[发明专利]一种砂岩显微薄片的自动分类方法

权利要求书

1.一种砂岩显微薄片的自动分类方法，其特征在于包括以下步骤：

1)读取砂岩显微薄片图像，对其进行预处理；之后采用图像分割技术对砂岩显微薄片图像进行区域分割，获得矿物颗粒图像；

2)基于砂岩显微薄片图像中的矿物颗粒，分别计算纹理和形状特征指标，构建薄片图像的特征向量；

3)对目标地域的砂岩薄片图像，计算其特征向量，采用近邻法选择若干个相似的有标注的砂岩薄片图像样本，构建训练集合；

4)精化训练集数据：采用随机取样方法对初始训练集中少数类的样本进行重采样，实现训练集数据的类间平衡；分别计算每个特征指标的ANOVA F值，设定百分比，排除不必要的特征指标；

5)训练随机森林分类器，以目标地域砂岩薄片图像为输入，自动预测其种类；

上述步骤2)基于砂岩显微薄片图像的矿物颗粒构建薄片图像的特征向量的处理过程是：首先针对薄片图像中的每个矿物颗粒，分别计算纹理特征和形状特征指标，组成矿物颗粒的特征向量X；然后对所有矿物颗粒的特征向量加权平均，得到均值特征向量X_m，计算公式如下：

其中k为薄片图像中包含的矿物颗粒总数；再后选取前K个面积最大的矿物颗粒的特征向量X_i(i∈[1,K])；最后将X₁,X₂,...,X_K,X_m串接，构成薄片图像的特征向量；

上述步骤2)中计算矿物颗粒的纹理特征指标的处理过程是：首先将颗粒图像转换为灰度图像，计算位移矢量d分别为(1,0)、(1,1)、(0,1)以及(-1,1)的4个归一化灰度共生矩阵P：矩阵P是一个256×256的矩阵，其第i行第j列的矩阵元素p[i,j](0≤i≤255,0≤j≤255)代表按矢量d分离的像素对的个数除以颗粒图像的总像素数量，像素对中第一个像素的灰度值为i，另一个像素的灰度值为j；分别按照4个位移矢量计算，共得到4个灰度共生矩阵；

然后针对每一个灰度共生矩阵P，计算能量Energy、熵Entropy、对比度Contrast以及相关系数Correlation指标，计算公式如下，其中p[i,j](0≤i≤255,0≤j≤255)代表矩阵P中元素：

基于4个灰度共生矩阵，每个矿物颗粒获得16个纹理特征值。

2.根据权利要求1所述的砂岩显微薄片的自动分类方法，其特征在于，

上述步骤2)中计算矿物颗粒的形状特征指标的处理过程是：首先计算颗粒图像中包含的像素点总数，即颗粒的区域面积A；统计其边界像素点的个数，即区域周长C；然后求颗粒区域的凸包，指包含颗粒的最小凸多边形；计算凸包面积H，即凸包所包含的像素点总数；据以计算凸包差CD和密制度Solidity指标，计算公式如下：

CD＝H-A

Solidity＝A/H

接下来求包含颗粒区域的最小外接矩形，计算其面积ERA，即外接矩形包含的像素点数量；从而获得每个矿物颗粒的5个形状特征值：区域面积A、周长C、凸包差CD、密致度Solidity、以及外接矩形面积ERA；合并形状特征和纹理特征，每个矿物颗粒转换为包含21个特征值的特征向量X。