[发明专利]一种爆堆矿岩颗粒图像分割方法

摘要

本发明涉及一种爆堆矿岩颗粒图像分割方法；包括：S1将待分割的爆堆矿岩颗粒图像输入至预先训练的第一卷积神经网络模型，获取第一概率图及第一轮廓图；S2利用闭合轮廓的周长和面积修正第一概率图获取第一修正概率图；S3将第一修正概率图输入至预先训练的第二卷积神经网络模型，获取第二概率图及第二轮廓图；S4借助第二卷积神经网络获取第n+1概率图，直至第n+1轮廓图中所有轮廓总面积与第一概率图的分辨率比值大于等于1；S5将第n轮廓图和第n+1轮廓图相加作为分割图；本发明方法采用深度学习的卷积网络提取轮廓，连续性较好且杂点少，对粘连矿岩颗粒的边缘实现了准确分割，避免了复杂参数的调整，分割精度高具有较佳的实用性。

主权项

1.一种爆堆矿岩颗粒图像分割方法，其特征在于，包括以下步骤：S1、针对待分割的爆堆矿岩颗粒图像进行预处理，并输入至预先训练的第一卷积神经网络模型，获取第一概率图，并根据所述第一概率图生成第一轮廓图；S2、获取第一轮廓图中每一闭合轮廓的周长和面积，利用每一闭合轮廓的周长和面积修正第一概率图获取第一修正概率图；S3、将所述第一修正概率图输入至预先训练的第二卷积神经网络模型，获取第二概率图，并根据所述第二概率图生成第二轮廓图，将第二轮廓图作为第n轮廓图，其中，n是大于等于2的正整数；S4、利用第n轮廓图修正第一概率图，获取第n修正概率图，并将第n修正概率图输入至预先训练的第二卷积神经网络，获取第n+1概率图，根据第n+1概率图生成第n+1轮廓图，判断第n+1轮廓图中所有轮廓总面积sum与第一概率图的分辨率比值是否大于等于1；若否，则借助所述第二卷积神经网络获取第n+1概率图，直至第n+1轮廓图中所有轮廓总面积sum与第一概率图的分辨率比值大于等于1；S5、若是，则将第n轮廓图和第n+1轮廓图进行像素相加作为分割图。