融合边缘流和模糊区域聚类的岩心图像分割
- 格式:pdf
- 大小:521.76 KB
- 文档页数:3
基于模糊距离变换的岩心图像颗粒分割算法高扬;滕奇志;熊淑华;何海波【摘要】岩心CT图像中相邻颗粒之间存在相互粘连,粒度参数分析等需要对粘连颗粒进行分割.结合岩心粘连颗粒的特性,提出一种基于模糊距离变换的改进颗粒分割算法.首先,对预处理后的岩心图像进行模糊距离变换并提取出距离信息的灰度图像,然后利用形态学膨胀重构方法提取标记作为后续分水岭算法的种子点,根据种子点采用一种基于测地重建的改进分水岭算法得到相邻种子点之间的分割线,最后完成粘连颗粒的分割.实验结果表明本文算法可以提高粘连颗粒分割的准确度并减轻分水岭算法的过分割现象.【期刊名称】《微型机与应用》【年(卷),期】2017(036)004【总页数】4页(P47-50)【关键词】岩石颗粒;模糊距离变换;分水岭;【作者】高扬;滕奇志;熊淑华;何海波【作者单位】四川大学电子信息学院图像信息研究所,四川成都610065;四川大学电子信息学院图像信息研究所,四川成都610065;四川大学电子信息学院图像信息研究所,四川成都610065;成都西图科技有限公司,四川成都610065【正文语种】中文【中图分类】TP391随着计算机断层扫描(CT)技术的日渐成熟与普及,石油地质行业也开始使用该技术分析岩石的结构特性。
岩心CT图像中粘连的岩心颗粒会影响粒度等参数分析。
通常CT图像是一个二维灰度图像序列,因此可以先对二维图像进行粘连颗粒分割,通过二维分割降低三维重建后三维颗粒的分割难度。
图像分割[1-2]是为了更好地将具有类似特征性质的元素归在同一个集合中,它也是图像处理与后续分析识别的关键步骤。
近年来不少学者在粘连图像分割方面做了大量相关的工作,提出了基于图论[3]、形态学[4]、边缘检测、区域分割、Snake模型、神经网络等多种分割算法。
而这些算法都有各自具体的应用场合与约束限制。
分水岭算法[5]作为一种经典的图像分割算法,有许多在此基础上的改进与拓展算法。
例如基于距离变换的分水岭算法[6]、多分辨率分水岭算法、梯度修正与区域合并分水岭算法[7]、基于蚁群的分水岭算法等。
基于聚类算法的岩石CT图像分割及量化方法张嘉凡;张雪娇;杨更社;刘慧;张慧梅【摘要】为研究岩石CT图像分割及量化方法,以识别岩石CT图像中的岩石区、损伤区及背景区为目的,提出了一种聚类算法与数字图像处理技术相结合的方法,该方法根据“物以类聚”的统计原理,按距离相近或相似程度对岩石CT图像中的像素进行标定,从而实现图像分割及量化.结果表明:该方法能够准确地对岩石CT图像中的不同区域进行分割并且实现了对损伤的量化表达;同时,对于结果不确定度影响的初始参数有完全的排异性,从而保证了结果的稳定性;将该算法与阈值分割法进行比较,该算法可避免人为选择阈值导致的误差,从而保证结果的可靠性.【期刊名称】《西安科技大学学报》【年(卷),期】2016(036)002【总页数】5页(P171-175)【关键词】聚类分析;阈值分割;岩石CT图像【作者】张嘉凡;张雪娇;杨更社;刘慧;张慧梅【作者单位】西安科技大学理学院,陕西西安710054;西安科技大学理学院,陕西西安710054;西安科技大学建筑与土木工程学院,陕西西安710054;西安科技大学建筑与土木工程学院,陕西西安710054;西安科技大学理学院,陕西西安710054【正文语种】中文【中图分类】TU455随着科学技术尤其是计算机技术的发展,CT扫描或探测技术的应用日趋成熟并逐渐成为各行业发展的热点。
以岩石损伤探测及量化工作为对象,CT技术目前已成为该领域最为先进的探伤及分析手段之一。
毛林涛[1]等通过差值图像的统计特征,分析了煤岩内部裂隙与宏观变形之间的关系;杨更社[2]利用数字图像增强技术实现了CT图像的伪彩色增强,并根据灰度直方图技术分析了岩石损伤规律;刘慧[3]通过遗传算法与最大类间方差相结合,自动选取图像的最优阈值,完成了冻结岩石CT图像的三值化分割;张青成[4]等基于图像分割技术,对煤岩CT图像的灰度级别设定不同的二值化阀值,得到不同阀值下的孔隙面积变化曲线,并提出以拐点处对应的阀值作为裂隙图像二值化阀值时效果最佳;马天寿,陈平[5]采用最大自动取阈值方法对页岩水化CT图像进行分割,得到了损伤变量与浸泡时间的关系。
