基于深度学习的岩石铸体薄片图像孔隙自动提取

摘要：

岩石铸体薄片图像中孔隙区域的准确提取是分析评估工作的前提.但目前传统的孔隙提取方法主要是通过颜色特征进行阈值分割,精度较低,需加入大量的人工交互操作才能提高精度.因此提出一种新的基于深度学习的孔隙区域自动提取算法,该算法基于U-net搭建网络基本框架.首先,网络在编码阶段加入残差块来提升网络的深度.其次,针对残差块进行优化并引入空洞卷积,提取更全局、语义层次更深的特征.最后,在解码阶段加入网络模块间的短连接,提出新的融合特征方法,更好地将浅层特征与深层语义特征相结合,得到更加精细的孔隙区域.实验结果表明,该方法优于传统的孔隙提取方法,具有更高的分割精度且无需人工操作,与主流卷积神经网络相比也具有更高的精度和平均交并比.

关键词：深度学习、铸体图像、孔隙提取、图像分割、卷积神经网络

所属期刊栏目：20

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61372174

在线出版日期：2020-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：11685-11692