基于卷积神经网络的火成岩矿物组分识别与分类研究

• 作 者: 张秀慧
• 出 处: 中国矿业大学
• 发表日期: 2004年期
• 关键词: 火成岩 图像处理 卷积神经网络 自编码器 聚类

火成岩是构成地壳的主要岩石之一,蕴藏着重要的矿藏。因此,分析它的矿物组分有着重要意义。然而,传统的岩石矿物分析法步骤繁琐、操作复杂、耗时长、效率低。本文提出在CT成像原理的基础上,结合数字图像处理技术、无监督特征提取以及图像分割算法,对火成岩CT成像图进行预处理、特征提取、分割等操作,实现矿物组分的识别与分类。针对CT成像过程出现噪声、模糊、背景干扰等干扰因素,对火成岩CT成像图进行预处理,包括图像剪切、图像增强和滤波处理。处理后的图像清晰度更高,轮廓更明显,更适合实验研究。为了更好地识别与分类火成岩的矿物组分,本文提出了基于对称的全卷积神经网络的无监督特征提取模型,在传统自编器和卷积神经网络的基础上做出了改进。整个模型由卷积层和反卷积层组成,克服了传统自编码器只接受向量形式的输入和全连接结构训练参数数量大导致内存占用大、计算速度慢,还容易产生局部最优和过拟合问题。去除传统卷积神经网络的池化层,更好地保持了图像的区域细节信息,利于图像的重构。引入了反卷积层使模型能利用稀疏的高阶特征能对图像进行重构。重构后的图像与原始图像的误差很小时,证明卷积层已提取出了原始图像的主要特征。训练好的模型可以用来提取火成岩CT成像图的特征。该模型训练、提取特征的过程都是无监督的,解决了有监督特征提取方法不适用的问题。最后,本文通过建立的火成岩矿物组分识别与分类模型,分析了各矿物组分的含量,再根据火成岩矿物组分含量规律,便可确认识别与分类出的矿物组分的名称。该论文有图25幅,表6个,参考文献84篇。