[发明专利]基于残差收缩模块与注意力机制的岩石薄片图像识别方法

说明书

本发明公开了一种基于残差收缩模块与注意力机制的岩石薄片图像识别方法，该方法包括同时输入岩石薄片的正交偏光图像与单偏光图像；两张图像在通道维度连接；通过分组卷积的方式分别独立提取两张图像的低层次特征；将两组低层次特征融合后，共同提取高层次特征；输入全连接层与softmax分类层完成岩石薄片图像的识别与分类。通过在残差收缩模块中引入软阈值函数抑制和消除特征中的噪音和冗余信息；经过卷积操作后，将不重要的冗余信息等拟合至零附近，通过软阈值化将特征通道中不重要的信息置为零；使用正交偏光图像和单偏光图像进行分类，提取两张图像的高层次特征，利用岩石薄片在不同偏光下反映出的特征，提高算法模型的识别分类效果。

技术领域

本发明涉及一种岩石薄片的图像识别方法，具体是一种基于残差收缩模块与注意力机制的岩石薄片图像识别方法，属于岩石薄片图像识别领域。

背景技术

岩石薄片镜下图像的识别与分类对岩石种类的精确鉴定具有重要意义。

一般而言，传统的岩石薄片图像识别与分类方式是人工观察。人工观察的方式不仅对岩石薄片图像进行识别与分类耗时耗力，而且对鉴定人员的专业知识和经验要求较高；同时鉴定结果易受鉴定人员主观因素的影响。

近年来，深度学习在图像识别与分类领域取得了卓越的成果，使用基于深度学习的方法可以实现自动提取岩石薄片图像的特征，并根据不同的特征对岩石薄片图像进行识别与分类。但是，岩石薄片图像与其他图像相比，具有信息丰富、特征复杂、含有较多冗余信息、干扰信息和噪音的特点。在这些信息和特征中，一方面，一些与分类任务无关的信息和特征对分类算法模型来说是一种干扰，影响了分类模型对有用特征的提取，从而影响了模型的识别与分类效果；另一方面，现有技术中存在的图像识别算法一般只输入一张图像，不能充分利用岩石薄片的正交偏光图像和单偏光图像的综合信息与特征进行识别与分类。

现有技术中：1)申请号为202011500128.6，专利名称为一种结合单偏光与正交偏光图像的岩石薄片图像对齐方法，该图像对齐方法仅仅是将岩石薄片图像进行正交偏光图像和单偏光图像处理，提出特征匹配，并没有对岩石薄片的综合信息与特征进行识别和分类；2)申请号为202110256098.7，专利名称为一种基于人工智能的岩石岩性快速分类识别方法和装置，该分类识别方法，虽然采用了人工智能的卷积神经网络处理图像，但是该技术仅仅是粗放式处理图像特征，并不能将图像无关的信息和特征进行一一分类和识别，导致处理的图像不够精确。

发明内容

为解决上述技术问题，本发明的目的在于提供一种基于残差收缩模块与注意力机制的岩石薄片图像识别方法，该方法通过残差收缩模块和注意力机制融合，能够对岩石薄片图像的综合信息和特征有效处理和提取，进而充分利用岩石薄片的正交偏光图像和单偏光图像的信息和特征进行识别与分类，从而提高算法模型的识别与分类的精确性。

为实现本发明的技术目的，本发明采取的技术方案为：一种基于残差收缩模块与注意力机制的岩石薄片图像识别方法，所述岩石薄片图像识别方法包括如下步骤：

S100：同时输入岩石薄片的正交偏光图像与单偏光图像；

S200：所述岩石薄片的正交偏光图像和单偏光图像在通道维度“concat”连接；

S300：通过分组卷积的方式分别独立提取出所述岩石薄片的正交偏光图像和单偏光图像的低层次特征，其中，分类网络的基础采用残差收缩模块与注意力机制相结合；

S400：将岩石薄片的正交偏光图像和单偏光图像的两组所述低层次特征融合后，共同提取高层次特征，其中，分类网络的基础采用残差收缩模块与注意力机制相结合；

S500：输入全连接层与softmax分类层完成岩石薄片图像的识别与分类。

进一步，所述步骤S100中：同时输入岩石薄片的正交偏光图像与单偏光图像是基于分类算法模型的两张图像，并且两张图像是岩石薄片同一视域下的正交偏光图像和单偏光图像。