10.3969/j.issn.2095-2163.2023.01.018
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.
矿物颗粒识别、偏光序列图像、消光性、SKnet、双向门控循环单元
13
TP391.4(计算技术、计算机技术)
国家自然科学基金62071315
2023-02-20(万方平台首次上网日期,不代表论文的发表时间)
共8页
104-111