對巖石薄片中大量混合的礦物顆粒進行準(zhǔn)確劃分是計算機輔助礦物識別與巖石分類的第一步,但是巖石礦物顆粒呈現(xiàn)的邊界模糊,使得顆粒分割十分困難,而在不同角度的正交偏光下,巖石礦物顆粒的消光性可使顆粒邊界變得較為明顯,易于分割。因此,利用多角度正交偏光顯微圖像,實現(xiàn)了一種巖石礦物顆粒分割方法。該方法基于改進的簡單線性迭代聚類（SLIC）算法,產(chǎn)生邊緣較貼合的超像素塊,然后利用超像素塊間的相鄰像素對和顏色信息融合過分割區(qū)域,提取分割出礦物顆粒。實驗結(jié)果表明,改進后的SLIC算法能更好地保留巖石礦物顆粒邊緣,有助于巖石礦物顆粒提取與分類,具有一定的實用性。 

【文章來源】：軟件導(dǎo)刊. 2020,19(04)

【文章頁數(shù)】：5 頁

【部分圖文】：

多角度偏光序列l(wèi)l2ll2（c）

琸表示不同偏光角度。由于90o是礦物顆粒的一個消光周期［15］，故選取0°～90°的偏光圖片，每10°采集一張圖片，共10張圖片。本文n取10，k={1?2?3?9?10}，對應(yīng)偏光角度為0°，10°，20°…80°，90°的圖片，最終的距離度量公式為：D′=(D′cm)2+(D′sS)2（8）保持最終的距離度量公式不變，將多個角度的偏光圖數(shù)據(jù)加入D′c、D′s進行計算，生成的超像素塊可以很好地保留顆粒邊緣。生成的超像素塊如圖3（b）所示，圖3（a）為使用原始SLIC算法提取偏光角度為0°的顯微圖像。（a）0°SLIC（b）本文算法圖3超像素塊提取效果比較圖3（a）顯示僅對0°的偏光圖片提取超像素塊的結(jié)果，許多消光的顆粒邊緣都沒有提取到，但在加入多個偏光角度圖片的顏色信息后，在圖3（b）方框中，消光顆粒邊緣都能夠提取到。2超像素塊標(biāo)簽融合2.1基于邊界的粗融合粗融合算法首先找到圖像中所有相鄰的超像素塊對，利用相鄰超像素塊間邊界像素對［16］的顏色特征實現(xiàn)超像素塊粗合并，具體流程如下：（1）遍歷整張圖片的超像素塊，對于任意兩個超像素塊，計算adj(i?j)，其定義如下：adj(i?j)={1$(N8(p)ìi?j)0其它（9）（2）遍歷所有超像素塊，若adj(i?j)=1，計算超像素塊i、j中的相鄰像素對(Vi?Vj)。對所有相鄰像素對(Vi?Vj)，利用公式（9）計算Ds。其中，k={1?2?3?9?10}對應(yīng)偏光角度為0°，10°，20°…80°，90°的圖片，

第4期圖40°的超像素塊圖5改進SLIC的超像素塊將分割結(jié)果細(xì)節(jié)進行放大，為了便于分析對比，將0°的圖片提取出來進行分析，結(jié)果如圖6所示。其中圖6（a）、（d）、（g）為偏光角度為0o的細(xì)節(jié)圖片，圖6（b）、（e）、（h）為先融合多角度序列圖像后提取超像素塊的結(jié)果，圖6（c）、（f）、（i）為本文提出方法提取超像素塊的結(jié)果。在圖6（a）中可以明顯看出，此時是兩個不同顆粒，顏色差異較大。圖6（b）為根據(jù)文獻［14］進行多角度偏光圖片融合效果［19］，可以發(fā)現(xiàn)由于融合后顆粒的邊界不明顯，直接采用SLIC獲取到的超像素塊也沒有提取到顆粒間輪廓，而圖6（c）中提取到了圖6（a）中的顆粒輪廓。（a）（b）（c）（d）（e）（f）（g）（h）（i）圖6分割結(jié)果局部示意在圖6（e）、（h）中，超像素塊邊緣與礦物顆粒邊緣沒有貼合，而在圖6（f）、（i）中的同一位置，改進后SLIC算法獲得的超像素塊能更好地貼合顆粒邊緣。3.2分割結(jié)果在進行基于邊界像素對的粗融合與基于顏色特征的融合后，結(jié)果如圖7所示，此時大部分顆粒都已被提取出來。圖7本文融合結(jié)果圖8是對序列圖融合后的圖片進行分水嶺分割的結(jié)果，圖9是超像素塊進行K-means聚類分割結(jié)果。本文提出的融合算法對于偏光角度下較暗的顆粒仍能獲得很好的提取效果，顆粒邊緣能得到較好的保留，但顆粒間的背景雜質(zhì)也被提取出來；K-means算法可以去除雜質(zhì)，但丟失了部分邊緣信息；分水嶺算法沒有將亮度較暗的顆粒分割出來，提取效果較差。圖8分水嶺分割結(jié)果

【參考文獻】：
期刊論文
[1]巖礦薄片偏光序列圖像的礦物顆粒分割方法[J]. 吳耀坤,滕奇志,何海波,彭志偉.  計算機系統(tǒng)應(yīng)用. 2018(12)
[2]基于改進的SLIC和OTSU的遙感影像水體提取[J]. 龔林松,李士進.  計算機技術(shù)與發(fā)展. 2019(01)
[3]融合SLIC與改進鄰近傳播聚類的彩色圖像分割算法[J]. 程仙國,王明軍.  計算機工程. 2018(06)
[4]基于巖石薄片偏光序列圖的顆粒分割算法[J]. 彭志偉,滕奇志,何小海,卿粼波.  計算機應(yīng)用與軟件. 2018(05)
[5]彩色圖像分割方法綜述[J]. 楊紅亞,趙景秀,徐冠華,劉爽.  軟件導(dǎo)刊. 2018(04)
[6]基于圖像超像素分析的圖像分割方法[J]. 張小鳳,劉向陽.  計算機技術(shù)與發(fā)展. 2018(07)
[7]超像素特征的運動目標(biāo)檢測算法[J]. 胡昭華,張維新,邵曉雯.  控制理論與應(yīng)用. 2017(12)
[8]基于多尺度的水下圖像顯著性區(qū)域檢測[J]. 劉曉陽,薛純.  微型機與應(yīng)用. 2017(09)
[9]圖像分割中的超像素方法研究綜述[J]. 宋熙煜,周利莉,李中國,陳健,曾磊,閆鑌.  中國圖象圖形學(xué)報. 2015(05)
[10]條件隨機場與多層算法模型的實體自動識別[J]. 劉殷,呂學(xué)強,劉坤.  計算機工程與應(yīng)用. 2016(11)



本文編號：3607036