文献类型：期刊文章

作　　者：姜枫[1,2] 顾庆[1] 郝慧珍[1,3] 李娜[1] 胡修棉[4]

Feng JIANG;Qing GU;Huizhen HAO;Na LI;Xiumian HU(State Key Laboratory for Novel Software Technology,Nanjing University,Nanjing 210023,China;School of Mobile Internet,Taizhou Institute of Set.&Tech.,NUST,Taizhou 225300,China;Department of Communication Engineering,Nanjing Institute of Technology,Nanjing 211167,China;School of Earth Sciences and Engineering,Nanjing University,Nanjing 210023,China)

机构地区：[1]南京大学计算机软件新技术国家重点实验室,南京210023 [2]南京理工大学泰州科技学院移动互联网学院,泰州225300 [3]南京工程学院通信工程学院,南京211167 [4]南京大学地球科学与工程学院,南京210023

出　　处：《中国科学：信息科学》

基　　金：国家自然科学基金(批准号:61373012,61321491,91218302);国家重点研发计划项目(批准号:2018YFB1003800)资助。

年　　份：2020

卷　　号：50

期　　号：1

起止页码：109-127

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：砂岩薄片鉴定是矿物学和采矿工程中的一个重要步骤,其基础是将砂岩薄片图像包含的矿物颗粒分割到独立区域.不同于一般图像分割问题,砂岩薄片图像中包含大量矿物颗粒,且相邻颗粒之间边界模糊,通用的图像分割方法难以适用.本文利用多角度砂岩薄片图像,使用卷积神经网络和模糊聚类技术,提出一种3阶段颗粒分割方法.第1阶段,将输入的多角度砂岩图像预分割成超像素集合.第2阶段,根据砂岩矿物特点构建卷积神经网络RockNet,先使用带标签的砂岩矿物颗粒图像库训练RockNet,然后将之用于提取超像素语义特征.第3阶段,提出区域合并方法FCoG,该方法融合多特征用于聚类和合并超像素,并生成最终的矿物颗粒.对采集自多个地区和不同地质年代的砂岩薄片图像数据集进行实验,结果表明本文方法的有效性,其性能明显优于其他分割方法.

关 键 词：砂岩薄片图像  图像分割 神经网络 模糊聚类 特征提取

分 类 号：P585] TP391.41[地质学类;地质类]