买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国海洋石油集团有限公司;中海油能源发展股份有限公司

摘要：本发明提供一种基于多偏光岩石薄片的长石矿物智能识别方法，按岩石颗粒样本输入岩石薄片图像；得到单颗粒图像；得到长石颗粒图像；得到长石颗粒图像的双晶特征；获得长石颗粒样本的高维双晶特征；长石分类结果。本发明对能量、熵、对比度、相关度进行归一化处理，能量、熵、对比度、相关度这几个统计量数量级不同，为使得它们在后续处理过程的重要性程度是相等的，则采用最大‑最小归一化方法。本发明使用加权法充分结合图像的灰度共生矩阵的四个统计量。本发明通过拼接同一颗粒样本的单偏光、多角度的正交偏光岩石薄片图像的双晶特征形成更高维通道的特征，从而在聚类过程中达到更好的分类效果。

主权项：1.一种基于多偏光岩石薄片的长石矿物智能识别方法，其特征在于：按照下述步骤进行：ⅰ.按岩石颗粒样本输入岩石薄片图像：按组输入多组岩石薄片图像，每组包含多张偏光图像；在步骤ⅰ中，岩石薄片图像包含单偏光图像和正交偏光图像；ⅱ.得到单颗粒图像：利用最大类间方差法对岩石薄片图像进行分割，获得单颗粒图像；在步骤ⅱ中，得到单颗粒图像，是基于岩石颗粒的消光特性，薄片图像中各处存在灰度性上的差异，对岩石薄片图像进行分割，得到单颗粒图像；ⅲ.得到长石颗粒图像：利用训练模型对步骤ⅱ颗粒图像进行三分类，获得长石颗粒图像；在步骤ⅲ中，得到长石颗粒图像的具体过程如下：步骤1，利用训练好的ResNet101三分类网络，对获得的单颗粒图像进行石英、长石、其他的类别划分；步骤2，通过筛选得到长石颗粒图像；ⅳ.得到长石颗粒图像的双晶特征：提取长石图像的灰度共生矩阵的四个统计量，即对比度、熵、相关度、能量；在步骤ⅳ中，得到长石颗粒图像的双晶特征的具体过程如下：步骤1，将长石颗粒的RGB图像转为灰度图像，以当前像素点i为中心进行区域划分，得到当前区域Ai，区域窗口大小为k*k，超出图像范围的单元格取窗口其余单元格的灰度和的平均值进行填充，接着计算当前区域Ai的灰度共生矩阵，灰度共生矩阵公式可以表示为：pi，j|d，θ＝{x，y|fx，y＝i，fx+dcosθ，y+dsinθ＝j；x，y＝0，1，2，...，N-1}其中，pi，j|d，θ表示在图像中灰度值为i的像素与间隔距离为d、且方向为θ的灰度值为j的像素的灰度共生矩阵，fx，y表示图像第x行，第y列像素点的灰度值，d为移设定值，θ为灰度共生矩阵所选取的空间方向角度；步骤2，计算长石图像的灰度共生矩阵；步骤3，基于灰度共生矩阵计算统计量，从而量化双晶特征，即获取单张图像的双晶特征，其中，中正长石的表面相对平滑或者表面带有析出土；中斜长石的表面具有消光条纹或者表面绢云母化；中微斜长石的表面具有格子双晶、中条纹长石表面具细条纹或者棒状条纹；在步骤ⅳ中，对比度Con的计算公式为： 熵Ent的计算公式为的计算公式为： 相关度Corr的计算公式为： 其中， 能量Asm的计算公式为： 其中，i,j分别代表像素点的灰度值；pi,j＝pi,j|d,θ代表图像中灰度值为i的像素与间隔距离为d、且方向为θ的灰度值为j的像素的灰度共生矩阵；分别为沿灰度共生矩阵的行、列计算所得均值，δx、δy为行和列的标准差；将步骤ⅳ中各个灰度共生矩阵的对比度、熵、相关度、能量分别求均值，将均值统计量进行归一化后加权，以加权特征来表示长石图像的双晶特征，其加权公式如下: Xm，n表示图像第m行、第n列的像素点的加权双晶特征，其中，M、N分别代表图像的高、宽；分别代表归一化后的第m行、第n列的像素点的对比度、熵、相关度、能量，归一化方法采用最大-最小归一化方法，对比度权重系数a＝0.7；ⅴ.获得长石颗粒样本的高维双晶特征：并对步骤ⅳ的统计量进行加权，组合多角度正交偏光图像的灰度共生矩阵的加权特征形成高维双晶特征；在步骤ⅴ中，获得长石颗粒样本的高维双晶特征的具体过程如下：步骤1，表示第i组的高维双晶特征向量；步骤2，在此基础上，得到n组长石颗粒图像的高维双晶特征向量数据集X：X＝{x1，x2，...xn}；ⅵ.长石分类结果：使用K-means聚类方法对特征进行聚类，得到长石颗粒图像的子类分类结果；在步骤ⅵ中，长石分类结果的具体过程如下：步骤1，随机选择一个长石颗粒图像高维双晶特征向量作为初始聚类中心c1；步骤2，计算每个高维双晶特征向量与当前已有聚类中心之间的最短距离，此处距离衡量标准采用欧式距离，即：为样本xi与聚类中心cj的距离，t为当前已选出的聚类中心数以及计算每个向量样本被选为下一个聚类中心的概率，选择最大概率值所对应的样本点为下一个聚类中心，其公式如下所示： 其中，ct+1，xi∈X，为所有岩石薄片样本与当前已有聚类中心之间的最短距离的平方之和；步骤3，重复步骤2直至选出4个聚类中心，C＝{c1，c2，c3，c4}；步骤4，计算数据集中每个样本x到4个聚类中心的距离并将其分到距离最小的聚类中心所对应的类中，即xi∈ck，步骤5，分别重新计算四个类别的聚类中心即属于该类别的所有样本的质心；步骤6，重复步骤4-5直到聚类中心不再变化，最终得到长石图像的分类结果。

全文数据：

权利要求：

百度查询： 中国海洋石油集团有限公司 中海油能源发展股份有限公司 一种基于多偏光岩石薄片的长石矿物智能识别方法