[發(fā)明專利]基于AdaBoost算法的地震相干體圖像斷層自動(dòng)識(shí)別方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201710186136.X
• 申請(qǐng)日: 2017-03-27
• 公開（公告）號(hào): CN106951924B
• 公開（公告）日: 2020-01-07
• 發(fā)明（設(shè)計(jì)）人: 曹志民;吳云;韓建;劉超;劉挺;劉鶴
• 申請(qǐng)（專利權(quán)）人: 東北石油大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 11462 北京眾元弘策知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙)
• 代理人: 周達(dá);尤志君

1.基于AdaBoost算法的地震相干體圖像斷層自動(dòng)識(shí)別方法，其特征在于，包括：

步驟S1，獲取地震相干體斷層圖像中的圖像塊，所述圖像塊包括斷層體圖像塊、斷層邊緣圖像塊和斷層背景圖像塊；

步驟S2，通過預(yù)先訓(xùn)練的分類網(wǎng)絡(luò)，對(duì)圖像塊進(jìn)行分類，得到分類結(jié)果，所述分類網(wǎng)絡(luò)由多個(gè)分類器構(gòu)成，所述分類網(wǎng)絡(luò)通過AdaBoost算法學(xué)習(xí)獲得；

步驟S3，根據(jù)所述分類結(jié)果，實(shí)現(xiàn)對(duì)所述地震相干體斷層圖像的自動(dòng)識(shí)別。

2.根據(jù)權(quán)利要求1所述的基于AdaBoost算法的地震相干體圖像斷層自動(dòng)識(shí)別方法，其特征在于，

所述分類網(wǎng)絡(luò)的訓(xùn)練過程為：

選取N個(gè)離線訓(xùn)練樣本形成第一訓(xùn)練樣本，對(duì)所述第一訓(xùn)練樣本的學(xué)習(xí)得到第一個(gè)弱分類器，所述離線訓(xùn)練樣本為地震相干體斷層圖像中的圖像塊；

將所述第一個(gè)弱分類器中分錯(cuò)的樣本和其他離線訓(xùn)練樣本構(gòu)成第二個(gè)訓(xùn)練樣本，通過對(duì)所述第二個(gè)訓(xùn)練樣本的學(xué)習(xí)得到第二個(gè)弱分類器，所述第二個(gè)訓(xùn)練樣本由N個(gè)離線訓(xùn)練樣本構(gòu)成；

將所述第一個(gè)弱分類器和第二個(gè)弱分類器中都分錯(cuò)的樣本和其他離線訓(xùn)練樣本構(gòu)成第三個(gè)訓(xùn)練樣本，通過對(duì)所述第三個(gè)訓(xùn)練樣本的學(xué)習(xí)得到第三個(gè)弱分類器，形成三個(gè)二類分類器構(gòu)成的分類網(wǎng)絡(luò)，所述第三個(gè)訓(xùn)練樣本由N個(gè)離線訓(xùn)練樣本構(gòu)成。

3.根據(jù)權(quán)利要求1所述的基于AdaBoost算法的地震相干體圖像斷層自動(dòng)識(shí)別方法，其特征在于，

所述步驟S2，具體為：

通過所述分類網(wǎng)絡(luò)中的分類器對(duì)圖像塊進(jìn)行分類，得到經(jīng)每個(gè)分類器處理后的圖像塊；

計(jì)算所述圖像塊與所述經(jīng)每個(gè)分類器處理后的圖像塊之間的相似度，得到多個(gè)相似度；

根據(jù)所述多個(gè)相似度，計(jì)算每個(gè)分類器的投票結(jié)果；

根據(jù)所述投票結(jié)果，得到分類結(jié)果，所述分類結(jié)果為多次累積投票結(jié)果最大的類。

4.根據(jù)權(quán)利要求1所述的基于AdaBoost算法的地震相干體圖像斷層自動(dòng)識(shí)別方法，其特征在于，

所述圖像塊的尺寸為3*3、5*5、7*7和9*9中的至少一種。

5.根據(jù)權(quán)利要求1所述的基于AdaBoost算法的地震相干體圖像斷層自動(dòng)識(shí)別方法，其特征在于，

所述圖像塊中的斷層體圖像塊、斷層邊緣圖像塊和斷層背景圖像塊的選取比例為3：2：1。

6.基于AdaBoost算法的地震相干體圖像斷層自動(dòng)識(shí)別系統(tǒng)，其特征在于，包括：

圖像塊獲取模塊，用于獲取地震相干體斷層圖像中的圖像塊，所述圖像塊包括斷層體圖像塊、斷層邊緣圖像塊和斷層背景圖像塊；

圖像塊分類模塊，用于通過預(yù)先訓(xùn)練的分類網(wǎng)絡(luò)，對(duì)圖像塊進(jìn)行分類，得到分類結(jié)果，所述分類網(wǎng)絡(luò)由多個(gè)分類器構(gòu)成，所述分類網(wǎng)絡(luò)通過AdaBoost算法學(xué)習(xí)獲得；

斷層圖像自動(dòng)識(shí)別模塊，用于根據(jù)所述分類結(jié)果，實(shí)現(xiàn)對(duì)所述地震相干體斷層圖像的自動(dòng)識(shí)別。

7.根據(jù)權(quán)利要求6所述的基于AdaBoost算法的地震相干體圖像斷層自動(dòng)識(shí)別系統(tǒng)，其特征在于，

所述圖像塊分類模塊，具體用于訓(xùn)練分類網(wǎng)絡(luò)，具體為：

選取N個(gè)離線訓(xùn)練樣本形成第一訓(xùn)練樣本，對(duì)所述第一訓(xùn)練樣本的學(xué)習(xí)得到第一個(gè)弱分類器，所述離線訓(xùn)練樣本為地震相干體斷層圖像中的圖像塊；

將所述第一個(gè)弱分類器中分錯(cuò)的樣本和其他離線訓(xùn)練樣本構(gòu)成第二個(gè)訓(xùn)練樣本，通過對(duì)所述第二個(gè)訓(xùn)練樣本的學(xué)習(xí)得到第二個(gè)弱分類器，所述第二個(gè)訓(xùn)練樣本由N個(gè)離線訓(xùn)練樣本構(gòu)成；

將所述第一個(gè)弱分類器和第二個(gè)弱分類器中都分錯(cuò)的樣本和其他離線訓(xùn)練樣本構(gòu)成第三個(gè)訓(xùn)練樣本，通過對(duì)所述第三個(gè)訓(xùn)練樣本的學(xué)習(xí)得到第三個(gè)弱分類器，形成三個(gè)二類分類器構(gòu)成的分類網(wǎng)絡(luò)，所述第三個(gè)訓(xùn)練樣本由N個(gè)離線訓(xùn)練樣本構(gòu)成。