[发明专利]一种砂岩显微薄片的自动分类方法

摘要

本发明公开了一种砂岩显微薄片的自动分类方法，其步骤是：1)对砂岩的显微薄片图像进行预处理，分割矿物颗粒；2)以颗粒为单位分别提取纹理和形状特征，选择代表颗粒，构成薄片图像的特征向量；3)对目标地域的砂岩薄片，基于欧氏距离采用近邻法选择相似的砂岩薄片样本，构建训练集合；4)精化训练集数据，包括类间平衡和特征降维；5)训练随机森林分类器，预测砂岩薄片的种类。本方法运用图像处理技术和机器学习方法，自动鉴别来自不同地域的砂岩薄片种类，能够解决由于地域不同导致的砂岩薄片结构差异较大而难于互相借鉴的问题。

主权项

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Xm，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Xi(i∈[1,K])；最后将X1,X2,...,XK,Xm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。