[發明專利]一種基于語義分割的巖石圖像孔隙類型識別方法有效
| 申請號： | 201910375792.3 | 申請日： | 2019-05-07 |
| 公開（公告）號： | CN110070552B | 公開（公告）日： | 2021-09-07 |
| 發明（設計）人： | 陳雁;李祉呈;劉易青;焦世祥;常國彪;宋敏;王珂;廖夢羽;李平;蔣裕強;程超;蔣嬋;蔣增政;王占磊 | 申請（專利權）人： | 西南石油大學;四川杰瑞泰克科技有限公司 |
| 主分類號： | G06T7/11 | 分類號： | G06T7/11;G06T5/00;G06T3/60;G06K9/62;G06N3/04 |
| 代理公司： | 成都正華專利代理事務所(普通合伙) 51229 | 代理人： | 何凡 |
| 地址： | 610500 四*** | 國省代碼： | 四川;51 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 語義 分割 巖石 圖像 孔隙 類型 識別 方法 | ||
1.一種基于語義分割的巖石圖像孔隙類型識別方法，其特征在于，包括以下步驟：
S1、將語義分割模型DeepLabV3+作為網絡模型、將卷積神經網絡作為基礎構架搭建初始深度學習網絡模型；
S2、獲取巖石原始圖像并進行圖像切割和圖像增強，得到預處理后的圖像數據；
S3、獲取巖石原始圖像并進行孔隙位置和形狀的人工標注，得到標注后的標簽圖像數據；
S4、對標注后的標簽圖像數據進行One-Hot編碼，得到編碼后的標簽數據；
S5、將步驟S2得到的預處理后的圖像數據和步驟S4得到的編碼后的標簽數據作為訓練樣本對步驟S1所搭建的初始深度學習網絡模型進行訓練，得到訓練后的模型；
S6、采用訓練后的模型對待識別圖像進行識別；
步驟S1的具體方法為：
將語義分割模型DeepLabV3+作為網絡模型，將殘差網絡ResNet50作為基礎架構搭建初始深度學習網絡模型，將初始深度學習網絡模型的孔隙類別個數設置為5，設置學習速率調整方式為adam優化梯度下降，設置每輪迭代批處理的圖片個數為24，設置迭代次數為10000，設置迭代精度為0.0001；
步驟S2中圖像增強的具體方法包括以下子步驟：
S2-1、去除圖像中連通域小于ab像素大小的孔隙，得到去除部分孔隙的圖像；其中b為初始深度學習網絡模型下采樣過程中池化層的層數；a為池化層的核參數；
S2-2、采用低通濾波對去除部分孔隙的圖像進行模糊處理，得到模糊處理后的圖像；
S2-3、向模糊處理后的圖像加入噪聲，并將加入噪聲后的圖像分別進行90°、180°和270°旋轉，形成新的圖像數據，得到擴大數量后的圖像集。
2.根據權利要求1所述的基于語義分割的巖石圖像孔隙類型識別方法，其特征在于，所述步驟S2中圖像切割的具體方法為：
將圖像變化成512×512或256×256像素大小的圖像。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于西南石油大學;四川杰瑞泰克科技有限公司，未經西南石油大學;四川杰瑞泰克科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910375792.3/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：視頻圖像的渲染方法、裝置和電子設備
- 下一篇：一種機器人視覺圖像的匹配方法
