融合多维信息的岩石薄片图像深度学习分类方法
发布时间：2021-11-08 05:11
岩石薄片图像的分类在地质工作中具有非常重要的意义。过去大多使用的是人工鉴定的方法,这种方法受人为因素的影响比较大,而且效率比较低。近年来,随着人工智能的发展,人们开始寻求利用计算机实现对岩石薄片图像的高精度自动化分类。本文通过分析岩石薄片图像的特征,提出了一种融合多维信息的岩石薄片图像深度学习分类方法。该方法主要包括了多维信息融合策略、分块合成策略与最大似然法结果融合策略三个方面,能够综合利用岩石薄片图像的多维信息,兼顾图像的局部与全局特征,并结合了不同类型图像分类模型的结果,从而获得较高的岩石薄片图像分类准确性。本文的研究成果总结如下:（1）对岩石薄片图像的特征进行分析,发现岩石薄片图像具有消光特征、颜色特征、形状特征、纹理特征与全局组合特征。为了综合利用这些特征,提出了一种多维信息融合的策略。首先将各个角度的单偏光和正交光图像融合到一起进行主成分分析,取前三个主成分生成新图像,得到融合后的图像。然后将单偏光图像、正交光图像与融合图像分别进行训练与建模,得到单偏光图像、正交光图像和融合图像的分类模型。（2）为了确保对岩石薄片图像局部微小特征的充分挖掘,同时兼顾图像的全局特征,提出了一...
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
图２－１橄榄岩的消光恃征示意图??２．２颜色特征??
（ｃ）逆时针旋转４５度?（ｄ）逆时针旋转６７．５度??图２－４普通角闪石的颜色变化示意图??由于岩石的吸收性，在单偏光下旋转物台时，晶体的颜色的深浅明暗会变化。??图２－５展示了?一块花岗岩岩石薄片中含有的黑云母的颜色变化，图中的Ａ为黑云??母，以其为深棕色的时候作为基准位置，每旋转２２．５度拍摄一张图像，可见随??着角度的变化，Ａ的颜色由深棕色变成了淡黄色。呈现深棕色的时候吸收性最强，??呈现淡黄色的时候吸收性最弱。??＊?＊?暴，??（ａ）?ｉ准位置?（ｂ）逆时针旋转２２．５度??％ｋ＇?＾??（ｃ）逆＆针３转４５度?（ｄ）逆时４旋＾?６７．５度??图２－５黑云母的颜色变化示意图?
图２－４普通角闪石的颜色变化示意图??由于岩石的吸收性，在单偏光下旋转物台时，晶体的颜色的深浅明暗会变化。??图２－５展示了?一块花岗岩岩石薄片中含有的黑云母的颜色变化，图中的Ａ为黑云??母，以其为深棕色的时候作为基准位置，每旋转２２．５度拍摄一张图像，可见随??着角度的变化，Ａ的颜色由深棕色变成了淡黄色。呈现深棕色的时候吸收性最强，??呈现淡黄色的时候吸收性最弱。??＊?＊?暴，??（ａ）?ｉ准位置?（ｂ）逆时针旋转２２．５度??％ｋ＇?＾??（ｃ）逆＆针３转４５度?（ｄ）逆时４旋＾?６７．５度??图２－５黑云母的颜色变化示意图??１４??
【参考文献】：
期刊论文
[1]基于深度学习的镜下矿石矿物的智能识别实验研究[J]. 徐述腾,周永章. 岩石学报. 2018(11)
[2]基于深度学习特征提取的岩石图像矿物成分分析[J]. 白林,姚钰,李双涛,徐东晶,魏昕. 中国矿业. 2018(07)
[3]基于SVM的岩石图像分析软件的研发与应用[J]. 陈伟强,靖洪文,孟波,胡成果,贺立新,王珂. 煤炭技术. 2018(07)
[4]基于岩石图像深度学习的岩性自动识别与分类方法[J]. 张野,李明超,韩帅. 岩石学报. 2018(02)
[5]X射线荧光光谱分析技术在大理岩鉴定与分类中的应用[J]. 迟广成,伍月,王海娇,陈英丽,王大千. 岩矿测试. 2018(01)
[6]基于卷积神经网络的岩石图像分类[J]. 程国建,郭文惠,范鹏召. 西安石油大学学报(自然科学版). 2017(04)
[7]聚类分析在岩石图像中的应用研究[J]. 程国建,范鹏召. 电脑知识与技术. 2017(07)
[8]X射线荧光光谱-电子探针在中酸性火山岩鉴定中的应用[J]. 徐翠,李林庆,张洁,何丽,张桂凤,王艳龙. 岩矿测试. 2016(06)
[9]基于Spark平台的岩石图像聚类分析[J]. 杨艳梅,柳娜,程国建,强新建,王叙乔. 西安石油大学学报(自然科学版). 2016(06)
[10]深度学习算法应用于岩石图像处理的可行性研究[J]. 程国建,刘丽婷. 软件导刊. 2016(09)
硕士论文
[1]基于深度学习的岩石组分研究[D]. 郭文惠.西安石油大学 2018
[2]基于岩石图像特征的聚类分析研究[D]. 范鹏召.西安石油大学 2018
[3]基于卷积神经网络的岩石图像分类研究与应用[D]. 吉春旭.西安石油大学 2017
[4]基于卷积神经网络的花卉图像分类算法的研究[D]. 刘园园.华北电力大学(北京) 2017
[5]基于Spark的岩石图像聚类分析算法研究[D]. 赵倩倩.西安石油大学 2016
[6]卷积神经网络优化及其在图像识别中的应用[D]. 李媛媛.沈阳工业大学 2016
本文编号：3483070
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
图２－１橄榄岩的消光恃征示意图??２．２颜色特征??