岩心粒度图像分割算法分析岩心粒度图像分割算法分析岩心分析是石油勘探开发中的一项重要的工作,是获取油气层特征的主要方式之一,分析了阀值、边缘检测等算法的原理与应用实例,阐述了基于特定理论的岩心粒度分割算法特点与优势,并对各种算法进行了分析对比。
标签:岩心粒度;分割算法;边缘检测;聚类分析随着我国经济的快速发展,对油气资源的需求不断增加,尤其勘探开发的进一步深入,岩芯是在油气勘探开发工作中最重要的基础地质资料之一,为油气勘探开发提供决策依据。
岩芯的观察描述在确定岩性、推断沉积环境以及生储盖组合综合研究中,有着不可替代的作用,对岩心图像的分析和处理成为岩心分析的一项重要工作。
岩芯数字化处理作为一项新技术得到了广泛的应用,借助于计算机软件对采集到的岩心图像进行分析提取直观上的岩心数据,进行定量化的岩心分析,对于现阶段油气勘探开发工作,具有重要的现实意义。
岩心粒度分割是岩心分析中的重要前期工作,其根据图像所包含的对象信息如灰度、色度、纹理等特征,将图像划分成若干个互不相交的区域,让具有一致性或者相似性的特征分布在同一区域,但在不同区域间表现出明显的差异性。
目前国内外广泛使用的图像分割方法大致主要分为基于阈值分割、基于边缘的分割方法,以及其它基于特定理论的岩心粒度分割算法等。
1 岩心粒度图像分割技术的主要内容岩心粒度图像分割是指根据处理图像所包含的对象信息如灰度、色度、纹理、几何形状等特征把图像划分为若干个互不相交的区域,也就是通俗意义上的把图像中的目标从背景中提取,以便对目标进行处理。
由于图像分割的效果很大程度上依赖于特定的图像特征如成像方式,纹理,灰度,噪声等,目前还没有一种通用的图像分割算法可以实现对所有图像的有效分割。
现今内外广泛使用的图像分割方法大致主要分为基于阈值分割、基于边缘的分割方法,以及其它基于特定理论的岩心粒度分割算法等。
2 基于阀值的岩心粒度分割算法阈值分割方法依据的原理就是图像前景与背景像素灰度值存在值的差异,前景与背景相邻像素间的灰度值存在高度差,因此我们可以采用前景与背景之间的某个灰度值作为阈值,将前景与背景进行分割开来。
融合SLIC的DCUT改进图像分割算法邹小林【期刊名称】《新疆大学学报(自然科学版)》【年(卷),期】2017(034)001【摘要】谱聚类DCUT算法能在任意形状的样本空间上聚类且收敛于全局最优解,但其缺点是计算相似度矩阵和特征向量的复杂度较高.为了提高了DCUT的算法速度,提出了基于SLIC的DCUT算法(SDCUT).SDCUT算法首先采用SLIC算法分割图像成超像素,再根据任意两个超像素的归一化直方图计算Pearson系数作为超像素之间的相似度,从而建立基于超像素的相似度矩阵,最后采用DCUT算法对超像素进行分类获得最终分割结果.在一系列图像上的实验结果表明,与几种经典谱聚类算法相比,本文方法的分割速度更快,且具有较好的分割效果.%Spectral DCUT algorithm can cluster samples in any form of feature space and has global optimal solution,But its disadvantage is that the complexity of computing the similarity matrix and the feature vector is higher.In order to improve the speed of DCUT algorithm,a new algorithm based on SLIC (S-DCUT) is proposed.S-DCUT algorithm firstly uses SLIC method to split the image into super pixels,secondly according to normalized histogram of super pixels,the Pearson coefficient is computated as the similarity between any two