一种砂岩薄片显微图像的自动分割方法技术

本发明专利技术公开了一种砂岩薄片显微图像的自动分割方法，其步骤是：1)采用超像素分割技术，将砂岩正交偏光显微图像预分割为图像块；2)基于正交偏光显微图像，提取图像块颜色特征和纹理特征并构建特征向量；3)基于单偏光显微薄片图像，采用边界检测技术提取图像边界特征；4)基于砂岩颗粒样本数据集训练支持向量机分类器；5)使用训练过的分类器，预测每个图像块属于石英、长石、岩屑的概率，通过预设条件标注图像块类型；6)使用标签传播算法预测未标注类型图像块的类型；7)合并类型相同、边界特征强度较低的相邻图像块。本方法运用图像处理技术、机器学习方法和数据挖掘方法，结合同一张砂岩薄片得到的正交偏光显微图像和单偏光显微图像，对砂岩薄片中包含的矿物颗粒进行自动分割，降低人工分工的时间和经济成本，提高分割准确性。

【技术实现步骤摘要】
一种砂岩薄片显微图像的自动分割方法
本专利技术涉及砂岩薄片显微图像的自动分割问题，结合正交偏光图像和单偏光图像，运用图像处理技术和机器学习方法，通过对图像块的分类处理，实现将砂岩薄片显微图像中所包含的矿物颗粒逐个分割到单独区域。
技术介绍
砂岩在自然界的分布极广，是构成石油、天然气和地下水的主要储集层。砂岩薄片鉴定能够分析砂岩矿物组分及矿物含量，获取砂岩的类型和结构特征，在油气储集层探测和评估方面具有重要的应用价值。砂岩薄片鉴定的基础是对砂岩薄片显微图像进行图像分割。现有的砂岩薄片显微图像分割以人工分割为主，耗时耗力，对个人能力和经验有较强依赖性，且其结果具有不可重复性。在砂岩薄片显微图像中，包含大量的矿物颗粒，各个颗粒之间的边界特征模糊，给图像分割带来了难度。此外，砂岩颗粒内部包含复杂多样的晶体微结构，常被误认为是颗粒边界，也对图像分割的结果产生影响。
技术实现思路
本专利技术所要解决的技术问题是提供一种砂岩薄片显微图像的自动分割方法，该方法结合正交偏光图像和单偏光图像，运用图像处理技术和机器学习方法，实现砂岩薄片显微图像的自动分割。为达到上述目的，本方法采用如下的步骤：1)读取砂岩正本文档来自技高网...

【技术保护点】
1.一种砂岩显微薄片图像的自动分割方法，其特征在于包括以下步骤：1)读取砂岩正交偏光显微薄片图像，采用超像素分割技术将其预分割为图像块；2)基于正交偏光显微薄片图像，提取图像块颜色特征和纹理特征；3)读取砂岩单偏光显微薄片图像，采用边界检测技术提取图像边界；结合预分割图像块，提取图像块边界特征；4)基于砂岩颗粒样本数据集训练支持向量机分类器；5)使用训练过的分类器，计算每个图像块属于石英、长石、岩屑的概率；通过预设阈值确定图像块类别，高于阈值的图像块标注类型，其余图像块不标注类型；6)根据图像块的颜色特征和纹理特征构造相似矩阵，使用标签传播算法为步骤5)未标注类型的图像块标注类型；7)将类型相...

