岩矿薄片偏光序列图像的矿物颗粒分割方法

岩矿薄片图像中矿物颗粒的提取是岩矿薄片粒度分析、成分识别的基础,为了进一步提升矿物颗粒提取的准确性,提出一种新的矿物颗粒分割提取方法.该方法以相同视域、不同角度下的正交偏光序列图像为基础,对序列图像进行融合后,利用熵率超像素算法提取矿物颗粒目标.为了减少矿物颗粒的过分割现象,采用快速区域合并算法合并具有相似性的区域,最后,依据矿物颗粒在正交偏光下的变化规律对分割区域筛选,再次进行颗粒目标融合实现颗粒自动分割.该方法提取岩矿薄片图像中的矿物颗粒,可以获得较好的效果.     

DBSCAN算法与数学形态学在岩石薄片图像分割中的应用

在岩石薄片图像处理中,针对岩屑矿物个数未知、成像多为聚集的点状的特点,提出了一种基于DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法与数学形态学的矿物分割方法。首先,标记出每个颗粒目标,求得其中心坐标;其次,利用DBSCAN算法对岩屑颗粒目标中心进行聚类,将不同区域的岩屑目标分离出来;最后,利用数学形态学方法对聚类结果做膨胀、填孔、腐蚀等处理,得到颗粒的边界。实验分析表明:该方法聚类效果良好,参数容易控制并有一定的抗噪性能,对岩屑颗粒目标的提取有较好的效果。     

砂岩显微图像分析方法及其工具实现

图像分析是研究砂岩薄片的重要手段。研究适用于砂岩薄片的图像分析的方法并进行工具实现,在岩石学研究、油气勘探等方面具有重要意义。文中设计开发了砂岩显微图像分析软件系统。首先,提出基于超像素分割和聚类的图像分割方法来分割砂岩薄片显微图像,形成只具有单一矿物成分的超像素;然后,以矿物显微图像作为训练数据,提取颜色和局部等特征参数来训练分类器分类超像素;最后,合并相邻超像素从而形成完整的矿物颗粒,并标定其类别成分。在对方法进行研究的基础上,进行软件设计实现,对砂岩薄片显微图像中的矿物组分和组构特征进行分析。对一些采自西藏的典型砂岩薄片显微图像的分析表明,该方法具有良好的实用价值,但还需要进一步完善和优化。     

基于改进U2Net的岩石薄片图像分割

了解岩石的孔隙度、孔径分布、孔隙连通性等特征对于油气的寻找和开采有着重要的意义, 而这些特征的分析和判断需要借助岩石薄片图像分割技术. 岩石薄片图像有大量细小颗粒, 这些颗粒之间的边缘特征十分相似, 无法做出精准的区分, 同时制造切片过程中染色不均会造成薄片孔隙的颜色特征不平衡而导致无法分割. 因此为了改善岩石薄片分割效果, 本文提出基于一种改进的U²Net的分割算法. 主要内容如下: (1)以U²Net网络为骨干进行改进, 结合coordinate attention注意力机制, 用来提高模型对图像特征的表达能力. (2)通过引入多尺度特征提取模块, 增加卷积层的感知区域, 且能够利用特征图的多尺度特征信息. 实验证明, 该方法与传统分割方法和其他分割网络相比在较小颗粒的分割上表现更好, 所提出的算法具有较高的分割准确度和鲁棒性.     

自动化浮选系统中泡沫分离岭的研究

研究泡沫图像分离岭研究在矿物浮选系统自动化控制中的应用,提高控制准确度以保证矿物回收率.由于泡沫的产生随机性强,存在泡沫相互粘连、边缘模糊的问题而不易分割识别,传统的分离岭分析方法对粘连、模糊的泡沫不能准确分割,无法有效提取泡沫特征而造成浮选系统控制准确度不高的问题.为解决上述问题,提出局部纹理分析方法控制矿物浮选系统.通过对泡沫图像自适应分割后,提取粗分割图像的纹理特征并识别,据识别结果对区域进行再分割或合并以实现泡沫分离岭,避免传统方法对粘连、模糊泡沫分割不准确的问题,然后根据提取出的泡沫大小形状等特征在线控制矿物浮选系统.实验表明,改进方法能够有效解决粘连、模糊泡沫分割不准确的问题,而保证了矿物浮选系统的控制准确度和矿物的回收率.     

