[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

本發明公開了一種基于語義分割的巖石圖像孔隙類型識別方法，其包括以下步驟：S1、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、將預處理后的圖像數據和編碼后的標簽數據作為訓練樣本對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。本發明抗噪音能力強，具有泛化能力，可提高孔隙識別精度，并且實現了孔隙類別的識別。

技術領域

本發明涉及一種巖石孔隙識別領域，具體涉及一種基于語義分割的巖石圖像孔隙類型識別方法。

背景技術

巖石孔隙度是衡量其保持流體能力的一個指標，不同種類的巖石孔隙具有不同的特征，如頁巖有粒間孔、粒內孔、有機質孔、縫隙等?？紫短卣鞯牟煌罱K可以導致受滲透率大小控制的開發效果存在巨大差異，因此孔隙類型較大程度上決定原油采收效率。近幾年，隨著數字圖像處理技術的發展，一種識別孔隙類型常用的方法是利用鉆井巖心樣本，磨制鑄體薄片，在掃描電鏡下拍攝薄片圖像并對圖像進行處理，提取巖石孔隙圖像的特征，從而對其進行分類識別。

傳統圖像分割方法首先對圖像通過顏色、形狀及紋理等特征進行圖像分割，之后再進行后續的工作。這類方法有較大的局限性，這類算法一般具有一些人為制定的標準，并沒有學習能力，只能針對特定的場景獲得比較好的結果。更重要的是此類分割方法只能得到孔隙的形狀特征而無法得到孔隙的類別，只能通過人工或分類算法對孔隙進行進一步的分類，而孔隙類別與孔隙所處的巖石基質具有較大關聯，因此單純對孔隙樣本進行分類效果較差?；趥鹘y圖像分割的方法有：

(1)基于閾值的分割方法：基于閾值的分割方法是基于圖像的灰度特征計算或設定一個或多個灰度閾值，然后通過將圖像中各個像素的灰度值與閾值進行比較，從而達到一個基于劃分的分類結果，進而完成圖像的分割。此方法的缺點在于如果圖像中前景區域與背景區域的像素灰度相近或者顏色差別較小時，該方法會出現過度分割或者欠分割。

(2)基于邊緣的分割方法：基于邊緣的分割方法通過檢測，確定出區域的邊緣，然后根據邊緣劃分出不同的分類，該方法的前置條件是待分類區域有較為明顯的邊緣特征，但是對于邊緣區分不明顯或者邊緣不連續的情況會取得比較差的結果。

發明內容

針對現有技術中的上述不足，本發明提供的一種基于語義分割的巖石圖像孔隙類型識別方法解決了現有巖石孔隙識別難的問題。

為了達到上述發明目的，本發明采用的技術方案為：

提供一種基于語義分割的巖石圖像孔隙類型識別方法，其包括以下步驟：

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。

進一步地，步驟S1的具體方法為：