[发明专利]一种岩心裂缝提取方法和系统

权利要求书

1.一种岩心裂缝提取方法，其特征在于，包括：

S1、将待提取的岩心图像分割成多个超像素；

S2、将每个所述超像素的最小外接矩形内的图像输入到预先获得的裂缝识别模型，获取每个所述最小外接矩形内的图像是否包含岩心裂缝的判断结果；

S3、根据全部最小外接矩形内的图像的判断结果，获取所述待提取的岩心图像中的岩心裂缝；

所述步骤S1具体包括：

将所述待提取的岩心图像转化至CIELAB颜色空间中；

根据简单线性迭代聚类方法，对CIELAB颜色空间中的所述待提取的岩心图像进行分割，按照Z型走向遍历分割获得的各超像素，将分割获得的不连续的超像素和尺寸小于预设的阈值的超像素重新分配给邻近的超像素，将待提取的岩心图像分割成多个超像素；

所述步骤S3进一步包括：

当所述最小外接矩形内的图像被判断为不包含岩心裂缝时，将所述最小外接矩形对应的超像素标记为白色；当所述最小外接矩形内的图像被判断为包含岩心裂缝时，将所述最小外接矩形对应的超像素标记为黑色；将所述待提取的岩心图像中的黑色部分作为所述岩心裂缝。

2.根据权利要求1所述的岩心裂缝提取方法，其特征在于，所述裂缝识别模型通过以下步骤获取：

利用一定数量的已标记包含岩心裂缝和不包含岩心裂缝的岩心图像，构建训练样本集；

将所述训练样本集中的岩心图像进行分组，将所述训练样本集中的每组岩心图像分别输入卷积神经网络模型进行训练，根据每组岩心图像的训练结果调整所述卷积神经网络模型中神经元的权值，直至所述训练结果的误差小于预设值，获得所述裂缝识别模型。

3.根据权利要求2所述的岩心裂缝提取方法，其特征在于，所述利用已标记包含岩心裂缝和不包含岩心裂缝的岩心图像，构建训练样本集的步骤具体包括：

根据是否包含岩心裂缝，将所述岩心图像标记为包含岩心裂缝的岩心图像或不包含岩心裂缝的岩心图像；

将全部标记后的岩心图像调整为相同尺寸，获得所述训练样本集。

4.根据权利要求3所述的岩心裂缝提取方法，其特征在于，所述岩心图像包括CIFAR-10数据集中的岩心图像、CIFAR-100数据集中的岩心图像或已采集的岩心图像。

5.根据权利要求2所述的岩心裂缝提取方法，其特征在于，所述步骤S2进一步包括：

S21、将每个所述超像素的最小外接矩形内的图像的尺寸调整为与所述训练样本集中的岩心图像的尺寸相同；

S22、将尺寸调整后的所述最小外接矩形内的图像输入到预先获得的裂缝识别模型，获取每个所述最小外接矩形内的图像是否包含岩心裂缝的判断结果。

6.根据权利要求2所述的岩心裂缝提取方法，其特征在于，所述卷积神经网络模型包括依次连接的6层卷积结构和3个全连接层；

每层所述卷积结构包括依次连接的卷积层、激活函数和池化层；

相邻2个所述全连接层之间为激活函数；

所述激活函数为ReLU函数。

7.一种岩心裂缝提取系统，其特征在于，包括：

图像分割模块，用于将待提取的岩心图像分割成多个超像素；

判断模块，用于将每个所述超像素的最小外接矩形内的图像输入到预先获得的裂缝识别模型，获取每个所述最小外接矩形内的图像是否包含岩心裂缝的判断结果；

提取模块，用于根据全部最小外接矩形内的图像的判断结果，获取所述待提取的岩心图像中的岩心裂缝；

所述图像分割模块具体用于将所述待提取的岩心图像转化至CIELAB颜色空间中；根据简单线性迭代聚类方法，对CIELAB颜色空间中的所述待提取的岩心图像进行分割，按照Z型走向遍历分割获得的各超像素，将分割获得的不连续的超像素和尺寸小于预设的阈值的超像素重新分配给邻近的超像素，将待提取的岩心图像分割成多个超像素；

所述提取模块具体用于当所述最小外接矩形内的图像被判断为不包含岩心裂缝时，将所述最小外接矩形对应的超像素标记为白色；当所述最小外接矩形内的图像被判断为包含岩心裂缝时，将所述最小外接矩形对应的超像素标记为黑色；将所述待提取的岩心图像中的黑色部分作为所述岩心裂缝。