Fractal analysis of the 3D microstructure of porous materials

Khlyupin, Aleksey; Dinariev, O. Yu.

doi:10.1134/s1063784215060109

Cited by 16 publications

(8 citation statements)

References 18 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…This way, phase-retrieval can be coupled with process-based reconstructions [25,49] to create three-dimensional shapes during the packing process. Most importantly, in this work, we have explicitly shown that phase-retrieval can utilize more sophisticated structural statistics beyond the S 2 two-point correlation function -we tried SS 2 and C 2 so far, or other morphological metrics such as fractal dimensions [50,51]. This means that fast 3D reconstructions based on modified PR with the incorporation of other additional correlation functions can be used as input data for the SA algorithm [48] or building block for MPS reconstruction [6,20,52], as well as the abovementioned hybridization with process-based methods.…”

Section: Resultsmentioning

confidence: 99%

Adaptive phase-retrieval stochastic reconstruction with correlation functions: 3D images from 2D cuts

Cherkasov,

Ananev,

Karsanina

et al. 2021

Preprint

View full text Add to dashboard Cite

Precise characterization of three-dimensional heterogeneous media is indispensable in finding the relationships between structure and macroscopic physical properties (permeability, conductivity, and others). The most widely used experimental methods (electronic and optical microscopy) provide high-resolution bi-dimensional images of the samples of interest. However, 3D material inner microstructure registration is needed to apply numerous modeling tools. Numerous research areas search for cheap and robust methods to obtain "full" 3D information about the structure of the studied sample from its 2D cuts. In this work, we develop a dynamic phase-retrieval stochastic reconstruction algorithm that can create 3D replicas from 2D original images -DDTF. The DDTF is free of artifacts characteristic of previously proposed phase-retrieval techniques. While based on a two-point S2 correlation function, any correlation function or other morphological metrics can be accounted for during the reconstruction, thus, paving the way to the hybridization of different reconstruction techniques. In this work, we use two-point probability and surface-surface functions for optimization. To test DDTF, we performed reconstructions for three binary porous media samples of different genesis: sandstone, carbonate, and ceramic. Based on computed permeability and connectivity (C2 and L2 correlation functions), we have shown that the proposed technique in terms of accuracy is comparable to the classic simulated annealing-based reconstruction method but is computationally very effective. Our findings open the possibility of utilizing DDTF to produce fast or crude replicas further polished by other reconstruction techniques such as simulated annealing or process-based methods. Improving the quality of reconstructions based on phase-retrieval by adding additional metrics into the reconstruction procedure is possible for future work.

show abstract

Section: Resultsmentioning

confidence: 99%

Adaptive phase-retrieval stochastic reconstruction with correlation functions: 3D images from 2D cuts

Cherkasov,

Ananev,

Karsanina

et al. 2021

Preprint

View full text Add to dashboard Cite

show abstract

“…sedimentary rocks [6], and rock structures [7]. The multifractal parameters find a relationship with the degree of cement hydration in cement paste [8], and multifractal behaviour of corroded steel surfaces has been observed also [9].…”

Section: Introductionmentioning

confidence: 91%

Multifractal-based assessment of Gilsocarbon graphite microstructures

Vertyagina

Marrow

2016

Carbon

View full text Add to dashboard Cite

“…Отсутствие данных о величинах компонент гетероядер-ных связей в таких неметаллических материалах, как Al(OH) 3 , Ca 3 (Si 3 O 9 ) -волла-стонит, шунгит, связано с тем, что их определение является сложной фундамен-тальной задачей, которая для некоторых минералов практически не разрешима в силу их сложного химического состава. С увеличением степени ковалентности повышается энергия связи атомных остовов, что на макроуровне вызывает увеличение плотности вещества.…”

Section: характеристики исследуемых материалов и результаты определенunclassified

Effect of the True Particle Density of Powder Systems on Their Fractal Dimension

Mordasov¹,

Firsova²,

Mordasov³

2017

Vestnik

View full text Add to dashboard Cite

Аннотация: На основе фрактального анализа порошковых систем получена зависимость фрактальной размерности от истинной плотности материала их час-тиц. С позиций современных представлений о химических связях обоснован характер изменения фрактальной размерности металлических и неметаллических дисперсных систем в зависимости от плотности частиц твердой фазы. Показано, что повышение степени ковалентности химической связи приводит к уменьше-нию фрактальной размерности порошков гомоядерных соединений, а фрактальная размерность дисперсных систем из гетероядерных неметаллических соединений растет с увеличением степени ионности их химической связи.При создании порошковых композиционных материалов с заранее заданны-ми свойствами широко применяется моделирование с использованием аппарата фрактальной геометрии [1]. Фрактальные объекты характеризуются самоподоби-ем в широком диапазоне масштабов, ограниченном снизу размерами молекул или атомов. Одной из основных характеристик фрактальных систем является фрак-тальная размерность, которая, как правило, имеет нецелочисленное значение.Методы определения фрактальной размерности дисперсных систем основа-ны на гипотезе масштабной инвариантности их структуры [2 -7]. В работах [2,8, 9] показано, что сыпучие материалы представляют собой фрактальные объ-екты, моделирование которых может быть осуществлено либо с применением регулярных, построенных по детерминированным алгоритмам фракталов (моно-фракталов), либо исходя из предположения их мультифрактальности. Рассмотре-ние сыпучих материалов как мультифрактальных объектов c физической точки зрения является наиболее правильным. Мультифрактальность состоит в том, что в зависимости от размеров изучаемых кластеров, последние характеризуются спектром фрактальных размерностей. Обобщенная фрактальная размерность в данном случае, согласно современным представлениям о мультифракталах [10], будет больше, чем фрактальная размерность любого из фракталов, образующих

show abstract

Fractal analysis of the 3D microstructure of porous materials

Cited by 16 publications

References 18 publications

Adaptive phase-retrieval stochastic reconstruction with correlation functions: 3D images from 2D cuts

Adaptive phase-retrieval stochastic reconstruction with correlation functions: 3D images from 2D cuts

Multifractal-based assessment of Gilsocarbon graphite microstructures

Effect of the True Particle Density of Powder Systems on Their Fractal Dimension

Contact Info

Product

Resources

About