页岩扫描电镜(scanning electron microscope,SEM)图像智能识别能够快速分析页岩储层矿物,是页岩油储层“甜点”预测的重要手段之一,也是未来的技术发展趋势。传统方法在鉴定矿物成分时存在自动化程度低、样本适配度低和特征提取受限等...页岩扫描电镜(scanning electron microscope,SEM)图像智能识别能够快速分析页岩储层矿物,是页岩油储层“甜点”预测的重要手段之一,也是未来的技术发展趋势。传统方法在鉴定矿物成分时存在自动化程度低、样本适配度低和特征提取受限等问题。为此,本文提出基于BlendMask的页岩SEM图像鉴定方法。首先,采用双边滤波、拉普拉斯和图像归一化等图像预处理技术对原始图像进行去噪、锐化和像素统一处理,提高训练样本的质量;然后,采用旋转、缩放、光度变化等图像增广方法构建增广策略,扩大数据集数量;最后,利用注意力机制和深度可分离卷积改进BlendMask网络,实现图像的成分分割与识别。应用于海塔盆地的页岩SEM图像实验结果表明,相比BlendMask模型,改进后方法的分割准确率和召回率分别提升了0.02~0.20和0~0.59,分割用时减少了1.29~2.70 s。展开更多
为了提高多目标异常行为的识别精度,提出红外图像序列中多运动目标异常行为识别方法。对红外图像展开一次引导滤波,得到其信息细节,对上述图像再次展开引导滤波,得到二次引导滤波后信息细节,同时和一次引导滤波后信息细节作差,并把上述...为了提高多目标异常行为的识别精度,提出红外图像序列中多运动目标异常行为识别方法。对红外图像展开一次引导滤波,得到其信息细节,对上述图像再次展开引导滤波,得到二次引导滤波后信息细节,同时和一次引导滤波后信息细节作差,并把上述获取的图像细节信息与输入图像展开加权求和,得到增强后的红外图像。将人体骨骼关节点作为依据,分别获取关节速度、运动员重心以及关节角度特征,构建双向长短时记忆网络(Bidirectional Long Short-Term Memory Network,Bi-LSTM),并将上述特征输入该模型内,实现多运动目标异常行为识别。经实验验证得出,所提方法对红外图像的增强效果好,多目标异常行为的识别精度高。展开更多
文摘页岩扫描电镜(scanning electron microscope,SEM)图像智能识别能够快速分析页岩储层矿物,是页岩油储层“甜点”预测的重要手段之一,也是未来的技术发展趋势。传统方法在鉴定矿物成分时存在自动化程度低、样本适配度低和特征提取受限等问题。为此,本文提出基于BlendMask的页岩SEM图像鉴定方法。首先,采用双边滤波、拉普拉斯和图像归一化等图像预处理技术对原始图像进行去噪、锐化和像素统一处理,提高训练样本的质量;然后,采用旋转、缩放、光度变化等图像增广方法构建增广策略,扩大数据集数量;最后,利用注意力机制和深度可分离卷积改进BlendMask网络,实现图像的成分分割与识别。应用于海塔盆地的页岩SEM图像实验结果表明,相比BlendMask模型,改进后方法的分割准确率和召回率分别提升了0.02~0.20和0~0.59,分割用时减少了1.29~2.70 s。
文摘为了提高多目标异常行为的识别精度,提出红外图像序列中多运动目标异常行为识别方法。对红外图像展开一次引导滤波,得到其信息细节,对上述图像再次展开引导滤波,得到二次引导滤波后信息细节,同时和一次引导滤波后信息细节作差,并把上述获取的图像细节信息与输入图像展开加权求和,得到增强后的红外图像。将人体骨骼关节点作为依据,分别获取关节速度、运动员重心以及关节角度特征,构建双向长短时记忆网络(Bidirectional Long Short-Term Memory Network,Bi-LSTM),并将上述特征输入该模型内,实现多运动目标异常行为识别。经实验验证得出,所提方法对红外图像的增强效果好,多目标异常行为的识别精度高。
