-
题名基于核聚类的砂岩图像孔隙分割方法
- 1
-
-
作者
王梅
宋晓晖
王治国
韩非
于源泽
-
机构
东北石油大学计算机与信息技术学院
中国移动通信集团浙江有限公司舟山分公司
大庆油田有限责任公司勘探开发研究院
东北石油大学人工智能能源研究院
-
出处
《石油物探》
CSCD
北大核心
2024年第5期1051-1060,共10页
-
基金
国家自然科学基金项目(51774090,62076234)
黑龙江省博士后科研启动金资助项目(LBH-Q20080)
黑龙江省研究生精品课程建设项目(人工智能及其应用)共同资助。
-
文摘
砂岩孔隙识别是研究孔隙结构的一个重要步骤,采用通用的图像分割算法不易得到理想的图像孔隙分割效果,为此提出了一种使用EfficientNetV2-S模型和核K-Means聚类技术对孔隙进行分割的方法。首先,获得砂岩图像的超像素集合,使用超像素方法预分割输入的致密砂岩图像,构建带标签的孔隙与非孔隙图像库;然后,应用EfficientNetV2-S模型提取砂岩图像的孔隙和非孔隙的语义特征,并结合迁移学习的方法,使用有限的砂岩图像的孔隙和非孔隙样本进行EfficientNetV2-S模型参数学习;最后,设计了一种基于K-Means聚类的区域合并方法——NTK-KCoP方法,根据超像素的语义特征、灰度特征和边缘特征构建目标函数,再由聚类结果合并超像素得到完整的孔隙区域。砂岩CT图像的实验结果验证了所提出的孔隙分割方法的适用性和有效性。
-
关键词
砂岩ct图像
图像分割
超像素
EfficientNetV2-S
核聚类
-
Keywords
sandstone ct images
image segmentation
superpixel
EfficientNetV2-S
kernel clustering
-
分类号
P631
[天文地球—地质矿产勘探]
-
