卷积神经网络在岩石薄片图像检索中应用初探.docVIP

卷积神经网络在岩石薄片图像检索中应用初探 　　摘 要： 近几年来，卷积神经网络引起了国内外研究者的广泛关注，并在大规模图像处理方面有出色的表现，尤其在模式识别领域。将地质勘探与计算机技术相结合，在岩石图像处理方面已经取得了较好的成绩，并且还在不断的探索中，以求更好地投入到实际中去。对于地质勘探研究者来说，对于大量的岩石薄片图像，如何进行快速并且有效的检索是值得研究的领域课题。传统的基于文本的检索方式已不能满足要求，为此，本文试图将卷积神经网络引入到岩石薄片图像的检索中，分析其在岩石薄片图像检索中的可行性。 　　关键词： 卷积神经网络；岩石薄片；图像检索；特征提取 　　Abstract：In recent years Convolutional Neural Network has attracted wide attention of researchers at home and abroad and it has excellent performance in large-scale image processing especially in the field of pattern recognition.The combination of geological exploration and computer technology has achieved good results in the process of rock image processing and it is still in constant exploration in order to better put into practice.For geological exploration researchers it is a necessary research area for a large number of images of rock flakes to be retrieved quickly and efficiently.Traditional text-based retrieval methods cant meet the requirements this paper attempts to introduce Convolution Neural Network into the rock slice image retrieval and analyze its feasibility in the rock slice image retrieval. 　　Key words： Convolutional Neural Network；rock slices；image retrieval；feature extraction 　　引言 　　随着多媒体技术和互联网的飞速发展，扩大图像源已渗透到日常生活中，高速大容量的存储系统提供了对目标图像的海量存储的基本保证，而各行业对图像的使用正日趋广泛，图像信息资源的管理和检索也越发显得重要[1]。从地质研究方面来看，不断有新的岩石薄片图像产生与涌现，因此，对大量的岩石薄片图像进行优化管理是地质界亟待解决的研究问题。 　　图像检索是查找和返回大规模图像数据库中感兴趣图像的一种必要的有效方法。一个完整的图像检索系统基本包括2个重要的组成部分，即特征提取和相似性度量。其中，特征提取的重点是为图像生成准确的特征表示，而相似度度量则侧重于特征匹配，以确定查询图像与数据库中其它图像的相似性。目前，图像检索常用的方法主要有：基于内容的图像检索（CBIR）、基于语义的图像检索、基于反馈的图像检索，以及人工智能和基于知识的图像检索。现对如上的各类方法将给出如下设计内容阐析。 　　（1）基于内容的图像检索。CBIR采用在图像系统中独立存在的特征，即低级的形状、颜色、大小等特征来进行检索，并建立索引，检索的性能主要和提取的特征有关。 　　（2）基于语义的图像检索。基于语义的特征检索和基于物理特征的检索有很大的不同，这种技术的主要目的是减少图像的视觉特征和丰富语义间的表达距离，通常由特征变换来消除语义鸿沟。通过对低层特征的转换，可以实现基于语义的图像检索，不需要改变图像特征数据库的现有方式和图像的匹配模式[2-3]。 　　（3）基于反馈的图像检索。基于反馈的基本思想方法是允许用户评估结果和标记，将检索到的图像和用户想要得到的查询图像进行比对，将比对后的误差作为信息反馈给系统，使系统可以调整下一次的训练。基于反馈的图像检索系统在需要用户参与的情况下，可以得到更准确的搜索结果，具有很大的实用价值。 　　（4）人工智能和基于知识的图像检索。该技术主要是将人工智能与图像处