super pixels,therefore a similarity matrix based on super pixels is established,finally the DCUT algorithm is used to classify the super pixels to obtain the final segmentation results.Experimental results on a series ofimages show that the proposed method is faster and has good segmentation results compared with some classic spectral methods.【总页数】7页(P78-83,95)【作者】邹小林【作者单位】肇庆学院数学与统计学院,广东肇庆526061【正文语种】中文【中图分类】TP391.41【相关文献】1.基于小波图像融合算法和改进FCM聚类的MR脑部图像分割算法 [J], 耿艳萍;郭小英;王华夏;陈磊;李雪梅2.一种新的基于SLICO改进的GrabCut彩色图像分割算法 [J], 陈鑫;何中市;李英豪3.融合SLIC与改进邻近传播聚类的彩色图像分割算法 [J], 程仙国;王明军4.融合FPGA技术的改进SLIC超像素分割算法 [J], 韩剑辉; 吕郅强5.基于改进的SLIC的岩心颗粒图像边缘分割算法 [J], 董领;卿粼波;何小海;黄帅坤;何海波因版权原因,仅展示原文概要,查看原文内容请购买。
基于模糊聚类的SAR图像分割算法研究摘要:本文针对合成孔径雷达(SAR)图像分割问题,提出了一种新的基于模糊聚类的图像分割算法。
首先,通过对SAR图像进行预处理,提取出SAR图像的特征向量;其次,利用模糊聚类算法对特征向量进行聚类,得到不同的图像区域;最后,根据聚类结果,对原始SAR图像进行分割。
在仿真实验中,本算法在分割准确率和分割速度方面均比传统算法有较大的提升,具有良好的应用前景。
关键词:SAR图像;图像分割;模糊聚类;特征向量;分割准确率;分割速度1. 引言SAR图像具有极高的分辨率和时空特性,因此在军事、遥感等领域得到了广泛应用。
其中,SAR图像分割是SAR图像处理中的重要问题,其目的是将SAR图像划分为不同的区域,进而对图像进行进一步分析和处理。
传统的SAR图像分割算法主要基于阈值、边缘和区域生长等方法,但这些方法往往受到图像噪声、复杂背景和弱边缘等问题的影响,导致分割结果不够准确。
因此,提出一种高效、精确的SAR图像分割算法具有重要的理论与实际意义。
2. 模糊聚类算法模糊聚类算法是一种常用的图像分割方法,其基本思想是将图像像素划分为不同的类别。
与传统的聚类算法不同,模糊聚类算法允许像素属于多个类别,从而能够更灵活地适应图像的复杂性。
本文采用了基于模糊C均值(FCM)算法的图像分割方法,其主要流程如下:1)初始化隶属度矩阵U和聚类中心矩阵C;2)通过更新隶属度矩阵U和聚类中心矩阵C,得到新的聚类结果;3)根据聚类结果计算目标函数值,若满足停止条件,则输出最终聚类结果;否则返回第二步。
3. 基于模糊聚类的SAR图像分割算法本文提出的基于模糊聚类的SAR图像分割算法主要包括以下步骤:1) SAR图像预处理。
在本算法中,采用小波变换对SAR图像进行去噪处理和图像增强,得到具有更好特征的SAR图像。
2)特征向量提取。
将预处理后的SAR图像划分为若干个大小相同的区域,然后提取每个区域的特征向量作为聚类的输入。
Computer Engineering and Applications计算机工程与应用2009,45(22)1引言岩心图像分割在油气勘探开发研究工作中的作用日益重要[1]。
当前,许多图像分割方法已应用于岩心图像分割,其中基于图论的图像分割方法这几年越来越引起人们兴趣。
引入图论做图像分割通常是将图像的分割问题转化为图的分割问题,即首先将一幅图像表示成一个图带权的无向图G={V,E},并且图中每个顶点v i∈V={v1,v2,…,v|V|}对应着图像中的像素,而图中每条边e ij∈E={e ij|i,j≤|V|}相对应的是图像中两个相邻像素的连接,其中e ij是连接图中顶点v i和v j的边、|V|是图中的顶点数。
