砂巖顯微圖像分類是地質(zhì)學(xué)研究中一項基本工作,在油氣儲集層評估等方面有重要意義.在實現(xiàn)自動分類時,由于砂巖顯微圖像具有復(fù)雜多變的顯微結(jié)構(gòu),人工定義特征對砂巖顯微圖像的表示能力有限.此外,由于樣本采集和標(biāo)注成本高昂,帶標(biāo)記的砂巖顯微圖像很少.提出一種面向小規(guī)模數(shù)據(jù)集的基于卷積神經(jīng)網(wǎng)絡(luò)的特征表示方法FeRNet,以便有效地捕獲砂巖顯微圖像的語義信息,提高對砂巖顯微圖像的特征表示能力.FeRNet網(wǎng)絡(luò)結(jié)構(gòu)簡單,可降低網(wǎng)絡(luò)對帶標(biāo)記圖像數(shù)據(jù)量的要求,防止參數(shù)過擬合.針對帶標(biāo)記砂巖顯微圖像數(shù)量不足的問題,提出了圖像擴增預(yù)處理方法及基于卷積自編碼網(wǎng)絡(luò)的權(quán)重初始化策略,降低了因數(shù)據(jù)不足造成的過擬合風(fēng)險.基于采自西藏地區(qū)的砂巖顯微圖像數(shù)據(jù)集設(shè)計并進(jìn)行實驗,實驗結(jié)果表明,在帶標(biāo)記砂巖顯微圖像數(shù)據(jù)不足的情況下,圖像擴增和卷積自編碼網(wǎng)絡(luò)可以有效地改善FeRNet網(wǎng)絡(luò)的訓(xùn)練效果,通過FeRNet網(wǎng)絡(luò)提取的特征對砂巖顯微圖像的表示能力優(yōu)于人工定義特征. 

【文章來源】：軟件學(xué)報. 2020年11期 北大核心

【文章頁數(shù)】：19 頁

【部分圖文】：

不同類型砂巖顯微圖像

將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于自然場景圖像的特征表示,可使其分類性能取得很大程度的提升[24].砂巖顯微圖像與自然場景圖像存在一定差別.如圖2(b)所示,自然場景圖像區(qū)分前景和背景,前景部分為感興趣的目標(biāo)對象(圖中的貓),一般只占整張圖像的一部分.若對原圖像進(jìn)行裁剪,裁剪后的圖像可能只包含目標(biāo)對象的一小部分,原圖的語義信息將被嚴(yán)重破壞.如圖2(a)所示,與自然場景圖像不同,砂巖顯微圖像由不同的礦物顆粒構(gòu)成,整張圖像均為感興趣的目標(biāo)區(qū)域.對砂巖顯微圖像進(jìn)行適當(dāng)?shù)夭眉?裁剪后的圖像能保留原圖絕大部分的語義信息,不會對圖像分類結(jié)果造成影響.基于以上分析,砂巖顯微圖像允許對原圖像進(jìn)行合理的裁剪,且不改變原圖像的語義信息.本文將砂巖顯微圖像這一特性稱為裁剪語義不變性.根據(jù)此特性,本文提出一種基于滑動窗口的圖像擴增方法,對砂巖顯微圖像以裁剪的方式進(jìn)行預(yù)處理,實現(xiàn)圖像數(shù)量的倍數(shù)級擴增.具體處理方式如下.

每次掃描取滑動窗口內(nèi)的圖像為一幅新的砂巖顯微子圖,以圖像I的類標(biāo)對其進(jìn)行標(biāo)記并保存.圖3所示為基于滑動窗口的圖像擴增示意圖,其中,線框表示滑動窗口,虛線和實線框分別表示滑動窗口先前位置和當(dāng)前位置,實心箭頭表示窗口滑動方向.采用上述圖像擴增方式,相鄰子圖像間會存在部分重合,但不會完全相同.通過對砂巖顯微圖像進(jìn)行裁剪預(yù)處理,可有效擴增帶標(biāo)記砂巖顯微圖像數(shù)量,有助于防止過擬合,提高模型的泛化性能.

【參考文獻(xiàn)】：
期刊論文
[1]多通道多模式融合LBP特征的紋理相似度計算[J]. 劉濤,周先春,嚴(yán)錫君.  計算機應(yīng)用研究. 2018(12)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的小樣本圖像識別方法[J]. 段萌,王功鵬,牛常勇.  計算機工程與設(shè)計. 2018(01)
[3]面向大規(guī)模圖像分類的深度卷積神經(jīng)網(wǎng)絡(luò)優(yōu)化[J]. 白琮,黃玲,陳佳楠,潘翔,陳勝勇.  軟件學(xué)報. 2018(04)
[4]基于Haar特性的LBP紋理特征[J]. 周書仁,殷建平.  軟件學(xué)報. 2013(08)



本文編號：2936298