基于语义特征提取的砂岩薄片图像颗粒分割方法

发布时间：2021-01-19 08:55

　　砂岩薄片鉴定是矿物学和采矿工程中的一个重要步骤,其基础是将砂岩薄片图像包含的矿物颗粒分割到独立区域.不同于一般图像分割问题,砂岩薄片图像中包含大量矿物颗粒,且相邻颗粒之间边界模糊,通用的图像分割方法难以适用.本文利用多角度砂岩薄片图像,使用卷积神经网络和模糊聚类技术,提出一种3阶段颗粒分割方法.第1阶段,将输入的多角度砂岩图像预分割成超像素集合.第2阶段,根据砂岩矿物特点构建卷积神经网络RockNet,先使用带标签的砂岩矿物颗粒图像库训练RockNet,然后将之用于提取超像素语义特征.第3阶段,提出区域合并方法 FCoG,该方法融合多特征用于聚类和合并超像素,并生成最终的矿物颗粒.对采集自多个地区和不同地质年代的砂岩薄片图像数据集进行实验,结果表明本文方法的有效性,其性能明显优于其他分割方法. 

【文章来源】：中国科学:信息科学. 2020,50(01)北大核心

【文章页数】：19 页

【文章目录】：
1 引言
2 相关工作
3 砂岩图像颗粒分割方法
    3.1 问题定义
    3.2 方法框架
    3.3 基于多角度超像素算法的区域分割
    3.4 基于卷积神经网络的区域特征提取
        3.4.1 RockNet网络结构
        3.4.2 RockNet参数训练
    3.5 基于模糊聚类的区域合并
4 实验与分析
    4.1 图像数据库
    4.2 算法衡量指标
    4.3 颗粒分割实验
    4.4 特征提取实验
    4.5 图像增强技术对网络参数训练的影响
    4.6 区域合并实验
    4.7 讨论
5 结论和展望


【参考文献】：
期刊论文
[1]基于内容的图像分割方法综述[J]. 姜枫,顾庆,郝慧珍,李娜,郭延文,陈道蓄.  软件学报. 2017(01)



本文编号：2986708