[发明专利]基于AdaBoost算法的地震相干体图像断层自动识别方法及系统

权利要求书

1.基于AdaBoost算法的地震相干体图像断层自动识别方法，其特征在于，包括：

步骤S1，获取地震相干体断层图像中的图像块，所述图像块包括断层体图像块、断层边缘图像块和断层背景图像块；

步骤S2，通过预先训练的分类网络，对图像块进行分类，得到分类结果，所述分类网络由多个分类器构成，所述分类网络通过AdaBoost算法学习获得；

步骤S3，根据所述分类结果，实现对所述地震相干体断层图像的自动识别。

2.根据权利要求1所述的基于AdaBoost算法的地震相干体图像断层自动识别方法，其特征在于，

所述分类网络的训练过程为：

选取N个离线训练样本形成第一训练样本，对所述第一训练样本的学习得到第一个弱分类器，所述离线训练样本为地震相干体断层图像中的图像块；

将所述第一个弱分类器中分错的样本和其他离线训练样本构成第二个训练样本，通过对所述第二个训练样本的学习得到第二个弱分类器，所述第二个训练样本由N个离线训练样本构成；

将所述第一个弱分类器和第二个弱分类器中都分错的样本和其他离线训练样本构成第三个训练样本，通过对所述第三个训练样本的学习得到第三个弱分类器，形成三个二类分类器构成的分类网络，所述第三个训练样本由N个离线训练样本构成。

3.根据权利要求1所述的基于AdaBoost算法的地震相干体图像断层自动识别方法，其特征在于，

所述步骤S2，具体为：

通过所述分类网络中的分类器对图像块进行分类，得到经每个分类器处理后的图像块；

计算所述图像块与所述经每个分类器处理后的图像块之间的相似度，得到多个相似度；

根据所述多个相似度，计算每个分类器的投票结果；

根据所述投票结果，得到分类结果，所述分类结果为多次累积投票结果最大的类。

4.根据权利要求1所述的基于AdaBoost算法的地震相干体图像断层自动识别方法，其特征在于，

所述图像块的尺寸为3*3、5*5、7*7和9*9中的至少一种。

5.根据权利要求1所述的基于AdaBoost算法的地震相干体图像断层自动识别方法，其特征在于，

所述图像块中的断层体图像块、断层边缘图像块和断层背景图像块的选取比例为3：2：1。

6.基于AdaBoost算法的地震相干体图像断层自动识别系统，其特征在于，包括：

图像块获取模块，用于获取地震相干体断层图像中的图像块，所述图像块包括断层体图像块、断层边缘图像块和断层背景图像块；

图像块分类模块，用于通过预先训练的分类网络，对图像块进行分类，得到分类结果，所述分类网络由多个分类器构成，所述分类网络通过AdaBoost算法学习获得；

断层图像自动识别模块，用于根据所述分类结果，实现对所述地震相干体断层图像的自动识别。

7.根据权利要求6所述的基于AdaBoost算法的地震相干体图像断层自动识别系统，其特征在于，

所述图像块分类模块，具体用于训练分类网络，具体为：

选取N个离线训练样本形成第一训练样本，对所述第一训练样本的学习得到第一个弱分类器，所述离线训练样本为地震相干体断层图像中的图像块；

将所述第一个弱分类器中分错的样本和其他离线训练样本构成第二个训练样本，通过对所述第二个训练样本的学习得到第二个弱分类器，所述第二个训练样本由N个离线训练样本构成；

将所述第一个弱分类器和第二个弱分类器中都分错的样本和其他离线训练样本构成第三个训练样本，通过对所述第三个训练样本的学习得到第三个弱分类器，形成三个二类分类器构成的分类网络，所述第三个训练样本由N个离线训练样本构成。