基于深度学习的河流相识别.pdfVIP

摘要

河流是地球科学中沉积相研究的重要内容之一，根据沉积时间大致可分为古

代河流相和现代河流。古代河流相反映了地层的沉积构造及演变过程，对油气资源

的开发和利用具有参考作用；现代河流在人类社会和自然系统中扮演着重要角色，

为人类提供水源供给、运输通道和生态系统支持等功能。因此，研究古现代河流的

提取和识别具有重要的意义和价值。现代河流识别方法当前主要依靠图像的光谱、

纹理等信息，受图像噪声影响较大。古代河流相研究主要包括基于地质和地球物理

识别两类方法，其中基于地质的方法受主观因素影响较大，而地球物理方法则需要

精密仪器辅助，均存在一定程度的限制。近年来，深度学习图像处理技术得到飞速

发展，利用该技术对古现代河流进行识别也成为油气勘探开发等领域研究的热点，

借助这项技术能有效降低河流识别过程中由于人为因素导致的错误。为此，本文基

于深度学习的图像分割技术分别对古现代河流提出自动化精准识别方法，能充分

提升古现代河流的识别精度和稳定性，相关结果可用于环境监测和地质数据建库

等方面。论文研究内容与结果如下：

（1）针对高分遥感影像中的现代河流识别任务，本文提出融合全局多层次特

征的跨尺度河流精准识别方法。首先从全球选取具有特征明显的曲流河和辫状河，

创建多特征河流数据集。其次，以轻量级语义分割模型Segformer为主干网络搭建

R-Seg模型，并设计全局多层次特征提取GASPP模块，在各阶段与Transformer级

联以提取河流多尺度特征。最后，提出基于掩膜加权投票的跨尺度河流影像预测方

法，以实现不同尺度河流影像精准识别。为验证所提模型的先进性，从定性和定量

两方面，详细对比分析了本方法与主流方法的河流识别结果。实验结果表明：本方

法既能确保主干河流的识别精度，还能缓解细小支流断流现象，有效平滑河流边界。

各类精度评价指标相对最优，总体精度可达99.49%，对单张影像识别时间不足1s，

效率也可满足实际应用要求。此外，设置模型消融实验，通过与常见特征金字塔模

块进行比较，可发现所提GASPP模块在各评价指标上均处于领先位置。最后，相

比于简单的重叠预测策略，本文提出的掩膜加权投票预测策略的河流识别总体精

度可提升约0.28%~6.93%。通过调整重叠度参数可发现，重叠度与河流识别精度并

非正相关，大约在12.5%精度能达到相对最优。

（2）针对高清露头照片中古代河流相识别任务，本文在风格迁移网络Pix2Pix

的基础上进行结构优化和参数改进，以提出有效的古代河流相识别方法。该方法选

择重新搭建模型生成器结构和损失函数，并采用人工辅助手段对结果开展进一步

后处理，能有效提升对目标边界的识别效果。为验证所提方法的有效性，选择山西

大同地区的河流相高清照片制作数据集RiverT，并选用Pix2Pix、CycleGAN和

SANet作为对比方法。实验结果表明，所提方法生成和分割影像结果学习感知图像

块相似度低至0.1453，与标签数据相似度更高。河流相边界识别结果更清晰，过渡

更自然，能保持识别结果定性和定量上的相对最优。

总而言之，本论文针对现代河流和古代河流相，分别提出了有效的、针对性强

的识别方法。所提方法相比于主流算法，有较明显的精度和鲁棒性优势。方法在一

定程度能代替人工识别，有效减少人力成本，为区域现代河流识别和油气储层预测

提供有效依据和数据支持。

关键词：河流相识别，深度学习，跨尺度，掩膜加权投票预测

Abstract

Riversareoneoftheimportantelementsinthestudyofsedimentaryfaciesinearth

sciences,andcanbebroadlydividedintoancientriverphasesandmodernrivers

accordingtothetimeofdeposition.Ancientfluvialfaciesreflectthesedimentary

structureandevolutionofthestrata,andhaveareferenceroleinthedevelopmentand

utili