每条边e ij通常会分配一个权值w(e ij),这个权值表示这条边所连接的两个像素的关系,例如灰度或者颜色的相似度等等。
顶点v i的度d i=Σe ij w(e ij)坌e ij∈E,表示与顶点v i相连接的边数目,对应的是图像像素中4-邻接和8-邻接等关系。
常见的图论分割方法有基于谱分割[2-3]和基于最大-最小流分割[4]等,这些方法考虑的是图像全局的性质分布,相对于一些传统的分割方法具有自己的独特优势。
但是,基于图论的谱分割算法,如归一化分割(Ncut)[2]方法,使用全连接的方法、使用复杂的空间滤波和求解方程要解特征向量,那么对较大的岩心图像进行分割时,就会导致计算速度很慢,而无法应用于实际。
因此,在总结了归一化分割(Ncut)方法的基础上,提出一种基于图论的等周(Isoperimetric)改进分割算法。
本算法采用4-邻接法,通过解线性方程求解,免去了复杂的空间滤波。
实验证明,该算法计算复杂度低,分割岩心图像的效果好,并具有很大的实际应用价值。
2等周算法的原理对等周算法的原理[5],这里给出等周问题的经典定义:对于固定的分割面积中,查找最小周长的区域。
换言之,在给定的图像区域中,能查找包围这个区域的最小周长(或最短边界)。
用于CT心脏分割的几种超像素过分割和块合并的方法比较张耀楠;吴秋实;何颖;安晓莉【摘要】针对从CT图像中提取心脏结构信息还是一个尚未解决的问题,本文利用超像素思想对CT图像进行分割.本文利用4种方法(N-cut算法、熵率、简单线性迭代、均值漂移)进行超像素过分割,并进行了量化比较.进一步通过动态融合方法和谱聚类方法得到分割结果.在动态融合方法中设计了一种相似性度量的计算方法,并对两种合并方法进行了比较.实验表明本文提出的方法用于CT心脏图像的分割是可行的.在四种超像素过分割方法中,简单线性迭代运行速度较快,在各项评价指标中都比较不错.动态融合方法和谱聚类的合并准确性都较高,但谱聚类的运算速度远快于超像素的动态合并.【期刊名称】《数字技术与应用》【年(卷),期】2018(036)010【总页数】5页(P63-66,68)【关键词】CT;医学图像;Adaboost;图像分割;超像素【作者】张耀楠;吴秋实;何颖;安晓莉【作者单位】西安思源学院电子信息工程学院,陕西西安 710038;东北大学中荷生物医学与信息工程学院,辽宁沈阳 110169;东北大学中荷生物医学与信息工程学院,辽宁沈阳 110169;西安思源学院电子信息工程学院,陕西西安 710038;西安思源学院电子信息工程学院,陕西西安 710038【正文语种】中文【中图分类】R445.1任晓峰等人在2003年最早提出超像素分割的思想[1]。
图像中单个像素对人和计算机认识图片都无太大意义,而超像素分割将图像分割成有某种相同图像语义的超像素块,保留了边缘信息,能为后续图像分析减少很大的计算量。
已有学者将此思想应用到医学图像分析领域中。
比如定位癌症病灶、定位内出血位置、体内异物检查等诸多方面[2-3]。
本文将超像素分割应用于CT心脏图像的分割,对一些过分割和块合并的方法进行比较。
超像素分割有很多具体实现的算法,大体可分为两类:第一种是基于图论的分割方法[4],例如N-cut算法[5],熵率(Entropy Rate)算法[6]。
一种融合边缘信息的面向对象遥感图像分割方法
谭玉敏;槐建柱;唐中实
【期刊名称】《光谱学与光谱分析》
【年(卷),期】2010(030)006
【摘要】针对高分辨率遥感图像边缘突出、上下文信息丰富等特点.提出一种融合边缘特征的区域分割箅法,基于面向对象图像分析方法,综合考虑遥感图像的光谱和空间特征.首先应用SUSAN算子对全色波段图像提取边缘信息,然后对融合后的彩色图像进行两阶段分割,第一阶段采用倒四叉树融合成初始图像对象,在第二阶段中通过在区域异质性判据中增加边界强度特征的方式融合已提取的边缘信息进行分级区域合并,形成图像分割结果.文中用三峡库区某区域QuickBird数据进行了实验,并与ENVI Zoom和Defini-ens下的分割结果进行了效果对比和定量评价,结果表明该方法可行、有效.
