10.3969/j.issn.2095-2163.2023.03.029
基于深度学习的荧光图像成分分类
在石油地质图像分析工作中,荧光图像分析技术是获取岩石包含的油藏信息的重要方式.目前提取荧光成分的方法是先对荧光图像进行RGB阈值分割,再根据一定的聚类算法利用每个像素点的颜色信息进行成分分类,此过程需要大量人工交互并且分类结果不够准确.针对这些问题,本文提出了一种基于深度学习的荧光图像分类算法,使用VGG16结合UNet的方法来构建网络,VGG16网络作为编码器部分进行主干特征提取,UNet作为解码器部分进行加强特征提取,并增加注意力机制来防止像素级信息的缺失,提高特征提取的准确性.通过对多组图像进行实验表明,该方法可以获得良好的分类效果.
荧光图像、图像分类、深度学习、注意力机制、VGG16-UNet
13
TP391.41(计算技术、计算机技术)
2023-04-23(万方平台首次上网日期,不代表论文的发表时间)
共7页
175-181