基于改进U^(2)Net的岩石薄片图像分割

了解岩石的孔隙度、孔径分布、孔隙连通性等特征对于油气的寻找和开采有着重要的意义,而这些特征的分析和判断需要借助岩石薄片图像分割技术.岩石薄片图像有大量细小颗粒,这些颗粒之间的边缘特征十分相似,无法做出精准的区分,同时制造切片过程中染色不均会造成薄片孔隙的颜色特征不平衡而导致无法分割.因此为了改善岩石薄片分割效果,本文提出基于一种改进的U^(2)Net的分割算法.主要内容如下:(1)以U^(2)Net网络为骨干进行改进,结合coordinate attention注意力机制,用来提高模型对图像特征的表达能力.(2)通过引入多尺度特征提取模块,增加卷积层的感知区域,且能够利用特征图的多尺度特征信息.实验证明,该方法与传统分割方法和其他分割网络相比在较小颗粒的分割上表现更好,所提出的算法具有较高的分割准确度和鲁棒性.

基于多线程的岩心图像超维重建快速算法

针对基于邻域块匹配的超维算法在重建过程中每次只能对1个待重建块进行重建,并且字典搜索过程十分耗时导致重建效率低的问题,本文提出了2种方法来对基于邻域块匹配的超维算法进行计算速度的优化.首先,将分区域重建应用到基于邻域块匹配的超维算法中,提出了分区域并行重建算法,实现了对多个待重建块同时进行重建;其次,在对每次字典元素搜索的过程中,使用了字典并行搜索,实现了这一过程的加速;最后将这2种方法进行结合,并且通过高中低3种不同孔隙度的训练图像生成的字典来对二维参考图像进行多次重建.通过将本文提出的算法、基于邻域块匹配的超维算法以及一些传统重建算法的重建结果和真实岩心三维结构的统计特征参数进行对比并且将不同重建算法的重建时间进行对比,来验证本文改进的超维算法的有效性.

基于改进UNet3+的岩心图像颗粒提取算法

在石油勘探过程中,岩心颗粒是研究地质层序、评估油气含量以及认识地质构造的有效资料,对岩心颗粒图像进行颗粒提取有利于地质研究人员后续的深入分析.岩心颗粒图像通常存在颗粒边缘模糊、背景与颗粒色彩复杂的问题.为了改善岩心颗粒提取的效果,本文设计了一种基于改进UNet3+的岩心图像颗粒提取算法.该算法在UNet3+的每个编码层后加入感受野模块(RFB)来扩大网络的感受野,从而有效地解决网络因感受野受限而导致的分割精度低的问题,并在RFB模块后嵌入了卷积块注意力模块(CBAM)使网络更加精确地聚焦于目标区域,提高目标区域的特征权重.实验结果表明,改进后的算法在岩心颗粒图像上具有良好的分割效果,相比原始UNet3+网络,分别在mIoU、mPA和FWIoU上提升了5.43%、2.99%和5.34%.

基于改进STANet的遥感图像变化检测算法

遥感图像变化检测是为了识别出双时相图像之间的显著变化。给定2个在不同时间拍摄的配准图像,光照变化和错配误差会掩盖真实物体的变化,探索不同时空像素之间的关系可以提高遥感图像变化检测方法的性能。在Spatial Temporal Attention Neural Network(STANet)中,提出了一种基于孪生的时空注意力神经网络。在其基础上进行改进:①对距离度量模块由于线性插值导致的变化特征间隙模糊问题,设计了对距离特征的上采样模块,使得变化区域间隙更加明显,虚警率更低;②针对STANet的Pyramid Spatial Temporal Attention Module(PAM)模块计算开销大的问题,引用了新的Coordinate Attention(CA)模块,在降低运算开销的基础上,更好地识别了不同空间、通道的特征;③针对STANet对Residual Network(ResNet)提取出的特征图利用不充分的问题,加入了深监督模块,利用中间层的特征计算一个权重衰减的loss,起到正则化的作用。实验表明,改进之后的网络将基线模型的F1得分从81.6提高到86.1。在公共遥感图像数据集上的实验结果表明,改进的方法优于其他几种先进的方法。

