巖石鑄體薄片圖像中孔隙區(qū)域的準(zhǔn)確提取是分析評估工作的前提。但目前傳統(tǒng)的孔隙提取方法主要是通過顏色特征進(jìn)行閾值分割,精度較低,需加入大量的人工交互操作才能提高精度。因此提出一種新的基于深度學(xué)習(xí)的孔隙區(qū)域自動提取算法,該算法基于U-net搭建網(wǎng)絡(luò)基本框架。首先,網(wǎng)絡(luò)在編碼階段加入殘差塊來提升網(wǎng)絡(luò)的深度。其次,針對殘差塊進(jìn)行優(yōu)化并引入空洞卷積,提取更全局、語義層次更深的特征。最后,在解碼階段加入網(wǎng)絡(luò)模塊間的短連接,提出新的融合特征方法,更好地將淺層特征與深層語義特征相結(jié)合,得到更加精細(xì)的孔隙區(qū)域。實驗結(jié)果表明,該方法優(yōu)于傳統(tǒng)的孔隙提取方法,具有更高的分割精度且無需人工操作,與主流卷積神經(jīng)網(wǎng)絡(luò)相比也具有更高的精度和平均交并比。 

【文章來源】：科學(xué)技術(shù)與工程. 2020,20(28)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

巖石鑄體薄片圖像

U-net是一種全卷積神經(jīng)網(wǎng)絡(luò),主要結(jié)構(gòu)分為編碼器和解碼器兩部分。編碼器部分的主要功能是完成對特征的提取,而解碼器部分則主要是進(jìn)行上采樣對圖像進(jìn)行還原,以此實現(xiàn)端到端的像素點分類,也就是語義級別的圖像分割問題。U-net的網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。在編碼器部分,U-net的塊結(jié)構(gòu)為先通過兩個3×3的卷積層,隨后通過一個激活層進(jìn)行激活,激活函數(shù)為線性整流函數(shù)(rectified linear unit, ReLU),最后通過一個最大池化層進(jìn)行下采樣,對特征進(jìn)行壓縮并減小參數(shù)量。在每通過一個塊結(jié)構(gòu)后,對特征通道的數(shù)量進(jìn)行加倍,以此提取更多的特征。而在解碼器部分,對特征圖譜進(jìn)行雙線性插值的上采樣,并連接編碼器中對應(yīng)的特征圖譜。構(gòu)建這種特征級聯(lián)可以將網(wǎng)絡(luò)下采樣階段的高分辨率圖像特征信息引入到上采樣階段網(wǎng)絡(luò)層中。這樣做既避免了原圖像的紋理信息在前半部分的池化層被損失掉,又保證了高分辨率的特征圖譜在上采樣層后得以恢復(fù)。隨后通過兩個2×2的卷積層以及激活層進(jìn)一步恢復(fù)特征圖譜的像素值。U-net的特點在于其使用了特征級聯(lián),其示意圖如圖3所示。特征級聯(lián)主要是通過堆疊進(jìn)行特征保留,與FCN采用的跳躍融合相比較,優(yōu)點在于不同層之間的特征獨立性得以保留,通過后續(xù)的卷積操作,可以更好地對下采樣階段損失的特征進(jìn)行恢復(fù)。

U-net的特點在于其使用了特征級聯(lián),其示意圖如圖3所示。特征級聯(lián)主要是通過堆疊進(jìn)行特征保留,與FCN采用的跳躍融合相比較,優(yōu)點在于不同層之間的特征獨立性得以保留,通過后續(xù)的卷積操作,可以更好地對下采樣階段損失的特征進(jìn)行恢復(fù)。1.2 殘差塊

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)FCMS算法及其在顱內(nèi)腫瘤圖像分割的研究[J]. 王巖,吳煥麗.  科學(xué)技術(shù)與工程. 2019(34)
[2]基于VGG16預(yù)編碼的遙感圖像建筑物語義分割[J]. 徐昭洪,劉宇,全吉成,吳晨.  科學(xué)技術(shù)與工程. 2019(17)
[3]基于多尺度特征結(jié)構(gòu)的U-Net肺結(jié)節(jié)檢測算法[J]. 朱輝,秦品樂.  計算機工程. 2019(04)
[4]巖石鑄體薄片鑒定與顯微圖像分析技術(shù)的應(yīng)用[J]. 趙明,郭志強,卿華,張伶俐,劉偉.  西部探礦工程. 2009(03)



本文編號：3327614