基于多粒度网络的岩石图像检索研究与应用

发布时间：2022-10-19 13:20

　　近几年来,随着卷积神经网络的迅速发展并在大规模图像处理领域取得了优异的表现,多个领域的研究者们都将目光转向了深度学习。将地质科学与计算机技术相结合,是一个新的研究课题与研究方向,而对于地质行业的从业者而言,如何在信息时代对大量的岩石样本图像进行分类管理并且有效的检索是值得研究与应用的课题。虽然深度学习已经在图像检索领域有了很好的表现,但是其在地质领域的应用仍然存在很多问题,例如算法运算复杂度较高,难以实时应用,网络训练要求大量的数据才能完成,该领域难以应用。为了解决这些问题,本文对已有的数据进行了预处理与增强,采用多粒度网络的思想,利用从多种粒度特征图中提取的信息来提升识别与检索的性能,能有效改善数据量不足的问题。本文的研究内容主要包括以下几点:首先,针对目前岩石样本图像数据量不足的问题,本文利用有限的数据通过数据预处理以及数据增强的方式丰富了数据和场景的数量,划分了训练集、测试集和验证集,并对数据集中的图片进行人工标注。其次,由于岩石样本的细粒度特征对于岩石样本图像的识别具有重要意义,本文使用了多粒度网络来对不同粒度的特征进行提取,并根据应用领域的特点对参数进行优化调整。根据设置的多... 

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 基于机器学习方法的岩石图像应用研究现状
        1.2.2 深度学习研究现状
        1.2.3 图像检索研究现状
    1.3 存在的问题
    1.4 研究目标与研究内容
    1.5 论文结构
第2章 相关技术综述
    2.1 基于内容的图像检索
        2.1.1 图像检索系统结构
        2.1.2 图像特征提取
        2.1.3 特征比较
        2.1.4 检索性能的评价标准
    2.2 神经网络
        2.2.1 卷积神经网络
        2.2.2 残差网络
    2.3 GAN生成式对抗网络
        2.3.1 生成式对抗网络原理
        2.3.2 深度卷积生成式对抗网络
    2.4 本章小结
第3章 基于CNN的多粒度岩石样本图像检索方法
    3.1 训练集扩容
        3.1.1 数据预处理
        3.1.2 数据增强
        3.1.3 DCGAN介绍
        3.1.4 数据扩容训练
    3.2 多粒度网络框架
        3.2.1 网络结构设计
        3.2.2 损失函数
    3.3 本章小结
第4章 基于主动学习的对齐多粒度网络算法设计
    4.1 相关工作
    4.2 网络结构设计
        4.2.1 空间变换网络
        4.2.2 主干网络
        4.2.3 分支网络
        4.2.4 仿射预测网络
    4.3 本章小结
第5章 对比实验与结果分析
    5.1 实验数据与环境
        5.1.1 数据集介绍
        5.1.2 网络参数的设置与实验环境
    5.2 基于多粒度网络的岩石样本图像检索
        5.2.1 不同数据扩容方法对比
        5.2.2 MGN准确率提升验证
        5.2.3 损失函数权重的影响
    5.3 基于对齐多粒度网络的岩石样本图像检索
        5.3.1 网络训练过程
        5.3.2 实验及结果分析
    5.4 本章小结
第6章 总结与展望
    6.1 工作总结
    6.2 未来工作展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果


【参考文献】：
期刊论文
[1]卷积神经网络在岩石薄片图像检索中的应用初探[J]. 程国建,岳清清.  智能计算机与应用. 2018(02)
[2]基于灰度共生矩阵纹理特征的局部放电模式识别[J]. 陈焕栩,解浩,张建文,严家明.  电力系统保护与控制. 2018(05)
[3]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)
[4]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)
[5]基于铸体薄片图像颜色空间与形态学梯度的岩石分类[J]. 刘烨,程国建,马微,郭超.  中南大学学报(自然科学版). 2016(07)
[6]光谱增强技术在高光谱数据岩性识别中的应用[J]. 韦晶,朱金山,孙林,郭亚敏.  资源开发与市场. 2013(11)
[7]基于概率神经网络的岩石薄片图像分类识别研究[J]. 程国建,杨静,黄全舟,刘烨.  科学技术与工程. 2013(31)
[8]基于图像处理与神经网络的岩石组构识别[J]. 程国建,马微,魏新善,荣春龙,南珺祥.  西安石油大学学报(自然科学版). 2013(05)
[9]基于颜色特征的棉株株顶识别研究[J]. 瞿端阳,王维新,马本学,丁志锋.  农机化研究. 2013(04)
[10]BP网络在火成岩岩石化学判别分类中的应用[J]. 刘凤英,张楠,郎伟民.  新疆地质. 2007(02)

硕士论文
[1]深度信念网络在岩石薄片图像处理中的应用研究[D]. 刘丽婷.西安石油大学 2017



本文编号：3693438