基于图像矫正与小波变换融合的岩心图像拼接算法

为了提高岩心图像拼接的效率,针对在岩心采集出现的图像中的像素错位现象以及图像拼接处理出现的亮度差异、鬼影等问题,提出基于图像矫正与小波变换融合的岩心图像融合算法。首先改进AKAZE算法提高提取效率,对采集图像进行图像矫正得到矫正图像;再对矫正后的待拼接图像进行特征点提取与匹配,得到2幅图像之间配准关系;最后通过基于HSI域的小波融合与改进最佳缝合线融合得到拼接图像。实验结果表明,本文提出的矫正与拼接算法满足实际需求,图像无明显上下拼接缝与错位,且在DoEM和PSNR指标上与传统最佳缝合线和改进的渐入渐出算法相比均有所提升,融合区域避免了鬼影且亮度过渡均匀,无明显左右缝合线产生,拼接的图像符合人眼视觉。

基于改进YOLOv7⁃tiny的画钟测验识别

画钟测验是筛查认知障碍人群的一种重要医学手段。针对目前画钟测验中存在目标尺度不同和类别不平衡的问题,提出一种基于改进YOLOv7⁃tiny的画钟测验识别算法。为改善尺度变化和小尺度目标检测带来的错检漏检问题,引入BiFPN双向特征金字塔结构,双向信息传递机制可有效融合不同层级特征,捕捉不同尺度特征中更丰富的上下文和细节信息。为提升类别不平衡指标的识别准确度,采用WDLoss损失函数计算损失提高小目标识别敏感性。此外还创建了一个基于认知障碍群体的画钟测验数据集,在此数据集上实验表明,改进后YOLOv7⁃tiny算法对画钟测验数据集所有类别的mAP为94.28%,相比于原YOLOv7⁃tiny模型提高了1.13%,不均衡类别中指针的AP提高了12.2%。

基于双解码器网络的岩心CT图像分割

在石油地质领域,分析岩心内部微观孔隙结构的形态分布、特征参数,对研究油气资源的渗流特性和储集性能具有重要意义。岩心CT图像具有噪点多、比度低、亮度不均匀的特点,目前实际工程运用的孔隙提取方法,仍然存在着需要大量人工交互且分割精度较低的问题。针对这些问题,本文提出了基于双解码器网络的分割方法,构建了岩心CT图像分割数据集,用图像预处理网络分支,辅助训练图像分割网络。实验结果表明,本方法的模型参数量仅有33.3 MB,像素精度PA能达到91.41%,平均检测交并比MIoU能达到85.32%,具有模型小、推理速度快、分割精度高的优点。

一种基于多模型联合学习的方面情感分析方法

基于方面词的情感分类是情感分析的一个重要子任务,通过学习文本上下文的信息,判别文本中特定方面的情感极性。常用的方法大多都是依赖于给定方面词和上下文词之间的语义关系来构建模型,这在一定程度上忽视了它们之间的句法关系。针对上述问题,提出一种融合注意力机制和句法信息的联合学习方法,不仅能同时学习方面词和上下文词之间的句法及语义关系,在训练过程中自动调整对方面词周围上下文词的关注度,而且同时考虑不同上下文词对方面词在句法上的修饰关系。在SemEval 2014的Restaurant数据集和Laptop数据集上进行实验,与目前最好模型相比,分类准确率和F1值都得到了较大提高。

基于改进的SKnet和Bi-GRU的岩石薄片图像矿物识别

通过分析岩石薄片中矿物成分,研究储集层空间结构,对后续的油气勘探开发具有重要意义。基于正交偏光序列图像的矿物识别研究已经取得了一些成果,但多数方法未利用矿物颗粒在序列图中的变化信息,本文借鉴视频分类的思想,针对岩石矿物颗粒正交偏光序列图像,结合岩石矿物颗粒消光性特点,构建了卷积神经网络和循环神经网络相结合的识别模型。卷积神经网络选用SKnet并在此基础上添加了空间特征融合机制,循环神经网络采用双向门控循环单元(Bidirectional Gated Recurrent Unit,Bi-GRU)来提取序列图像的前后关联特征。选取石英、碱性长石、斜长石、岩屑4类矿物颗粒序列图像构建数据集进行验证,结果表明本文提出的矿物颗粒识别方法识别效果良好。

