10.3969/j.issn.2095-2163.2021.11.015
基于U-net的铸体岩石薄片图像孔隙自动提取
使用岩石铸体薄片图像对岩石孔隙特征进行分析已经成为国内外石油地质部门常用方法之一,自动精确地分割铸体岩石薄片中的孔隙区域是定量计算孔隙参数的前提.目前传统RGB阈值分割方法精度不高,需要大量人工交互,而一些主流图像分割的深度学习网络泛化性能差,难以运用到实际中.针对这些问题,本文在U-net网络的基础上,提出了一种融合注意力机制和循环残差网络的模型.引入循环残差模块扩展网络深度,又融合了注意力机制模块,增加特征信息的学习权重.采用油田实验室常见的多种铸体薄片进行了实验,均取得了较好的分割结果,验证了本文方法的有效性和泛化性.
铸体岩石薄片;图像分割;深度学习;注意力机制;U-net
11
TP391.41(计算技术、计算机技术)
国家自然科学基金62071315
2022-01-05（万方平台首次上网日期，不代表论文的发表时间）
共8页
68-75
