用于平面与正交偏光砂岩显微照片中颗粒-基质自动分割的深度神经网络
计算机视觉与模式识别
2021-11-16 v1 人工智能
摘要
砂岩的颗粒分割，即在薄片中将颗粒与其周围基质/胶结物分离，是计算机辅助矿物识别与砂岩分类的首要步骤。砂岩显微图像包含许多矿物颗粒及其周围基质/胶结物。相邻颗粒与基质之间的界限往往模糊不清，使得颗粒分割十分困难。文献中已有多种方案处理这些问题，但它们对砂岩岩相学多变模式的鲁棒性不足。本文将颗粒分割表述为逐像素的二分类（即颗粒与背景）语义分割任务。我们开发了一个基于深度学习的端到端可训练框架，称为深度语义颗粒分割网络（DSGSN），作为一种数据驱动的方法，并提供通用解决方案。据作者所知，这是首次探索利用深度神经网络解决颗粒分割问题的工作。在显微图像上的大量实验表明，我们的方法比参数更多的多种分割架构获得了更好的分割精度。
引用
@article{arxiv.2111.07102,
title = {Deep Neural Networks for Automatic Grain-matrix Segmentation in Plane and Cross-polarized Sandstone Photomicrographs},
author = {Rajdeep Das and Ajoy Mondal and Tapan Chakraborty and Kuntal Ghosh},
journal= {arXiv preprint arXiv:2111.07102},
year = {2021}
}