基于光流计算与增强网络的颈椎CT图像层间插值算法研究

目的:为了解决人体颈椎CT序列图像横向点长度和纵向点长度不匹配带来的矢状面和冠状面结构变形问题,提出一种基于CT图像双向光流计算网络和CT图像双向光流增强网络的层间插值图像生成算法。方法:首先基于残差密集网络设计CT图像双向光流计算网络,计算上下层图像之间的双向光流;其次,利用CoTBlock模块改进UNet网络设计CT图像双向光流增强网络,提高双向光流精度并生成最终的层间插值图像。为验证算法的有效性,进行对比实验和消融实验验证。结果:提出的算法可以生成较高质量的层间插值图像,且在计算速度和模型参数量上有更好的表现。结论:该算法生成的插值图像毛刺伪影少、质量好,且经过层间插值后的人体颈椎CT序列图像更贴近人体颈椎的真实情况,有利于颈椎形态结构的研究和分析。

基于改进的UNet++岩心图像充填缝提取算法

岩心充填缝是石油勘探行业常见的地质现象之一,对充填缝图像进行裂缝的提取有利于地质研究人员后续的深入分析。由于岩心充填缝图像背景较为复杂,并且裂缝的粗细大小不同,目前已提出的裂缝检测模型在检测充填缝时效果不佳。为了改善岩心充填缝提取的效果,设计了一种基于UNet++的岩心图像充填缝提取算法。该算法在UNet++的跳跃连接中嵌入一个坐标注意力(Coordinate Attention, CA)模块使网络更加精确地聚焦于目标区域,并通过在编码器末端构建空洞空间池化金字塔(Atrous Spatial Pyramid Pooling, ASPP)增强网络对多尺度的充填缝的捕获能力。实验结果表明,改进后的算法在岩心充填缝图像上具有良好的分割效果,相比原始UNet++网络,分别在平均交并比(mean Intersection over Union, mIoU),平均像素精度(mean Pixel Accuracy, mPA)和F1值上提升了2.85%,2.35%和3.94%。

老年认知障碍多维度评估系统

老年认知障碍逐渐成为影响老年人生活质量的主要威胁之一,但是目前针对老年认知障碍群体的预防措施、诊疗技术、医养模式等尚不成熟,并且缺少能够完整地、分门别类地存储医疗数据的老年认知障碍数据系统,这便导致了老年认知障碍诊断不准确、认知障碍患者治疗时机延误、认知障碍患者没有得到相应的医养服务等问题.针对以上问题,本文设计了一种基于B/S架构的老年认知障碍多维度数据管理系统,利用FastDFS分布式文件存储系统的功能,保障了系统数据的安全性和稳定性.利用递归树结构帮助提取表格数据,加快筛查速度.系统的兼容性好,能够在目前主流的浏览器下稳定运行.

基于BERT-BiLSTM-Attention混合模型的事件抽取方法

事件抽取是信息抽取领域中的一项基本任务,旨在从非结构化文本中将结构化信息提取出来。现有基于机器阅读理解模型的事件抽取方法大多数直接对输入文本进行触发词识别检测与分类,在一定程度上忽视了由判断输入文本是否为事件而带来的预测误差,因此,提出一种基于BERT-BiLSTM-Attention混合模型的事件抽取方法。该方法用基于BERT的机器阅读理解模型为基本框架,采用多轮问答的方式,在现有机器阅读理解模型的基础上添加事件分类检测模块,使得模型能够减少预测误差,采用BiLSTM模型与注意力机制相结合组成历史会话信息模块,更有效地将重要信息筛选出来并融合到阅读理解模型中去。在公开数据集ACE2005上进行事件抽取实验,结果表明,准确率、召回率和F1值较基础模型分别提升7.8个百分点、4.6个百分点和5.4个百分点,具有一定的优势。

改进BiSeNetV1实时模型的岩屑图像识别

在图像分割识别领域,现有的深度学习方法大多使用高精度语义分割方法来实现,存在着网络推理速度慢、计算量大、难以实际应用等问题.借助于表现较好的BiSeNetV1实时网络模型,通过扩展的空间路径卷积结构、空间金字塔注意力机制(SPARM)和简化的注意力特征融合模块(S-iAFF)等改进策略,设计一种用于岩屑图像分割领域的BiSeNet_SPARM_S-iAFF实时网络.扩展的空间路径卷积结构可以获取更丰富的岩屑图像空间特征,上下文路径使用优化的空间金字塔注意力机制(SPARM)进一步细化高层语义特征提取,在特征融合阶段使用简化注意力特征融合(S-iAFF)加强低层空间与高层语义特征的融合程度.实验结果表明, BiSeNet_SPARM_S-iAFF网络在RockCuttings_Oil岩屑数据集上的平均交并比(mIoU)为64.91%,相较于BiSeNetV1网络提高了2.68%;另外改进后的网络在精度上接近大部分高精度语义分割方法,同时参数量大幅度减少、推理速度有着明显的提升.