【技术特征摘要】
1.一种砂岩显微薄片图像的自动分割方法，其特征在于包括以下步骤：1)读取砂岩正交偏光显微薄片图像，采用超像素分割技术将其预分割为图像块；2)基于正交偏光显微薄片图像，提取图像块颜色特征和纹理特征；3)读取砂岩单偏光显微薄片图像，采用边界检测技术提取图像边界；结合预分割图像块，提取图像块边界特征；4)基于砂岩颗粒样本数据集训练支持向量机分类器；5)使用训练过的分类器，计算每个图像块属于石英、长石、岩屑的概率；通过预设阈值确定图像块类别，高于阈值的图像块标注类型，其余图像块不标注类型；6)根据图像块的颜色特征和纹理特征构造相似矩阵，使用标签传播算法为步骤5)未标注类型的图像块标注类型；7)将类型相同、边界特征小于阈值的相邻图像块进行合并，形成完整的矿物颗粒。2.根据权利要求1所述的砂岩显微薄片的自动分割方法，其特征在于，上述步骤1)的处理过程是：首先读入砂岩正交偏光显微图像，将图像分成K个正方形区域，每个区域视为一个初始聚类；然后根据像素颜色特征和坐标值，迭代地计算其属聚类；迭代终止后，每个像素点构成的聚类即为一个图像块。将图像分成K个正方形区域的方法如下：令图像包含的像素数目为N，沿图像x轴和y轴两个方向以为间隔，将图像均匀划分为K个正方形区域(初始聚类)。计算每个像素所属聚类的方法如下：根据K个初始聚类，计算每个聚类的中心{ck}k∈[1,K]，并以ck为中心搜索其周围2H×2H范围内的所有像素的集合PS；对PS内每个像素点i，计算其距离中心ck的距离，如果该距离小于上次迭代的距离则更新该距离，并设置该像素点所属聚类为k；对所有聚类中心迭代一次后，重新计算每个聚类中心以及新旧聚类中心的欧氏距离，如果距离小于预设阈值则停止算法，否则进入下一次迭代。上述计算两个像素点i和ck之间距离的方法如下：其中rc、gc和bc为ck的RGB颜色特征值，xc和yc为ck的x轴和y轴坐标；ri、gi和bi为像素点i的RGB颜色特征值，xi和yi为像素点i的x轴和y轴坐标，m优选为8。3.根据权利要求2所述的砂岩显微薄片的自动分割方法，其特征在于，上述步骤2)中计算图像块颜色特征的处理过程是：首先将图像块转换为灰度图像，计算基于直方图的颜色特征hist，以及基于统计的特征，包括：均值Mean、方差Variance、中值Median、众数Mode及平均绝对偏差MAD五项统计指标。基于直方图的颜色特征hist计算方法如下：将0～255灰度分为16个级别(每个级别包含16个灰度)，计算图像块内每个灰度级别所包含的像素数目{cnt1,cnt2,...,cnt16}，并将该向量归一化得到hist＝{hist1,hist2,...,hist16}；基于统计的特征计算公式如下，其中N代表图像块中包含的像素数目，Ip为像素p的灰度值：Median＝mid(I1,I2,…,IN)，其中mid()是中值函数通过上述计算，每个图像块的颜色特征为20维的特征向量。4.根据权利要求3所述的砂岩显微薄片的自动分割方法，其特征在于，上述步骤2)中计算图像块纹理特征的处理过程是：首先将图像块转换为灰度图像，并计算灰度共生矩阵；根据灰度共生矩阵计算纹理特征。计算图像灰度共生矩阵的方法如下：在图像中任意取一点p1＝(x,y)及偏离它的一点p2＝(x+a,y+b)，计算点对(p1,p2)的灰度值(f1,f2)；让点p1在整幅图像上移动，得到不同的(f1,f2)值；统计每一种(f1,f2)值出现的次数；构建矩阵P，P(i,j)定义为灰度值(i,j)出现的次数；将矩阵P进行归一化，即将矩阵中每个元素除以所有灰度值出现的总次数。定义(a,b)分别为(0,1),(1,0),(1,1)以及(-1,1)，因此得到4个灰度共生矩阵。根据灰度共生矩阵计算纹理特征的方法如下：分别计算能量Energy、熵Entropy、最大概率MaxProbability、对比度Contrast、倒数差分矩IDM指标，公式如下：每个灰度矩阵得到的纹理特征包含5个元素，因此每个图像块的纹理特征向量包含20个元素。5.根据权利要求4所述的砂岩显微薄片的自动分割方法，其...

【专利技术属性】
技术研发人员：姜枫，
申请(专利权)人：姜枫，
类型：发明
国别省市：江苏,32