[发明专利]一种基于unet分割的岩石图像孔隙类型识别方法

权利要求书

1.一种基于unet分割的岩石图像孔隙类型识别方法，其特征在于，包括以下步骤：

S1、将语义分割模型unet作为网络模型、将卷积神经网络作为基础构架搭建初始深度学习网络模型；

S2、获取岩石原始图像并进行图像切割和图像增强，得到预处理后的图像数据；

S3、获取岩石原始图像并进行孔隙位置和形状的人工标注，得到标注后的标签图像数据；

S4、对标注后的标签图像数据进行One-Hot编码，得到编码后的标签数据；

S5、将步骤S2得到的预处理后的图像数据和步骤S4得到的编码后的标签数据作为训练样本对步骤S1所搭建的初始深度学习网络模型进行训练，得到训练后的模型；

S6、采用训练后的模型对待识别图像进行识别。

2.根据权利要求1所述的基于unet分割的岩石图像孔隙类型识别方法，其特征在于，所述步骤S1的具体方法为：

将语义分割模型unet作为网络模型，将unet模型的每个卷积层后添加归一化层，并在下采样层的每一个卷积层中进行补零操作；将初始深度学习网络模型的孔隙类别个数设置为5，设置学习速率调整方式为adam优化梯度下降，设置每轮迭代批处理的图片个数为24，设置迭代次数为10000，设置迭代精度为0.0001。

3.根据权利要求1所述的基于unet分割的岩石图像孔隙类型识别方法，其特征在于，所述步骤S2中图像切割的具体方法为：

将图像变化成512×512或256×256像素大小的图像。

4.根据权利要求1所述的基于unet分割的岩石图像孔隙类型识别方法，其特征在于，所述步骤S2中图像增强的具体方法包括以下子步骤：

S2-1、去除图像中连通域小于a^b像素大小的孔隙，得到去除部分孔隙的图像；其中b为初始深度学习网络模型下采样过程中池化层的层数；a为池化层的核参数；

S2-2、采用低通滤波对去除部分孔隙的图像进行模糊处理，得到模糊处理后的图像；

S2-3、向模糊处理后的图像加入噪声，并将加入噪声后的图像分别进行90°、180°和270°旋转，形成新的图像数据，得到扩大数量后的图像集。