基于SIFT的岩石薄片图像拼接

为了解决传统的基于尺度不变特征变换(SIFT)算法的图像拼接方法无法使用SIFT特征匹配算法对岩石薄片图像中的空白区域图像进行特征提取,进而影响整个岩石薄片图像拼接的问题,在尺度不变特征变换匹配算法的基础上,提出了一种将岩石薄片图像的行列中心位置作为拼接基准点的图像拼接方法。该方法改进了特征点的提取方式、变换矩阵的计算顺序以及矩阵优化的顺序,并利用相邻图像之间的位置关系估计出空白区域图像的变换矩阵,实现了整个岩石薄片图像的拼接。实验结果表明,该方法可以较好地完成岩石薄片图像中空白图像的拼接,能够较为完整地保留整个岩石薄片的纹理信息,具有一定的实际应用价值。     

基于水平集和迭代自组织算法的图像分割

提出了基于水平集和迭代自组织数据分析的岩心砾石图像分割方法,既可克服水平集算法伴生的图像过分割问题,也可解决迭代自组织算法产生的图像边缘飘移问题。该方法首先运用水平集算法获取目标颗粒的准确边界,运用迭代自组织算法提取目标颗粒的整体;其次将两种方法提取的图像给以迭加综合处理,克服水平集算法伴生的图像过分割和迭代自组织算法产生的边缘飘移的缺陷,进而得到既完整又边界准确的目标颗粒。该方法运用于岩心砾石图像的分割,取得了良好的效果。     

基于注意力机制的岩石铸体薄片轻量化分割

储集层岩石铸体薄片的微观结构特征对研究储层的储渗能力、流体分布、采收率的大小、水驱油效率等均具重要作用。岩石铸体薄片的分割是研究岩石微观结构特征的前提,目前传统方法是通过染色剂对孔隙区域染色,然后用阈值或连通域等方法进行分割,这种方法准确率低且成本昂贵。基于深度学习的语义分割网络在不同的分割场景下都取得了很大进展。该文采用DeepLabV3+网络作为模型框架,首先,针对语义分割网络参数量多且在恢复空间细节方面表现欠佳等问题,引入了轻量化特征提取网络,优化原模型Xception特征提取网络的参数量;其次,优化残差结构,减少参数计算量,降低模型训练耗时;最后,为了弥补参数优化带来的精度损失,在模型的高层特征图提取部分引入注意力机制CBAM模块,以提高模型准确率。在岩石铸体薄片数据集上,此方法与原模型相比准确率提高了3.7百分点,识别帧率提高了106百分点。     

基于协同表示的多特征融合岩石分类

针对传统的岩石薄片成分分析耗时、识别率不高等问题,提出了一种基于协同表示(CR)的岩石薄片成分分析方法。首先,分析探讨了岩石薄片中颗粒纹理特性,证明将薄片图像的分层多尺度局部二值化(HMLBP)特征与灰度共生矩阵(GLCM)特征相融合能有效地表征岩石薄片中颗粒的纹理。然后,为降低识别阶段时间复杂度,采用主成分分析(PCA)方法将新特征降维到100维。最后,采用基于协同表示的分类器(CRC)进行分类识别。与基于稀疏表示的分类器(SRC)分别采用样本字典中某一个样本单独编码表征预测样本不同,基于协同表示的分类器采用样本字典中的所有样本协同编码表征预测样本,借助不同样本的同一属性提高识别率。实验结果表明该方法的识别速度较基于稀疏的分类器识别方法提高300%,识别率提高2%;在实践应用中能较好地区分岩石薄片中的石英成分和长石成分。     

基于小波变换的图像过渡区提取与分割

复杂背景下目标的准确分割是自动目标识别中的关键技术之一。该文将基于过渡区提取的图像分割技术应用于自然纹理场景的图像分割,提出了基于小波变换的过渡区提取与分割算法,克服了以往过渡区直接提取方法的不足。实验结果表明,该方法用于自然纹理场景下的目标分割具有很好的分割效果。