基于卷積神經(jīng)網(wǎng)絡的巖石圖像分類研究與應用.pdf

1、大量的研究表明，巖石是一種很復雜的多孔介質(zhì)。巖石類型和粒度、孔隙結(jié)構(gòu)、斷裂比、泥質(zhì)含量等對巖石的滲透率、孔隙度等有直接影響。分析巖石微觀結(jié)構(gòu)特征，并形成一套有效的巖石微觀結(jié)構(gòu)特征提取與分類方法，為油氣藏的研究、勘探和開發(fā)提供有保障的科學依據(jù)，這對油氣田的開發(fā)研究具有重要現(xiàn)實意義。本文聚焦當下熱點的深度機器學習方法，尤其是卷積神經(jīng)網(wǎng)絡，結(jié)合離散余弦變換、離散小波變換的相關(guān)理論，針對巖石圖像分類的問題進行研究，主要工作及取得的成果如下：

2、r>　　首先，在不同訓練迭代次數(shù)下對卷積神經(jīng)網(wǎng)絡進行訓練、驗證和測試，提出一種卷積神經(jīng)網(wǎng)絡巖石圖像分類框架，并基于這個框架對分別經(jīng)過亮度調(diào)整、某些幾何變換和加入噪聲后的巖石圖像進行分類測試，獲得了一定的分類準確性。其次，提出基于離散余弦變換的卷積神經(jīng)網(wǎng)絡巖石圖像分類框架，并基于其對原巖石圖像以及經(jīng)過亮度調(diào)整、某些幾何變換和加入噪聲后的巖石圖像進行分類測試，其分類錯誤率低于上一種分類框架，且訓練時間約為上一種框架的0.46倍。最后，提出了

3、基于離散小波變換和離散余弦變換的卷積神經(jīng)網(wǎng)絡巖石圖像分類框架，并用它分別對原巖石圖像以及經(jīng)過亮度調(diào)整、某些幾何變換和加入噪聲后的巖石圖像進行分類測試。這種框架的訓練時間約為第二種框架的0.31倍，其分類錯誤率約等于第二種框架。
　　通過比較，基于離散小波變換和離散余弦變換的卷積神經(jīng)網(wǎng)絡巖石圖像分類框架是訓練時間短且分類錯誤率低的巖石圖像分類框架。它用少量系數(shù)代表巖石圖像，從而縮短了框架的訓練時間，且將巖石圖像變換到頻域中提取有效特