基于深度学习的岩心图像压缩模型研究
传统的岩心图像压缩多采用小波变换,此方法并不利于对岩心图像细节信息的保留,压缩后清晰度也无法满足岩性分析的需求.提出一种JPEG结合卷积神经网络的岩心图像压缩模型.首先将待压缩岩心图像送入空域冗余去除结构剔除冗余信息,再使用JPEG编码把图像变换到DCT域,量化后去除不必要的高频信息.解码时使用JPEG解码器将图像从DCT域变换到像素域,为了恢复岩心图像在空域、频域的失真,于解码端添加了19层的卷积层的神经网络,最终将岩心图像重构.此方法创新点在于首次提出深度学习应用于岩心图像的压缩,并具有比传统小波变换与离散余弦变换的压缩方法更高的图像压缩比与清晰度,对岩心图像研究领域具有较高的参考价值与实用前景.
岩心图像压缩、卷积神经网络、JPEG、深度学习
14
TP391.41(计算技术、计算机技术)
2018-10-12（万方平台首次上网日期，不代表论文的发表时间）
共2页
173-174
