本文選題：巖石圖像 + 圖像分類�。� 參考：《西安石油大學(xué)學(xué)報(bào)(自然科學(xué)版)》2017年04期

【摘要】：在顯微鏡下分析巖石薄片并對(duì)其進(jìn)行分類時(shí),人工鑒定效率較低且易受主觀因素影響,為此提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的巖石粒度自動(dòng)分類方法。該方法通過卷積網(wǎng)絡(luò)模型實(shí)現(xiàn)圖像特征自動(dòng)提取,并同時(shí)建立模式分類器,實(shí)現(xiàn)基于薄片圖像的粒度自動(dòng)識(shí)別。采用鄂爾多斯盆地的4 800樣品對(duì)卷積網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練,通過1 200個(gè)樣品對(duì)模型測(cè)試,測(cè)試集分類結(jié)果的準(zhǔn)確度達(dá)到98.5%。理論分析與數(shù)據(jù)驗(yàn)證說明,通過深度學(xué)習(xí)所建立的卷積網(wǎng)絡(luò)模型能夠基于巖石薄片圖像獲得高效、準(zhǔn)確、可靠的自動(dòng)分類結(jié)果。
[Abstract]:When analyzing and classifying rock slices under microscope, the artificial identification efficiency is low and easy to be affected by subjective factors. Therefore, an automatic classification method of rock granularity based on convolution neural network depth learning is proposed. In this method, the image feature is automatically extracted by convolution network model, and a pattern classifier is established at the same time to realize automatic granularity recognition based on thin slice image. The convolution network model was trained with 4 800 samples in Ordos Basin. The accuracy of the classification results of the test set was 98.555 through 1200 samples. Theoretical analysis and data validation show that the convolution network model established by depth learning can obtain efficient, accurate and reliable automatic classification results based on rock slice images.
【作者單位】： 西安石油大學(xué)計(jì)算機(jī)學(xué)院;
【基金】：國家科技重大專項(xiàng)(編號(hào):2011ZX05044) 陜西省工業(yè)科技攻關(guān)項(xiàng)目(編號(hào):2015GY104)
【分類號(hào)】：TP183;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 劉燁;程國建;馬微;郭超;;基于鑄體薄片圖像顏色空間與形態(tài)學(xué)梯度的巖石分類[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年07期

2 康麗萍;孫顯;許光鑾;;加權(quán)KNN的圖文數(shù)據(jù)融合分類[J];中國圖象圖形學(xué)報(bào);2016年07期

3 曹林林;李海濤;韓顏順;余凡;顧海燕;;卷積神經(jīng)網(wǎng)絡(luò)在高分遙感影像分類中的應(yīng)用[J];測(cè)繪科學(xué);2016年09期

4 宋相法;焦李成;;基于稀疏表示的多示例圖像分類[J];計(jì)算機(jī)科學(xué);2015年01期

5 張旭;蔣建國;洪日昌;杜躍;;基于樸素貝葉斯K近鄰的快速圖像分類算法[J];北京航空航天大學(xué)學(xué)報(bào);2015年02期

6 郭超;劉燁;;多色彩空間下的巖石圖像識(shí)別研究[J];科學(xué)技術(shù)與工程;2014年18期

7 程國建;馬微;魏新善;榮春龍;南s，

本文編號(hào)：1903610