[发明专利]一种基于图像识别的计算机成像控制方法

说明书

本发明公开了一种基于图像识别的计算机成像控制方法，首先进行波形数据获取和处理，建立初始化图像，利用图像识别和优化分类选出代表性的时空数据，对优化后的数据进行计算机反演成像，输出未知物体参数图像；然后构建结构较为模糊的参数图像模型，通过设定阈值来对数据集进行分类，以降低数据量；对于反演成像所输出的未知物体结构的高维参数图像，利用图像识别技术识别出容易储存能源的异常区域；然后反馈判断是否需要更多异常区域的数据再次进行计算机成像。本发明基于图像识别和机器学习算法，结合波形数据以及计算机成像后的图像数据，在数据预处理阶段将时空数据进行图像识别优化分类，通过将相似度极高的图像数据互相代替来减少数据量。

技术领域

本发明属于计算机成像领域，具体涉及一种基于图像识别的计算机成像控制方法。

背景技术

随着硬件计算能力的增强，计算机成像在能源勘测、CT成像和气象预报等各种实际问题中，得到了更为广泛和深入的应用。由于目前传感器及其相关网络收集的时空数据量异常庞大，若将这些数据作为成像的直接输入，虽然能使数据在一定程度上得到充分利用，但是并不能保证很高的成像质量，也会耗费相当大的机时；同时，如果不对这些数据进行一定的预处理，很容易导致输出的结构参数图像中出现迷惑性的像点。图像识别方法就是解决这一系列问题的重要工具。

目前，几乎所有的能源勘测公司，例如：Chevron、中石油、BP、ExxonMob i l等都不同程度地在计算机成像时使用了各种图像处理算法，并且取得了显著的效果，图像相关处理算法已经成为能源勘测和其他计算机成像领域的一项非常重要的技术。而图像识别在互联网和电子商务企业用到的最多，也产生了巨大的经济效益。图像识别方法在理论和实践方面都得到了长足的进步。但图像识别算法在计算机成像领域虽然已经引起足够的重视，但尤其是在能源勘测这些对国家有重要战略意义的领域却并未得到充分的利用。

目前在能源勘测领域主流的计算机成像方法有基于波动方程的时空大数据反演方法，和在此之上的层析成像方法。

基于波动现象的时空数据反演方法利用了探测原始未知区域(陆地或海洋等)的原始数据，经过一定的信号处理，将这些数据作为输入实现计算机成像，输出的图像主要是未知区域的地质结构参数图，最终的图中主要反映的是波的速度或密度或波阻抗分布。将这些高维参数以图像的形式呈现可以非常直观地帮助下游人员分析解释当地情况。但是这一方法主要是对所有数据应用迭代运算，实际非常耗时，往往数据吞吐量很大，也容易导致调试成本偏高。实际上大量冗余数据不可避免的存在已经成为一种共识，这也客观上导致了计算机的重复劳动。这些都是因为数据虽然经过了常规处理，但是未经进一步筛选，其冗余性未得到足够重视。

基于反演结果的层析成像方法主要是上述步骤的副产品，每一次迭代过程实际上都包含一次成像，最终得到的结构参数图像，可以再次利用所有频率数据进行一次成像以提高图像的分辨率。但是最终的图像往往也含有一定量的杂质和伪影，给行业下游的分析解释人员带来不便；而且更重要的是解释人员主要是凭借经验对图像进行分析和敏感区域的异常判断，像点的分辨率和明暗对比等图像特征稍有不慎，就会对人的判断结果起到较大的误导。

基于图像识别的方法一方面可以很好的筛选大量的时空数据进行成像前的把关控制，以提高数据使用效率、降低计算机成像的各类计算成本、从而提高生产效率；另一方面，基于图像识别和机器学习的异常区域检测技术，可以最大限度得利用前人对图像的解释经验，辅助发现计算机成像后难以分辨的异常区域，同时弥补了人为主观经验的不足。

近年来，国内外研究者们在基于信任计算和个性化推荐方面进行了一定的研究，主要利用图像处理技术改善计算机成像的性能，在一定程度上提高了成像质量，但却耗费了很大的计算量和人力成本。且已有方法主要关注传统的图像处理领域对计算机成像的影响，很多有价值的隐式图像或数据信息往往被忽略。因此，需要一种更加有效地解决计算量过大和提高图像解释能力的方法。

发明内容