[发明专利]基于卷积神经网络的岩心FIB-SEM图像分割方法

说明书

本发明公开了一种基于卷积神经网络的岩心FIB‑SEM图像分割方法，主要涉及岩心序列图像的图像分割技术。包括以下步骤：(1)建立岩心FIB‑SEM图像数据集；(2)构建卷积神经网络：将通道注意力模块嵌入到编码阶段，并使用改进的特征金字塔注意力模块提取多尺度特征，在解码模块使用多尺度空间注意力提取精细边界，在上采样阶段使用亚像素卷积模块恢复原始分辨率；(3)网络训练与参数优化，得到效果最好的模型；(4)使用步骤(1)得到的测试集进行网络分割结果测试；本发明方法通过利用卷积神经网络进行岩心FIB‑SEM孔隙提取，无需人工操作，且提高分割精度。

技术领域

本发明涉及岩心FIB-SEM图像的图像分割技术，特别涉及一种卷积神经网络的岩心FIB-SEM图像分割方法。

背景技术

近年来，由于世界常规油气能源产量的持续下降，储量巨大的非常规油气资源受到世界各国的关注。与常规油气资源相比，非常规油气资源储集在尺度更小的空间中，微纳米孔隙是其重要的储集空间，因此准确而又全面地表征微纳米孔隙空间的三维结构成为了非常规油气能源研究的重要内容。聚焦离子束扫描电镜(FIB-SEM，Focused Ion Beam-Scanning Electron Microscope)是一种研究非常规油气储集层结构的新方法。将岩心FIB-SEM序列图像中的孔隙结构进行提取，这对石油地质部门的开发勘探工作具有重要的指导意义。然而对岩心FIB-SEM图像进行孔隙提取有着以下难点：(1)由于FIB-SEM成像的观察面与电子束不垂直，底部信号较上面部分更弱，所以扫描图像从上至下会有变暗的效果；(2)岩心中除孔隙之外的其他结构，如有机质、黏土矿物等，在FIB-SEM图像中也会与岩石会也构成边缘，这对于利用图像边缘特性来进行孔隙提取时，会造成严重的干扰；(3)SEM成像会将其内部细节表现出来，再加上荷电的作用，孔隙内部一般还伴随着高亮的特点，增加了鉴别孔隙的难度。

目前针对岩心FIB-SEM图像的图像分割算法较少。2012年有学者提出了一种两阶段提取多孔材料FIB-SEM图像的方法，其利用FIB-SEM图像孔隙出现的高光效果，提取出高光区域，然后进行反向传播，但这是针对多孔材料的分割方法，要求孔隙外的其他部分不会出现明显灰度的差异，无法对含有多种杂质干扰的岩心提取孔隙。2016年针对页岩FIB-SEM图像学者们分别进行了边缘检测分割法、流域分割法和手动或自动阈值分割方法的实验，但效果依赖人为调整，序列图中孔隙提取效果表现不佳。2018年基于主动轮廓的岩心FIB-SEM序列图像孔隙提取算法提出，但需要人工预先选择标记点，且对于变化较大的序列图难以准确提取精细的孔隙边缘。

因此，如何准确提取孔隙区域，且无需人工选择分割阈值和选择标记点，进行端到端的孔隙提取对于非常规资源勘探开发有着重要意义。快速发展的深度学习已被应用到各个领域，将卷积神经网络应用在岩心FIB-SEM图像上是一个可行的技术方案。

发明内容

本发明的目的在于为解决上述问题而提供一种端到端的无需人工选择参数或选择标记点，且能够精确提取孔隙区域的基于卷积神经网络的岩心FIB-SEM图像分割方法。

本发明通过以下技术方案来实现上述目的：

(1)建立岩心FIB-SEM图像数据集：对岩心FIB-SEM训练图像统一尺寸并进行标注，孔隙部分为目标区域，其他部分为背景区域；

(2)构建卷积神经网络编码阶段：将原始的FIB-SEM训练图像作为输入，并首先通过一个卷积层进行粗精度的提取特征，接着依次通过4个残差模块，其中将通道注意力模块分别嵌入到这4个残差模块中，最后一个残差模块采用空洞卷积；

(3)构建卷积神经网络的特征金字塔注意力模块：将步骤(2)的输出通过改进的特征金字塔注意力模块提取多尺度特征；其中改进的金字塔模块分为三层并联，并用多个小卷积核替代大卷积核以减少参数量；