本文關(guān)鍵詞： 巖石圖像 圖像分類 深度學(xué)習(xí) 深度信念網(wǎng)絡(luò)　出處：《西安石油大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：長慶油田上古生界儲(chǔ)層氣藏是鄂爾多斯盆地主要的勘探地區(qū)之一,研究鄂爾多斯盆地蘇里格地區(qū)的儲(chǔ)層孔隙結(jié)構(gòu)特征將有助于地質(zhì)儲(chǔ)量的預(yù)測并指明油氣的開發(fā)方向。石油和天然氣的勘探開采中,分析巖石薄片顯微圖像是研究儲(chǔ)層微觀結(jié)構(gòu)的重要手段。巖石圖像分類是巖石特性的研究基礎(chǔ),在地質(zhì)研究中有舉足輕重的地位,論文研究的目標(biāo)是提高高分辨率下海量巖石數(shù)據(jù)的分類準(zhǔn)確性。深度學(xué)習(xí)中的深度信念網(wǎng)絡(luò)模型能對(duì)數(shù)據(jù)進(jìn)行從低層到高層的特征提取,它結(jié)合了非監(jiān)督學(xué)習(xí)和監(jiān)督學(xué)習(xí)的優(yōu)點(diǎn),對(duì)高維數(shù)據(jù)具有較好的分類能力。論文將深度學(xué)習(xí)應(yīng)用到特征復(fù)雜的巖石微觀圖像領(lǐng)域,建立了深度信念網(wǎng)絡(luò)的巖石圖像分類模型。論文前期研究主要完成了鄂爾多斯盆地鑄體薄片的圖像采集和圖像拼接工作,為后續(xù)圖像分類工作的開展做準(zhǔn)備。選擇了合適的特征提取方法,并將其結(jié)合應(yīng)用到深度信念網(wǎng)絡(luò)巖石薄片圖像分類模型中。實(shí)驗(yàn)結(jié)果顯示分類準(zhǔn)確率達(dá)98.75%,較其他傳統(tǒng)分類器有更好的分類效果。論文的研究工作建立了高分辨率巖石顯微圖像的深度學(xué)習(xí)分類方法,對(duì)大視域高分辨率巖石圖像的獲取也有重要的參考價(jià)值,有助于推進(jìn)油氣藏勘探開發(fā)等相關(guān)研究。
[Abstract]:The reservoir gas reservoir in Upper Paleozoic in ChangQing oilfield is one of the main exploration areas in Ordos Basin . The study of reservoir pore structure in Sulige area in Ordos Basin will help to predict and indicate the development direction of oil and gas .

【學(xué)位授予單位】：西安石油大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TE311;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 董榮鑫,劉烈中;BLF—1型半自動(dòng)巖石薄片粒度分布測定儀(自制)簡介[J];石油實(shí)驗(yàn)地質(zhì);1981年01期

2 曾德堯;;略談巖石薄片的載膠和磨制大薄片的體會(huì)[J];鈾礦地質(zhì);1985年03期

3 周怡佳;滕奇志;唐棠;;基于改進(jìn)模擬退火算法的巖石薄片圖像三維重建[J];石油礦場機(jī)械;2007年11期

4 王克軍;;巖石薄片在錄井現(xiàn)場的制作[J];大眾科技;2006年03期

5 李利明;李宏;;基于數(shù)據(jù)挖掘的乳腺X線圖像分類研究[J];陜西科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年01期

6 韓永華;劉成霞;汪亞明;孫麒;;基于小波分解系數(shù)的織物圖像分類分割[J];紡織學(xué)報(bào);2012年11期

7 麥曉冬;;基于支持向量機(jī)的室內(nèi)室外圖像分類方法[J];廣東輕工職業(yè)技術(shù)學(xué)院學(xué)報(bào);2010年03期

8 王紅平,齊春,李金標(biāo),張忠信;基于主成分分析的礦物浮選泡沫圖像分類與識(shí)別[J];礦冶;2005年03期

9 甘勝豐;孫林;曹陽;劉廣益;;多級(jí)圖像分類系統(tǒng)在硅鋼冷軋表面缺陷檢測中的應(yīng)用[J];冶金自動(dòng)化;2009年02期

10 吳學(xué)禮;趙萌;孟凡華;劉浩南;;基于綜合特征的Bp-adaboost工業(yè)儀表圖像分類方法[J];河北科技大學(xué)學(xué)報(bào);2013年05期

相關(guān)會(huì)議論文 前10條

1 鄭海紅;曾平;;一種基于圖像分類的逆半調(diào)算法[A];’2004計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)議論文集[C];2004年