（ｃ）逆时针旋转４５度?（ｄ）逆时针旋转６７．５度??图２－４普通角闪石的颜色变化示意图??由于岩石的吸收性，在单偏光下旋转物台时，晶体的颜色的深浅明暗会变化。??图２－５展示了?一块花岗岩岩石薄片中含有的黑云母的颜色变化，图中的Ａ为黑云??母，以其为深棕色的时候作为基准位置，每旋转２２．５度拍摄一张图像，可见随??着角度的变化，Ａ的颜色由深棕色变成了淡黄色。呈现深棕色的时候吸收性最强，??呈现淡黄色的时候吸收性最弱。??＊?＊?暴，??（ａ）?ｉ准位置?（ｂ）逆时针旋转２２．５度??％ｋ＇?＾??（ｃ）逆＆针３转４５度?（ｄ）逆时４旋＾?６７．５度??图２－５黑云母的颜色变化示意图?
图２－４普通角闪石的颜色变化示意图??由于岩石的吸收性，在单偏光下旋转物台时，晶体的颜色的深浅明暗会变化。??图２－５展示了?一块花岗岩岩石薄片中含有的黑云母的颜色变化，图中的Ａ为黑云??母，以其为深棕色的时候作为基准位置，每旋转２２．５度拍摄一张图像，可见随??着角度的变化，Ａ的颜色由深棕色变成了淡黄色。呈现深棕色的时候吸收性最强，??呈现淡黄色的时候吸收性最弱。??＊?＊?暴，??（ａ）?ｉ准位置?（ｂ）逆时针旋转２２．５度??％ｋ＇?＾??（ｃ）逆＆针３转４５度?（ｄ）逆时４旋＾?６７．５度??图２－５黑云母的颜色变化示意图??１４??
【参考文献】：
期刊论文
[1]基于深度学习的镜下矿石矿物的智能识别实验研究[J]. 徐述腾,周永章. 岩石学报. 2018(11)
[2]基于深度学习特征提取的岩石图像矿物成分分析[J]. 白林,姚钰,李双涛,徐东晶,魏昕. 中国矿业. 2018(07)
[3]基于SVM的岩石图像分析软件的研发与应用[J]. 陈伟强,靖洪文,孟波,胡成果,贺立新,王珂. 煤炭技术. 2018(07)
[4]基于岩石图像深度学习的岩性自动识别与分类方法[J]. 张野,李明超,韩帅. 岩石学报. 2018(02)
[5]X射线荧光光谱分析技术在大理岩鉴定与分类中的应用[J]. 迟广成,伍月,王海娇,陈英丽,王大千. 岩矿测试. 2018(01)
[6]基于卷积神经网络的岩石图像分类[J]. 程国建,郭文惠,范鹏召. 西安石油大学学报(自然科学版). 2017(04)
[7]聚类分析在岩石图像中的应用研究[J]. 程国建,范鹏召. 电脑知识与技术. 2017(07)
[8]X射线荧光光谱-电子探针在中酸性火山岩鉴定中的应用[J]. 徐翠,李林庆,张洁,何丽,张桂凤,王艳龙. 岩矿测试. 2016(06)
[9]基于Spark平台的岩石图像聚类分析[J]. 杨艳梅,柳娜,程国建,强新建,王叙乔. 西安石油大学学报(自然科学版). 2016(06)
[10]深度学习算法应用于岩石图像处理的可行性研究[J]. 程国建,刘丽婷. 软件导刊. 2016(09)
硕士论文
[1]基于深度学习的岩石组分研究[D]. 郭文惠.西安石油大学 2018
[2]基于岩石图像特征的聚类分析研究[D]. 范鹏召.西安石油大学 2018
[3]基于卷积神经网络的岩石图像分类研究与应用[D]. 吉春旭.西安石油大学 2017
[4]基于卷积神经网络的花卉图像分类算法的研究[D]. 刘园园.华北电力大学(北京) 2017
[5]基于Spark的岩石图像聚类分析算法研究[D]. 赵倩倩.西安石油大学 2016
[6]卷积神经网络优化及其在图像识别中的应用[D]. 李媛媛.沈阳工业大学 2016
本文编号：3483070
本文链接：https://www.wllwen.com/kejilunwen/diqiudizhi/3483070.html
