一种基于多元图像信息的重矿物智能识别方法技术

本发明专利技术公开了基于多元图像信息的重矿物智能识别方法，通过分离重矿物，获取单偏光图像、正交光图像和反射光图像；将上述各图像对齐，获取单偏光全貌图、正交光全貌图和反射光全貌图；将上述各全貌图进行颗粒分割，获取分割后的颗粒图像；将分割后颗粒图像和对应的真实标签作为训练数据，得到多通道识别模型，用于对待识别重矿物的颗粒图像进行识别，获取识别结果。本发明专利技术利用图像识别技术及自动学习能力，建立不同重矿物在单偏光、正交光、反射光等不同光性下图像特征与重矿物种类复杂关系，进而通过对多元图像的分割识别来实现不同种类重矿物的识别和自动计量，提高了工作效率与准确率，减少了人员暴露在有毒试剂环境中的时间，降低了安全风险。降低了安全风险。降低了安全风险。

【技术实现步骤摘要】
一种基于多元图像信息的重矿物智能识别方法


[0001]本专利技术属于油气勘探开发
，尤其是涉及一种基于多元图像信 息的重矿物智能识别方法。

技术介绍

[0002]目前，油气勘探行业常用重矿物鉴定方法进行重矿物识别，重矿物鉴 定方法主要是基于人工在显微镜下鉴定和计数，人工在显微镜下鉴定重矿 物是目前业内公认最有效的方法，但也存在如下问题。
[0003]人工在显微镜下鉴定重矿物时，主要依据重矿物在单偏光、正交光及 反射光下，表现出的形貌及光性特征进行识别，其每种重矿物数量仍需人 工计数，其计数要求是，总数不少于400颗。若总数不足400颗时，则全 部计数，鉴定效率低且容易出现遗漏和重复计数的情况。
[0004]另外，在显微镜下鉴定所用到的浸油，含有α
‑
溴代萘有毒物质，长时 间暴露在其中，会对实验人员身体健康造成伤害。

