基于改进的SLIC的岩心颗粒图像边缘分割算法

在岩心颗粒图像进行目标提取的过程中,由于颗粒颜色丰富,类别和大小不一,且存在边界模糊等情况,导致颗粒分割很困难。针对以上问题,本文提出一种基于改进的简单线性迭代聚类(SLIC)算法,首先对图像进行预处理,增强目标区域同时模糊背景部分,消除孤立的噪声点且保护边缘信息;其次,结合LBP纹理特征对图像进行超像素分割;最后,结合区域之间的颜色特征进行超像素合并。实验表明,与现有的其它算法相比,该算法能准确地分割颗粒的边界,更有效地提取目标颗粒,极大地降低了后续对提取目标进行分析的复杂度。

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%.