[发明专利]基于地质图像视觉特征的无监督自动去噪方法

权利要求书

1.基于地质图像视觉特征的无监督自动去噪方法，其特征在于，所述方法包括以下步

骤：

S1.通过切片的方式构建无噪点地质图像数据集，以改善无噪点图像极少的问题。

S2.基于生成对抗网络搭建无监督的地质图像噪点检测模型。

S3.基于S1的无噪点图像数据集对无监督噪点检测模型进行训练。

S4.基于S3训练好的模型对地质图像进行噪点检测。并根据噪点的检测结果，使用像素级去噪方法与循环去噪方法对地质图像去噪。

2.根据权利要求1所述的基于地质图像视觉特征的无监督自动去噪方法，其特征在于，

所述S1的具体过程为：

本发明的无噪点图像数据集基于切割的方法构建，并且使用翻转进行扩充。由于地质图像多为有噪点的图像，有限的无噪点图像难以用于模型的训练。模型中生成器只需要学习红色区域(河道)的连通性和完整性即可，对于河道形状等特征无特殊的关注。因此切割的方法并不会影响实验效果。由于初始的无噪点图像带有“黑边”，为了避免其干扰检测模型的训练，我们首先通过图像预处理模块以去除原图像周围的黑色边框。

因为黑色色素值较小接近于0，于是我们设置一个阈值，采取逐个像素比较的方式确定无黑边的位置。如果值大于该阈值，说明该位置是初始的无黑边位置；如果值突然小于该阈值，说明是无黑边的末端位置。我们从横向和竖向上记录了无黑边的位置对。根据四个位置裁剪原始的无噪点图像，以得到无黑色边框的无噪点图像。该过程可以如下公式表示。

其中，flag为计算过程中设置的中间值，初始化为False，threshold为设置的阈值，阈值大小为25，hMax[i]、wMax[i]是原始地质图像中每一行，每一列的最大色素值，position_h,position_w为我们需要记录的无黑边的图片初始和结束的位置对。

我们将预处理后的无噪点图像进行有间隔的切割，按照16、32、64、128、256等间隔切割为128×128大小的无噪点图像。随后，我们对图像进行翻转就可以得到无噪点图像数据集。

本发明以正样本数据集(无噪点图像)进行训练，而无需负样本(噪点图像)的参与，这既解决了两者分布不均衡问题，又解决了无噪点图像数量少的问题。