技术实现思路

[0005]本专利技术要解决的问题是提供一种重矿物识别方法；尤其是鉴定效率高、 准确性强、安全性高的一种基于多元图像信息的重矿物智能识别方法。
[0006本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多元图像信息的重矿物智能识别方法，其特征在于：包括以下步骤，S1：分离重矿物，获取单偏光图像、正交光图像和反射光图像；S2：将所述单偏光图像、所述正交光图像和所述反射光图像进行对齐，获取单偏光全貌图、正交光全貌图和反射光全貌图；S3：将所述单偏光全貌图、所述正交光全貌图和所述反射光全貌图进行颗粒分割，获取单偏光全貌颗粒图、正交光全貌颗粒图和反射光全貌颗粒图；S4：将所述单偏光全貌颗粒图、所述正交光全貌颗粒图、所述反射光全貌颗粒图和对应的真实标签作为训练数据训练多通道识别模型，得到训练后的多通道识别模型；S5：通过所述多通道识别模型进行识别，获取识别结果。2.根据权利要求1所述的一种基于多元图像信息的重矿物智能识别方法，其特征在于：所述S1包括以下步骤，S11：将沉积岩粉碎加稀盐酸研磨，去除碳酸盐及泥质胶结物，获取碎屑颗粒成分；S12：将所述碎屑颗粒成分放进三溴甲烷重液中，获取密度大于2.86g/cm3的重矿物；S13：将所述重矿物放在载薄片上，滴加α
‑
溴代萘与液体石蜡的混合物；S14：通过显微镜摄像系统，分别在单偏光、正交光和使用外部光源打上反射光后，拍摄所述重矿物图像，对应得到所述重矿物的单偏光图像、正交光图像和反射光图像。3.根据权利要求1或2所述的一种基于多元图像信息的重矿物智能识别方法，其特征在于：所述S2包括以下步骤，S21：通过FAST算法分别获取所述单偏光图像、所述正交光图像和所述反射光图像中重矿物特征点；S22：通过BRIFE算法获取所述重矿物特征点周围N个点对的比较结果，将所述比较结果作为特征点的描述子，其中，点对的比较公式为：式中，T(P(A,B))表示特征点P周围一组点对(A,B)的比较结果，I
A
表示点A的灰度，I
B
表示点B的灰度；S23：当需要对齐的图像中两点的描述子相似度大于80％时，则将该两点作为匹配的特征点；S24：根据匹配的特征点，通过LM算法计算单应矩阵，通过单应矩阵旋转图像，完成所述单偏光图像、所述正交光图像和所述反射光图像的对齐，得到对齐后的所述单偏光全貌图、所述正交光全貌图和所述反射光全貌图。4.根据权利要求1或2所述的一种基于多元图像信息的重矿物智能识别方法，其特征在于：所述S3包括以下步骤，S31：对于所述单偏光全貌图，根据公式，获取所述单偏光全貌图中像素点x与其周围任一像素点y，在RGB三个值的相关性ρ(x,y)，公式如下：
其中E[
·
]表示数学期望；X为像素点x处的RGB三个通道的数值构成的向量；Y为像素点y处的RGB三个通道的数值构成的向量；μ
X
为向量X的均值，μ
Y
为向量Y的均值；X
i
为向量X中第i个通道的数值构成的向量；Y
i
为向量Y中第i个通道的数值构成的向量；S32：获取所述像素点x与周围八个像素点相关性的均值，并将所述均值作为像素点x的特征值，进而得到所述单偏光全貌图中所有像素点的特征值；S33：将特征值小于0.8的像素点作为重矿物的边界点，根据重矿物的边界点进行颗粒分割，得到所述单偏光全貌颗粒图；S34：按照所述单偏光全貌图中边界点的坐标，在所述正交光全貌图和所述反射光全貌图中进行颗粒分割，分别得到所述正交光全貌颗粒图和所述反射光全貌颗粒图。5.根据权利要求1或2所述的一种基于多元图像信息的重矿物智能识别方法，其特征在于：所述多通道识别模型包括第一图像特征提取模块、第二图像特征提取模块、第三图像特征提取模块、第一单图像特征融合模块、第二单图像特征融合模块、第三单图像特征融合模块、多图像特征融合模块和分类识别模块，所述第一图像特征提取模块的输入端对应输入所述单偏光全貌颗粒图，所述第一图像特征提取模块的输出端连接所述第一单图像特征融合模块的输入端，所述第二图像特征提取模块的输入端对应输入所述正交光全貌颗粒图，所述第二图像特征提取模块的输出端连接所述第二单图像特征融合模块的输入端，所述第三图像特征提取模块的输入端对应输入所述反射光全貌颗粒图，所述第三图像特征提取模块的输出端连接所述第三单图像特征融合模块的输入端，所述第一单图像特征融合模块的输出端、所述第二单图像特征融合模块的输出端和所述第三单图像特征融合模块的输出端分别与所述多图像特征融合模块的输入端相连，所述多图像特征融合模块的输出端与所述分类识别模块的输入端相连，所述分类识别模块的输出端为所述多通道识别模型的输出端。6.根据权利要求5所述的一种基于多元图像信息的重矿物智能识别方法，其特征在于：所述第一图像特征提取模块、所述第二图像特征提取模块和所述第三图像特征提取模块均包括依次连接的第一卷积层、第二卷积层、第三卷积层和第四卷积层，每个所述第一卷积层的输入端均为所述多图像特征融合模块的输入端；所述第一单图像特征融合模块、所述第二单图像特征融合模块和所述第三单图像...

【专利技术属性】
技术研发人员：李洋冰，柳雪青，刘再振，胡维强，臧春艳，税蕾蕾，李盼盼，贺银军，李晨晨，李志勇，曹地，佟朝辉，乔方，李安澜，
申请(专利权)人：中海油能源发展股份有限公司，
类型：发明
国别省市：