[发明专利]一种岩心CT裂纹识别与分割方法

说明书

本发明涉及一种岩心CT裂纹识别与分割方法，属于图像处理技术领域。按1:6的比例将数据集分为测试集和训练集，并对所有图像进行自适应中值滤波与Hessian矩阵线状滤波，以增强图像质量；再将训练集图像分割为若干尺寸一致的小图像，并对分割得到的子图提取Hu不变矩特征、灰度共生矩阵特征以及灰度均值特征，并利用得到的特征矩阵训练SVM预测模型；将测试集的图像分割为相同尺寸的图像块并提取相同的特征，利用得到的SVM模型对图像块进行预测，完成裂纹的粗定位；最后利用活动轮廓分割方法对包含裂纹的图像块进行分割，得到最终的裂纹分割结果。该发明能够准确、快速的分割出岩心CT图像中的裂纹缺陷，且具有较强的抗干扰性。

技术领域

本发明属于图像处理技术领域，涉及一种岩心CT裂纹识别与分割方法。

背景技术

计算机层析成像(Computed Tomography,CT)利用X射线穿过不同物质的衰减信息，采用一定的重建算法得到被测物体内部密度分布，其图像清晰，分辨率高，是世界公认的先进的无损检测手段之一，已广泛应用在航天、航空、医学、生物、工业、农业、电子和考古等领域。

CT技术被广泛的应用在油气勘探领域中，尤其是在岩心分析方面。从岩心CT扫描图像中，不仅可以识别出储层的储集空间类型(比如裂缝、溶洞、溶孔等信息)，还可以识别裂缝发育的密集和张开度、溶蚀空洞的分布情况、计算岩心的孔隙度等信息。要实现岩心的各种分析，首先需要分割出岩心CT图像中的裂纹。

裂纹分割目前已经有诸多研究成果。例如：OliveiraH等人使用动态阈值法和熵进行了道路图像裂缝分割；Landstrom A等人采用形态学方法和逻辑回归模型提取了道路表面图像中纵向裂缝；LiuL等人研究了基于小波变换和C-V模型的CT图像裂缝分割；LiZ等人提出了基于有限平面积分变换(FPIT)和planelet的CT图像裂缝分割方法；岩心CT图像裂纹分割目前也已经有了诸多研究，例如：杨瑞娜使用改进的水平集算法对岩心CT图像进行分割；吴晓元等人利用FasterR-CNN对裂纹位置进行定位后，再用改进的阈值分割对图像分割；何风等人利用蚁群聚类算法对岩心CT图像中的裂纹进行分割。

发明内容

有鉴于此，本发明的目的在于提供一种岩心CT裂纹识别与分割方法。为了进一步提高岩心裂纹分割算法的分割准确性、鲁棒性和自动化程度，基于支持向量机和活动轮廓的岩心CT图像裂纹分割方法的特点在于使用了灰度共生矩阵、Hu不变矩以及灰度均值作为特征，其中灰度共生矩包含6种特征，分别为：对比度、相关性、能量、逆方差、方差、均值和，Hu不变矩包含了7种具有旋转、缩放和平移不变性的特征。基于支持向量机和活动轮廓的岩心CT图像裂纹分割方法的优点在于它不需要大量的训练数据，便可根据裂缝的特征初步定位出CT图像中的裂缝位置，缩小图像分割的区域，且具有较高的正确性。再利用活动轮廓分割方法得到最终的裂缝分割结果。

为达到上述目的，本发明提供如下技术方案：

一种岩心CT裂纹识别与分割方法，该方法包括以下步骤：

S1：将样本图像按1:6的比例分为测试样本和训练样本，并对所有图片做自适应中值滤波与Hessian矩阵线状滤波，实现样本图像的降噪与增强；

S2：将S1中的训练集图像分割为32×32的图像块并将图像块分类为背景子图、工件边缘子图、无裂纹工件内部子图和有裂纹工件内部子图，再对每类子图提取特征矩阵，并分别命名为data0、data1、data2和data3；

S3：用S2中得到的特征矩阵训练三个SVM模型：SVM1、SVM2和SVM3；

SVM1用于区分图像工件区域和背景区域，其正样本为工件区域子图data1+data2+data3，负样本为背景区域子图data0；

SVM2用于区分工件的边缘区域和工件内部区域，其正样本为工件内部区域子图data2+data3，负样本为工件边缘子图data1；