【总页数】4页(P1624-1627)
【作者】谭玉敏;槐建柱;唐中实
【作者单位】北京航空航天大学交通科学与工程学院,北京,100191;北京航空航天大学交通科学与工程学院,北京,100191;清华大学土木工程系,北京,100084
【正文语种】中文
【中图分类】TP751.1
【相关文献】
1.融合Ratio边缘信息的水平集SAR图像分割方法 [J], 吕雁;冯大政
2.融合边缘特征与区域特征的高分辨率遥感图像分割方法 [J], 朱俊杰;杜小平;范湘涛;郭华东
3.一种多特征融合的面向对象多源遥感影像变化检测方法 [J], 徐俊峰;张保明;郭海涛;张宏伟
4.一种基于阈值与边缘检测的遥感图像分割方法 [J], 李晨钊;陈胤璇;高海荣;李维胜;何强
5.一种融合区域生长和边缘检测的彩色图像分割方法 [J], 王英;关宇东;李艳
因版权原因,仅展示原文概要,查看原文内容请购买。
考虑分形特征的岩心扫描图像合理分割方法张磊;姚军;王锋;高莹;杨永飞;魏微;张琦;张建光【期刊名称】《科学技术与工程》【年(卷),期】2015(0)24【摘要】考虑岩石的孔隙度和孔隙结构的分形特征的关系,结合图像分割Otsu算法,提出Otsu算法的分形校正算法。
首先对三种砂岩岩心的扫描图像进行处理,得到结果与实验结果进行对比,发现分形校正算法能够大大提高图像分割的准确度;此外对致密性气藏岩心和页岩岩心进行处理,分形校正算法的结果同样更接近实验值。
由于实验得到为岩心的有效孔隙度,因此比计算值偏小。
对于实验难以测量孔隙度的岩心,可以采用Otsu分形校正算法对扫描图像进行处理,得到其孔隙度。
%Combining the image segmentation method of Otsu, the Otsu fractal correction algorithm is proposed, based on the relationship between porosity and the fractal characters of the pore structure.At first, the results of three kinds of sandstone cores scanned images are compared with experimental results.The accuracy of image seg-mentation is highly enhanced with the usage of Otsu fractal correctionalgorithm.Besides, the results of the correc-tion algorithm, which are obtained by processing the images of tight sandstone and shale core, are more close to the experimental values, albeit bigger, which is due to the fact that the results of the experiments are the effective po-rosities.In conclusion, the Otsu fractal correction algorithm could be utilized tocalculate the porosity through pro-cessing the scanned images of cores which are difficult to be measured by experiments.【总页数】4页(P57-60)【作者】张磊;姚军;王锋;高莹;杨永飞;魏微;张琦;张建光【作者单位】中国石油大学华东石油工程学院青岛 266580;中国石油大学华东石油工程学院青岛 266580;青海油田分公司勘探事业部敦煌 736202;中国石油大学华东石油工程学院青岛 266580;中国石油大学华东石油工程学院青岛266580;中国石油大学华东石油工程学院青岛 266580;中国石油大学华东石油工程学院青岛 266580;中国石油大学华东石油工程学院青岛 266580【正文语种】中文【中图分类】TE319【相关文献】1.岩心CT扫描图像分割计算缝洞孔隙度与测井资料处理结果对比研究 [J], 冯周;刘瑞林;应海玲;何风;肖红琳2.合理分割岩心微观结构图像的新方法 [J], 赵秀才;姚军;房克荣3.蚁群算法在FMI成像测井和岩心CT扫描图像分割中的对比研究 [J], 何风;白亚东;刘瑞林4.基于最大类间方差遗传算法的岩心CT扫描图像分割方法 [J], 汤翟;何风5.一种改进的基于遗传算法优化的OTSU算法在岩心CT扫描图像分割中的应用[J], 汤翟;何风因版权原因,仅展示原文概要,查看原文内容请购买。