2 文振q;歐陽杰;朱為總;;基于語義特征與支持向量機(jī)的圖像分類[A];中國電子學(xué)會(huì)第十六屆信息論學(xué)術(shù)年會(huì)論文集[C];2009年

3 王海峰;管亮;;基于顏色特征的圖像分類技術(shù)在油品分析中的應(yīng)用[A];中國儀器儀表學(xué)會(huì)第六屆青年學(xué)術(shù)會(huì)議論文集[C];2004年

4 陳思坤;吳洪;;基于圖分塊并利用空間金字塔的醫(yī)學(xué)圖像分類[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年

5 張淑雅;趙曉宇;趙一鳴;李均利;;基于SVM的圖像分類[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

6 李博;韓萍;;基于壓縮感知和SVM的極化SAR圖像分類[A];第二十七屆中國（天津）2013IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會(huì)議論文集[C];2013年

7 朱松豪;胡娟娟;孫偉;;基于非歐空間高階統(tǒng)計(jì)的圖像分類方法[A];第25屆中國控制與決策會(huì)議論文集[C];2013年

8 潘海為;李建中;張煒;;基于像素聚類的腦部醫(yī)學(xué)圖像分類[A];第二十屆全國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2003年

9 吳霜;張一飛;修非;王大玲;鮑玉斌;于戈;;基于興趣點(diǎn)特征提取的醫(yī)學(xué)圖像分類[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2007年

10 武進(jìn);尹愷;王長明;張家才;;SVDM在蔬菜病害圖像分類中的應(yīng)用[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

相關(guān)重要報(bào)紙文章 前1條

1 蘇桂芬 劉曉文;實(shí)物地質(zhì)資料中心:巖石薄片顯微圖像管理信息化[N];中國國土資源報(bào);2011年

相關(guān)博士學(xué)位論文 前10條

1 胡堯;基于低秩矩陣估計(jì)的機(jī)器學(xué)習(xí)算法分析[D];浙江大學(xué);2015年

2 李昌英(Ri ChangYong);基于上下文信息的語義圖像分類研究[D];浙江大學(xué);2014年

3 陳博;基于集成學(xué)習(xí)和特征選擇的極化SAR地物分類[D];西安電子科技大學(xué);2015年

4 王曉東;基于稀疏特征學(xué)習(xí)的復(fù)雜圖像分類[D];西安電子科技大學(xué);2014年

5 顧迎節(jié);面向圖像分類的主動(dòng)學(xué)習(xí)算法研究[D];南京理工大學(xué);2015年

6 孟丹;基于深度學(xué)習(xí)的圖像分類方法研究[D];華東師范大學(xué);2017年

7 趙鑫;圖像分類中的判別性增強(qiáng)研究[D];中國科學(xué)技術(shù)大學(xué);2013年

8 楊冰;基于藝術(shù)風(fēng)格的繪畫圖像分類研究[D];浙江大學(xué);2013年

9 丁建睿;基于多示例學(xué)習(xí)的淺表器官超聲圖像分類方法研究[D];哈爾濱工業(yè)大學(xué);2012年

10 賈世杰;基于內(nèi)容的商品圖像分類方法研究[D];大連理工大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 劉麗婷;深度信念網(wǎng)絡(luò)在巖石薄片圖像處理中的應(yīng)用研究[D];西安石油大學(xué);2017年

2 張明靜;基于改進(jìn)遺傳算法的分塊綜合特征加權(quán)圖像分類研究[D];華南理工大學(xué);2015年

3 李函怡;融合主動(dòng)學(xué)習(xí)的半監(jiān)督技術(shù)在圖像分類中的應(yīng)用研究[D];西南大學(xué);2015年

4 王亞鳳;基于多特征的主動(dòng)學(xué)習(xí)方法在圖像分類中的應(yīng)用研究[D];河北工程大學(xué);2015年

5 陳榮安;基于改進(jìn)的Bag-of-Features模型的圖像分類研究[D];蘭州大學(xué);2015年

6 鐘畏丹;基于HSV和紋理特征的圖像分類[D];華中師范大學(xué);2015年

7 焦陽;基于主動(dòng)學(xué)習(xí)的多標(biāo)簽圖像分類方法研究[D];蘇州大學(xué);2015年

8 王騰川;基于主動(dòng)學(xué)習(xí)的SAR圖像分類方法研究[D];上海交通大學(xué);2015年

9 NGUYEN QUANG KHANH;基于極化SAR目標(biāo)信息提取與SVM分類[D];哈爾濱工業(yè)大學(xué);2015年

10 王朔琛;基于半監(jiān)督支持向量機(jī)的圖像分類方法研究[D];陜西師范大學(xué);2015年

，

本文編號(hào)：1464429