[发明专利]一种亮晶颗粒灰岩图像的识别方法

权利要求书

1.一种亮晶颗粒灰岩图像的识别方法，其特征在于，所述方法包括：

对亮晶颗粒灰岩图像进行预处理，得预处理亮晶颗粒灰岩图像，所述亮晶颗粒灰岩图像为对所述亮晶颗粒灰岩进行拍摄得到的图像；

基于卷积神经网络、数字图像处理和所述预处理亮晶颗粒灰岩图像，生成与所述亮晶颗粒灰岩图像对应的结构组分特征；

基于数字图像处理和所述亮晶颗粒灰岩图像，生成与所述亮晶颗粒灰岩图像对应的矿物组分特征；

基于所述结构组分特征以及所述矿物组分特征，生成亮晶颗粒灰岩的鉴定结果。

2.根据权利要求1所述的亮晶颗粒灰岩图像的识别方法，其特征在于，所述基于卷积神经网络、数字图像处理和所述预处理亮晶颗粒灰岩图像，生成与所述亮晶颗粒灰岩图像对应的结构组分特征，包括：

基于卷积神经网络生成与所述亮晶颗粒灰岩图像对应的颗粒种类特征；

基于数字图像处理生成与所述亮晶颗粒灰岩图像对应的结构特征。

3.根据权利要求2所述的亮晶颗粒灰岩图像的识别方法，其特征在于，所述基于卷积神经网络生成与所述亮晶颗粒灰岩图像对应的颗粒种类特征，包括：

对所述预处理亮晶颗粒灰岩图像中的颗粒进行标注，获得初始的颗粒图像数据集，并对所述初始的颗粒图像数据集进行增强处理，获得最终颗粒图像数据集；

设计初始卷积神经网络模型，基于所述最终颗粒图像数据集，训练所述初始卷积神经网络模型，获得最终的卷积神经网络模型；

基于所述最终的卷积神经网络模型和亮晶颗粒灰岩的目标颗粒图像，生成与亮晶颗粒灰岩图像对应的颗粒种类特征。

4.根据权利要求3所述的亮晶颗粒灰岩图像的识别方法，其特征在于，所述最终颗粒图像数据集包括训练数据集和测试数据集；

所述对所述预处理亮晶颗粒灰岩图像中的颗粒进行标注，获得初始的颗粒图像数据集，并对所述初始的颗粒图像数据集进行增强处理，获得最终颗粒图像数据集，包括：

基于颗粒种类数据集的类别命名规则筛选多个预处理后的含颗粒的亮晶颗粒灰岩图像；

确定每个筛选后的亮晶颗粒灰岩图像中的典型几何特征区域；

按照所述颗粒种类数据集的类别命名规则对每个框选的典型几何特征区域进行颗粒种类名称的标记，获得初始的颗粒图像数据集；

对所述初始的颗粒图像数据集进行图像数据集扩充，获得最终图像数据集，其中，对所述初始的颗粒图像数据集进行图像数据集扩充包括对图像进行裁剪、旋转、翻转、缩放和调换颜色通道；

所述设计初始卷积神经网络模型，基于所述最终颗粒图像数据集，训练所述初始卷积神经网络模型，获得最终的卷积神经网络模型包括：

针对颗粒图像的种类识别任务，设计初始卷积神经网络模型；

基于所述最终训练数据集，对所述初始卷积神经网络模型进行训练；

基于所述测试数据集，对训练后的卷积神经网络模型进行测试，根据测试结果，获得最终的卷积神经网络模型。

5.根据权利要求2所述的亮晶颗粒灰岩图像的识别方法，其特征在于，所述基于数字图像处理生成与所述亮晶颗粒灰岩图像对应的结构特征包括：

对所述预处理亮晶颗粒灰岩图像进行二值化处理，得二值化颗粒区域图像；

通过数字图像处理方式对所述二值化颗粒区域图像进行处理，生成与所述二值化颗粒区域图像对应的颗粒含量特征；

通过数字图像处理方式对所述二值化颗粒区域图像进行处理，生成与所述二值化颗粒区域图像对应的几何特征。

6.根据权利要求5所述的亮晶颗粒灰岩图像的识别方法，其特征在于，所述通过数字图像处理技术对所述二值化颗粒区域图像进行处理，生成与所述二值化颗粒区域图像对应的颗粒含量特征，包括：

对所述二值化处理后的亮晶颗粒灰岩图像进行闭操作；

统计所述闭操作之后的亮晶颗粒灰岩图像中颗粒在样本中的体积百分含量，所述颗粒在样本中的体积百分含量为所述闭操作之后的亮晶颗粒灰岩图像中白色像素的面积与图像总面积的比值，或白色区域所占的像素点个数与图像总像素点个数的比值。