基于SR-SURF的岩石显微图像拼接

岩石显微图像拼接是对岩石分析和研究的关键环节,由于岩石显微图像数量多(成百上千张)内容丰富并且包含大量相似易混淆区域,导致拼接速率和配准准确率低,并且多幅图像拼接时会产生误差累积导致拼接错位,针对此问题提出了一种SR-SURF(similar region-SURF)的岩石显微图像拼接方法.首先选用哈希指纹快速提取相似区域(similar region),然后在此区域检测特征点;之后利用改进的RANSAC(random sample consensus)算法剔除错误匹配点;再然后选用最佳模板匹配纠正错误配准图像;最后引入最小二乘法消除单应性矩阵相乘产生的累计误差;实验结果显示本文的算法消除了多幅图像拼接产生的累计误差,解决了拼接错位问题,提高了拼接速率和配准准确率,具有较高的实用价值,推动了岩石薄片的数字化存储进程.

基于深度学习的剩余油形态分类

剩余油的形态分布情况对油田的深度开发有着重大意义.针对剩余油数据量较少和传统的形态参数分类能力有限等问题,提取一种基于深度学习的剩余油形态分类方法.该方法在数据预处理部分,利用生成对抗网络ACGAN的多类别数据生成特性对剩余油图像进行数据增强;采用VGG19模型作为主干网络提取传统形态参数无法描述的深层特征,同时引入SENet注意力机制,改善模型特征表达能力,使得最终的分类结果更加精确.为验证本研究方法的有效性,将本文方法与传统形态参数和其他深度学习模型的分类方法进行对比,并通过主观视觉和客观指标进行评估,结果表明本文方法分类更为精确.

基于多视图信息的CT序列图像颈椎间盘分割算法

从颈椎CT(电子计算机断层扫描)序列图像中准确地分割出颈椎间盘是颈椎终板三维分型的基础,但在原始水平面数据中,颈椎间盘没有明显的边界,难以实现高精度的颈椎间盘分割。为此,在深入研究颈椎间盘本身的三维空间结构以后,提出了一种结合多视图信息的颈椎间盘分割算法,其能充分利用颈椎间盘上下表面的三维空间信息,解决了颈椎间盘边界在水平面难以界定的问题,使分割得到的颈椎间盘更加精确。从多组颈椎CT序列图像上的实验结果表明,文章提出的算法与双阈值法和大津法相比,实现了精度更高的颈椎间盘分割,更符合实际应用的需求。

基于粒子群优化的岩石薄片三维图像重建

基于2维图像的砂岩3维结构重建中,确定3维结构的自相关函数分布是一个难题。基于傅里叶变换的重建方法利用经验公式确定重建3维结构的自相关函数,但重建结果的误差较大。该文提出以3维结构的自相关分布作为粒子的位置,以3维结构与2维图像统计特征的误差作为粒子的适应度,用粒子群优化确定重建问题的最优解。与基于傅里叶变换重建算法相比,该方法得到的重建结果统计特征与2维图像的相似度明显提高。与经典的模拟退火重建算法相比,达到相同的重建效果,基于粒子群优化的重建方法具有更高的效率,具有良好的实际应用价值。

用于心肌细胞边缘检测的Snake算法研究

针对现有Snake算法易受噪声干扰、缺乏外部约束力、不能收敛于凹点等缺陷 ,提出了采用自适应外约束力、平滑差分滤波和蛇点停止运动的准则来控制Snake的运动 .可克服已有Snake算法的缺点 ,同时编程简单 ,运算速度快 .将其用于活体心肌细胞的边界跟踪 。

基于深度变化成像模型的图像估计

该文提出了一种基于EM算法的最大似然图像复原算法,此算法是基于三维显微光学切片中成像随深度变化的模型实现的。实际成像中,由于样本中物质是变化的,故样本不同位置的折射率不一样,并且会导致其点扩展函数也不同。虽然大多数显微镜具有像差补偿功能,但由于样本的折射率和物镜的折射率不匹配,导致不同深度其点扩展函数也不一样。该文对二维图像和三维图像序列进行实验,结果表明通过此算法能够补偿由于深度变化所带来的模糊,从而将模糊图像复原。