为减弱经典k-means算法中RGB(Red Green Blue)空间各个颜色分量高度线性相关以及欧氏距离的尺度相关性对图像分割结果产生的影响,并克服RGB空间色彩分布不匀的缺陷,提出了一种基于Lab颜色空间的改进k-means聚类彩色图像分割方法。首先,...为减弱经典k-means算法中RGB(Red Green Blue)空间各个颜色分量高度线性相关以及欧氏距离的尺度相关性对图像分割结果产生的影响,并克服RGB空间色彩分布不匀的缺陷,提出了一种基于Lab颜色空间的改进k-means聚类彩色图像分割方法。首先,将颜色空间从RGB转换为Lab空间,每个像素点都可以由L、a、b 3分量组合进行表示。其次,用马氏距离替换欧氏距离进行改进,应用改进后的k-means算法对图像像素点进行聚类,从而实现分割目的。通过实验证明该改进算法比经典k-means算法具有更好的分割效果和准确度。展开更多
岩石薄片的岩性识别是地质分析中不可或缺的一环,其精准度直接影响后续地层岩石种类、性质和矿物成分等信息的确定,对于地质勘探和矿产开采具有重要意义。为了快速准确地识别岩性,本文提出了一种改进的MobileNetV2轻量化模型,通过选取5...岩石薄片的岩性识别是地质分析中不可或缺的一环,其精准度直接影响后续地层岩石种类、性质和矿物成分等信息的确定,对于地质勘探和矿产开采具有重要意义。为了快速准确地识别岩性,本文提出了一种改进的MobileNetV2轻量化模型,通过选取5种岩石类型共3 700张岩石薄片图像进行岩性识别。在MobileNetV2的倒残差结构中嵌入坐标注意力机制,融合图像中多种矿物的全局特征信息。此外,改进MobileNetV2中的分类器,降低模型的参数量和计算复杂度,从而提高模型的运算速度和效率,并采用带泄露线性整流函数(leaky rectified linear unit, Leaky ReLU)作为激活函数,避免网络训练中的梯度消失问题。实验结果表明,本文提出的改进后的MobileNetV2模型大小仅为2.30 MB,在测试集上的精确率、召回率、F_(1)值分别为91.24%、90.18%、90.70%,具有较高的准确性,相比于SqueezeNet、ShuffleNetV2等同类型的轻量化网络,分类效果最好。展开更多
文摘为减弱经典k-means算法中RGB(Red Green Blue)空间各个颜色分量高度线性相关以及欧氏距离的尺度相关性对图像分割结果产生的影响,并克服RGB空间色彩分布不匀的缺陷,提出了一种基于Lab颜色空间的改进k-means聚类彩色图像分割方法。首先,将颜色空间从RGB转换为Lab空间,每个像素点都可以由L、a、b 3分量组合进行表示。其次,用马氏距离替换欧氏距离进行改进,应用改进后的k-means算法对图像像素点进行聚类,从而实现分割目的。通过实验证明该改进算法比经典k-means算法具有更好的分割效果和准确度。
文摘岩石薄片的岩性识别是地质分析中不可或缺的一环,其精准度直接影响后续地层岩石种类、性质和矿物成分等信息的确定,对于地质勘探和矿产开采具有重要意义。为了快速准确地识别岩性,本文提出了一种改进的MobileNetV2轻量化模型,通过选取5种岩石类型共3 700张岩石薄片图像进行岩性识别。在MobileNetV2的倒残差结构中嵌入坐标注意力机制,融合图像中多种矿物的全局特征信息。此外,改进MobileNetV2中的分类器,降低模型的参数量和计算复杂度,从而提高模型的运算速度和效率,并采用带泄露线性整流函数(leaky rectified linear unit, Leaky ReLU)作为激活函数,避免网络训练中的梯度消失问题。实验结果表明,本文提出的改进后的MobileNetV2模型大小仅为2.30 MB,在测试集上的精确率、召回率、F_(1)值分别为91.24%、90.18%、90.70%,具有较高的准确性,相比于SqueezeNet、ShuffleNetV2等同类型的轻量化网络,分类效果最好。
