基于语义特征提取的砂岩薄片图像颗粒分割方法
摘要
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.
引用本文（GB/T 7714）
枫 姜, 庆 顾, 慧珍 郝, 等. 基于语义特征提取的砂岩薄片图像颗粒分割方法[J]. Scientia Sinica Informationis, 2018.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。