-
公开(公告)号：CN104182730A
公开(公告)日：2014-12-03
申请号：CN201410385304.4
申请日：2014-08-06
Applicant: 南京大学镇江高新技术研究院
Abstract: 本发明公开了一种花岗岩显微薄片自动鉴别方法，其步骤是：1)分解薄片图像的颜色通道，分别根据三个颜色通道统计色阶分布；2)将彩色图像转换为灰度图像，统计色阶分布；3)根据色阶分布计算颜色特征，包括均值、中位数、方差、偏度、以及峰值指标；4)将薄片图像视为颜色特征值向量，采用Adaboost技术，自动鉴别岩石薄片是否为花岗岩。本发明方法运用信息处理技术自动鉴别花岗岩显微薄片，充分利用花岗岩的光学性质和岩性组成，计算简单高效，具有扩展性；可随着岩石薄片数据储备的增加而提高鉴别方法的准确性；在地质勘探、矿物研究中具有应用价值。
-
公开(公告)号：CN111353976A
公开(公告)日：2020-06-30
申请号：CN202010114804.X
申请日：2020-02-25
Applicant: 南京大学
Abstract: 本发明公开了一种基于卷积神经网络的沙粒目标检测方法，其步骤是：1）设计卷积网络结构，由卷积模块和残差模块堆叠而成；添加双端输入结构和多尺度检测结构；2）基于沙粒图像和标注进行预处理；基于已标注的沙粒图像构建训练数据集；3）基于训练数据集训练卷积网络，包括目标函数定义，训练过程优化；4）应用训练好的卷积网络预测沙粒图像的目标位置。本发明充分利用单偏光图像和正交偏光图像特征，应用卷积神经网络技术，提升检测精度和检测效率；本发明方法网络训练速度快，能快速完成沙粒目标检测，适用于海量沙粒图像的自动检测，具有良好的扩展性、鲁棒性和实用性。
-
公开(公告)号：CN105354600B
公开(公告)日：2018-10-23
申请号：CN201510628405.4
申请日：2015-09-28
Applicant: 南京大学
IPC: G06K9/66
Abstract: 本发明公开了一种砂岩显微薄片的自动分类方法，其步骤是：1)对砂岩的显微薄片图像进行预处理，分割矿物颗粒；2)以颗粒为单位分别提取纹理和形状特征，选择代表颗粒，构成薄片图像的特征向量；3)对目标地域的砂岩薄片，基于欧氏距离采用近邻法选择相似的砂岩薄片样本，构建训练集合；4)精化训练集数据，包括类间平衡和特征降维；5)训练随机森林分类器，预测砂岩薄片的种类。本方法运用图像处理技术和机器学习方法，自动鉴别来自不同地域的砂岩薄片种类，能够解决由于地域不同导致的砂岩薄片结构差异较大而难于互相借鉴的问题。
-
公开(公告)号：CN111382676B
公开(公告)日：2023-12-22
申请号：CN202010114805.4
申请日：2020-02-25
Applicant: 南京大学
IPC: G06V20/69 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于注意力机制的沙粒图像分类方法，包括：1）收集一定数量已标注类别的沙粒图像构建训练数据集；2）对训练数据集中的沙粒图像进行缩放和归一化预处理，使图像数据符合网络输入要求；3）设计基于注意力机制的卷积网络结构，包括基础网络框架和注意力模块；4）定义损失函数，训练沙粒图像自动分类模型，得到端到端的多类别沙粒图像自动分类模型；5）将预处理后的测试沙粒图像输入模型进行预测，输出沙粒图像所属类别。本发明方法相比传统基于特征工程的沙粒图像分类方法不同的是引入了卷积神经网络和注意力机制，在提高沙粒图像分类准确率的同时，也加快了分类的速度。
-
公开(公告)号：CN111382676A
公开(公告)日：2020-07-07
申请号：CN202010114805.4
申请日：2020-02-25
Applicant: 南京大学
Abstract: 本发明公开了一种基于注意力机制的沙粒图像分类方法，包括：1）收集一定数量已标注类别的沙粒图像构建训练数据集；2）对训练数据集中的沙粒图像进行缩放和归一化预处理，使图像数据符合网络输入要求；3）设计基于注意力机制的卷积网络结构，包括基础网络框架和注意力模块；4）定义损失函数，训练沙粒图像自动分类模型，得到端到端的多类别沙粒图像自动分类模型；5）将预处理后的测试沙粒图像输入模型进行预测，输出沙粒图像所属类别。本发明方法相比传统基于特征工程的沙粒图像分类方法不同的是引入了卷积神经网络和注意力机制，在提高沙粒图像分类准确率的同时，也加快了分类的速度。
-
Patent Agency Ranking
公开(公告)号：CN111353976B
公开(公告)日：2023-07-25
申请号：CN202010114804.X
