深度学习在岩石薄片图像检索中的应用研究

发布时间：2022-01-24 16:20

　　岩石孔隙作为岩石组分的一个重要部分,是研究油藏运移、储存机理及其控制的基础。然而,不同类型的孔隙对油气渗透率有很大影响。因此,本文以鄂尔多斯盆地致密储层砂岩孔隙图像为实验数据,对三种图像检索方法进行研究。首先,以颜色特征、形状特征和纹理特征为切入点,将基于内容的图像检索技术应用到岩石孔隙图像检索中,通过实验分别实现了基于颜色直方图、SIFT形状特征以及Gabor小波纹理特征的岩石孔隙图像检索,实验结果表明该方法对岩石孔隙图像识别率较低,从而导致检索效率不高,平均仅达到50%。其次,微调预训练网络VGG16的参数,并用其进行岩石孔隙图像的特征提取与检索,该结果表明,相比于前一种方法,基于预训练网络VGG16的岩石孔隙图像检索效率有所提升,平均达到70%,但依然不能满足检索的实际需求。最后,本文选取Alex Net网络模型,根据样本数据集对网络的卷积层数目、卷积核尺寸及学习率进行调整,从而得到最适合岩石孔隙图像识别的网络结构。利用该网络结构完成岩石孔隙图像检索实验,实验结果表明,调整后的Alex Net模型在岩石孔隙图像检索中效率更高,平均达到93%以上。 

【文章来源】：西安石油大学陕西省

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

基于深度学习的岩石薄片图像检索拟定路线

第二章 基于内容的图像检索内容为特征的图像查询，其根本就是将内容相似的图像返回给，需要根据特定的选择方法提取数据库中的所有图像特征，并征库。在进行图像查询的过程中，需要对查询图像提取相同性质向量在特征库中执行索引查找，最后根据距离计算方法对特征向较小的图像。本章将从图像检索的系统框架、特征提取算法、检索效果评价指标四个方面进行研究。构容的图像检索系统基本上由两部分组成：图像特征库的建立和首先需要进行图像预处理、目标标识等，图像查询是在查询接然后通过搜索引擎对相似的图像进行搜索，并返回搜索结果。下图 2-1 所示。

据库中图像特征进行距离计算。2 图像特征提取2.1 颜色特征颜色特征在图像查询中使用较为广泛，因为颜色往往是表达图像中包含目标对象景的重要特征。另外，颜色特征和图像的大小、方向以及角度没有关系，且具有很鲁棒性。1、颜色直方图颜色的直方图表示在图像识别与检索中具有广泛的应用[30]。它集中体现了整幅图颜色分布，并且每幅图像都有与之对应的直方图。通常，不同的图像对应的直方图同。但是，由于颜色在图像中的位置不能被直方图表现出来，因此相同的颜色分布会被匹配到不同的图像，即一个直方图可对应多幅图像。颜色直方图主要是对每种颜色的不同通道进行表示，在 RGB 颜色空间中，每种由红色、绿色和蓝色三种基色的组合表示，如下图 2-2 所示。


本文编号：3606899