2004年。
15. M. Pietikäinen, A. Hadid, G. Zhao和T. Ahonen，使用局部二值模式的计算机视觉，第40卷计算机成像与视觉，施普林格，伦敦，英国，2011。
16. t . Maenpaa纹理分析的局部二值模式方法-扩展和应用，奥卢大学出版社，芬兰，2003。
17. T. Ojala, M. Pietikäinen，和T. Mäenpää，“基于局部二值模式的多分辨率灰度和旋转不变纹理分类”，模式分析与机器智能学报，第24卷，第2期7，页971-987,2002。视图:出版商的网站|谷歌学术搜索
18. T. Ojala, M. Pietikäinen，和D. Harwood，“基于Kullback分布歧视的分类测量纹理的性能评估”，在国际模式识别会议论文集(ICPR’94)，页582-585，耶路撒冷，以色列，1994。视图:谷歌学术搜索
19. LBP的参考书目,http://www.cse.oulu.fi/CMV/LBP_Bibliography．
20. f . Albregtsen从GLCM-Matrices中计算纹理度量[博士论文]，奥斯陆大学信息系图像处理实验室，2008。
21. m . Roumi基于FPGA的纹理特征提取算法的实现，计算机工程与应用，2003,26 (5):434 - 438论文)，代尔夫特理工大学，荷兰，2009。
22. g .赛CT扫描图像的纹理分析[M.S.]论文)，电气和仪表系，塔帕尔大学，帕蒂拉，印度，2008。
23. R.帕夫利斯，堪萨斯美国版的Micscape杂志，显微镜英国头版出版于2006年5月。

版权

版权所有©2012 S. Sreehari sstry等人。这是一篇发布在知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。