申请日：2020-02-25
Applicant: 南京大学
IPC: G06T7/00 , G06T7/13 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于卷积神经网络的沙粒目标检测方法，其步骤是：1）设计卷积网络结构，由卷积模块和残差模块堆叠而成；添加双端输入结构和多尺度检测结构；2）基于沙粒图像和标注进行预处理；基于已标注的沙粒图像构建训练数据集；3）基于训练数据集训练卷积网络，包括目标函数定义，训练过程优化；4）应用训练好的卷积网络预测沙粒图像的目标位置。本发明充分利用单偏光图像和正交偏光图像特征，应用卷积神经网络技术，提升检测精度和检测效率；本发明方法网络训练速度快，能快速完成沙粒目标检测，适用于海量沙粒图像的自动检测，具有良好的扩展性、鲁棒性和实用性。
-
公开(公告)号：CN106557758B
公开(公告)日：2019-04-19
申请号：CN201611055612.6
申请日：2016-11-25
Applicant: 南京大学
Abstract: 本发明公开了一种沙粒显微图像的多目标自动鉴别方法，其步骤是：1)制备沙粒显微图像，使用中值滤波预处理；给沙粒样本图像添加对应标签，制备沙粒单元库；2)使用区域生长算法分割沙粒显微图像，去除杂质并提取多目标单元；3)计算沙粒单元的纹理和形状特征；4)基于沙粒单元库，训练RBF神经网络分类器；5)预测沙粒单元的类别，并输出沙粒显微图像的成分组成。本方法运用图像处理技术和机器学习方法，自动提取并识别沙粒显微图像中的多目标单元，能够解决图像中杂质较多从而影响多目标单元提取的问题。
-
公开(公告)号：CN104134069A
公开(公告)日：2014-11-05
申请号：CN201410384400.7
申请日：2014-08-06
Applicant: 南京大学
Abstract: 本发明公开了一种页岩显微薄片自动鉴别方法，其步骤是：1）第一阶段，将岩石薄片分为火成岩、沉积岩、变质岩三大类。2）第二阶段，从第一阶段分类得到的沉积岩中鉴别出页岩。以上两阶段采用的分类鉴别技术均为决策树技术，提取的特征均为岩石薄片图像RGB三颜色通道的统计特征和灰度通道的分形特征。本发明方法运用两阶段的信息处理技术自动鉴别页岩显微薄片，解决了因数据不平衡而导致的分类结果不理想的问题。特征选取方面充分利用页岩良好的分形特性，适用于页岩的自动鉴别；本发明计算简单高效，具有扩展性，可随着岩石薄片数据储备的增加而提高鉴别方法的准确性；在地质勘探、矿物研究中具有应用价值。
-
公开(公告)号：CN104134069B
公开(公告)日：2017-09-26
申请号：CN201410384400.7
申请日：2014-08-06
Applicant: 南京大学
Abstract: 本发明公开了一种页岩显微薄片自动鉴别方法，其步骤是：1）第一阶段，将岩石薄片分为火成岩、沉积岩、变质岩三大类。2）第二阶段，从第一阶段分类得到的沉积岩中鉴别出页岩。以上两阶段采用的分类鉴别技术均为决策树技术，提取的特征均为岩石薄片图像RGB三颜色通道的统计特征和灰度通道的分形特征。本发明方法运用两阶段的信息处理技术自动鉴别页岩显微薄片，解决了因数据不平衡而导致的分类结果不理想的问题。特征选取方面充分利用页岩良好的分形特性，适用于页岩的自动鉴别；本发明计算简单高效，具有扩展性，可随着岩石薄片数据储备的增加而提高鉴别方法的准确性；在地质勘探、矿物研究中具有应用价值。
-
公开(公告)号：CN106557758A
公开(公告)日：2017-04-05
申请号：CN201611055612.6
申请日：2016-11-25
Applicant: 南京大学
CPC classification number: G06K9/0014 , G06K9/00147 , G06K9/6223 , G06K9/6273 , G06N3/0445 , G06N3/08
Abstract: 本发明公开了一种沙粒显微图像的多目标自动鉴别方法，其步骤是：1)制备沙粒显微图像，使用中值滤波预处理；给沙粒样本图像添加对应标签，制备沙粒单元库；2)使用区域生长算法分割沙粒显微图像，去除杂质并提取多目标单元；3)计算沙粒单元的纹理和形状特征；4)基于沙粒单元库，训练RBF神经网络分类器；5)预测沙粒单元的类别，并输出沙粒显微图像的成分组成。本方法运用图像处理技术和机器学习方法，自动提取并识别沙粒显微图像中的多目标单元，能够解决图像中杂质较多从而影响多目标单元提取的问题。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.017 seconds)
