FCM聚类算法在岩石图像分析中的应用
作者:jnscsh 时间:2022-03-01 08:39:27 浏览次数:次
工作量很大,而且人工操作有一些不可控因素。比如:地质人员长时间的通过视觉对岩石薄片进行分类或者鉴定,会产生视觉疲劳,从而产生误差[1-2]。而本文利用FCM聚类算法对岩石图像进行聚类分析,不用人工进行样本标记,可获取岩石图像的孔隙,可以提取孔隙参数,为后期岩石图像分类奠定基础。这样地质人员工作量会进一步的减少,在一定程度上可以节省开支。目前FCM 算法已经被广泛应用于医学、遥感、数据挖掘等方面,而在岩石薄片中应用较少,本文利用FCM算法对岩石图像进行图像分割。聚类算法分为4种:层次聚类、密度聚类、方格聚类、模糊聚类。聚类算法的目的是要求类间相似性尽可能低,类内相似性尽可能高。
(1)基于层次聚类方法。一般有分裂式方法和凝聚式方法[4]。
(2)基于密度聚类方法。算法通过对稀疏区域加以划分高密度区以发现聚类和孤立点,此方法用于空间型数据聚类。基于密度算法中常用的是DBSCAN[5]。
(3)基于方格聚类方法。把对象空间划分为有限数目单元,形成一个能聚类分析的网格结构。如ENCLUS[6]、DCLUST[7]聚类算法等。
(4)基于划分的聚类方法。在已知聚类中心或者聚类数目的情况下,所取样本将被划分为几个中心簇,该方法是通过不断的迭代以此来获取新的聚类中心,当系统达到最大迭代次数或者比定义的误差值小时,迭代结束。FCM算法就是一种基于划分的聚类方法。
1 FCM算法和岩石图像分类
1.1 FCM算法簡介
2 实验结果与分析
图像分割的意义是将图像中的目标和背景中的像素划分为不同的类。本次实验利用FCM算法把岩石铸体薄片中的孔隙和岩石背景区分开来,在形成岩石储层时,岩石颗粒需要经过堆积、压实、溶蚀、成岩等过程。而形成的储层岩石受到温度、地热、地压等影响,可以形成不同类型的储层岩石。在堆积过程中,成岩颗粒随机堆放,然后经过压实,在压实过程中,孔隙会减少,岩石骨架会比堆积过程更加紧密地排列在一起。在这一过程中,孔隙减少,喉道会比之前更加细小,油气等其它有机物会储藏在岩石孔隙中,通过水驱油藏的形式或者其他形式来开采油气,但细小或者扁平状的喉道会使得该孔隙成为“死孔”或者称之为“无效孔隙”,进而影响渗透率,而渗透率是影响储层参数重要部分。所以获取岩石储层中的孔隙特征是判断油气储量的一个重要依据。压实过程中会受到温度、压力、张力等因素的影响。在成岩作用中,沉积微相带不同,形成的岩石成分也会有较大的差异,比如,存在于岩石中矿物质的成分以及比例等。而在溶蚀过程中,胶结物会在一定程度上减少,这在某种程度上孔隙半径会适当地增大,喉道也在某种程度上会增大,胶结物在某种程度上可以减少压实作用,使得在压实作用中,孔隙得以较好的保存,但胶结物也占据了一定的孔隙空间或者喉道空间,所以胶结物的存在对孔隙的影响是双面的。孔喉比是影响渗透率的重要因素,所以获取岩石储层中的孔隙特征是判断油气储量一个重要依据。而本文使用FCM算法对鄂尔多斯盆地苏格里地区的岩石铸体薄片进行分割,为后期的岩石组分识别打下了基础。
FCM算法是一种非监督聚类算法,在运行过程中无需地质或其它工作人员参与,待算法运行结束后得到分割的结果。实验中对3类岩石图像利用FCM聚类算法进行图像分割。本次实验聚类中心数目为2,即c=2。平滑因子为2,即m=2,当阈值小于0.1时,迭代次数为40时,即当ε<0.1时或者s≤40时迭代停止,运行结束。表1给出了此次实验的数据。图2左边为岩石薄片的原始图像,右边为利用FCM算法对岩石图像进行聚类分析的结果。实验结果显示,利用FCM聚类算法能很好的将目标孔隙与岩石背景区分开来。同时也表明,对于小数据量,FCM算法有较好的优势,运算速度快且有直观的意义,算法具有一定的鲁棒性。
从表1可以得出利用FCM算法对3类岩石图像进行分割的结果,实验结果显示该算法对3类岩石即粗粒长石砂岩、中粒长石岩屑砂岩、细粒长石岩屑砂岩都有较好地分割效果。FCM能较好地分割出目标孔隙和岩石背景,进而可以提取特征,为岩石分类提供了可能。在对中粒长石岩屑砂岩进行分割时,迭代次数最少为25次,实验用时最短32 s,系统误差值为0.095,最接近ε=0.1的值。对粗粒长石岩屑砂岩进行分割时,迭代次数为28次,耗时34 s,系统误差值为0.055。对细粒长石岩屑砂岩进行实验分割时迭代次数最多为31次,耗时37 s,系统误差值为0.060,细粒长石岩屑砂孔隙相比粗粒长石砂岩更难分割出来,因为细粒长石岩屑砂组成更为复杂,岩石颗粒更为细小。
3 结束语
本次实验利用FCM算法对3种类型的岩石彩色铸体薄片进行分割,取得了一定的经验,但也发现一些问题。FCM算法的缺点是对噪音数据敏感,不能收敛到目标函数的极小值;容易陷入局部最优、实验结果与初始聚类中心的选择也有很大的关系。下一步工作可以利用直方图的方法确定初始聚类中心,利用遗传算法全局随机搜索的特点,可以解决FCM算法在岩石图像分割中容易陷入局部最优的问题。这样在某种程度上,可以避免FCM的缺点,充分利用FCM对小数据量运算速度快、算法具有一定鲁棒性等优点,使得FCM算法在岩石图像的分析中有更清晰的一个结果,为后续的岩石图像分类,三维重建奠定基础。
参考文献
[1] 柴华,李宁, 夏守姬,等.高清晰岩石结构图像处理方法及其在碳酸盐岩储层评价中的应用[J]. 石油学报,2012,33( S2) : 154-159.
[2] MONJEZI M, SAEEDI S,TALEBI N. Application of neural network in prediction of fragmentation in Tehran limestone mine[J] . Journal of Mines, Metals and Fuels,2010,58 ( 7) : 177-179 .
[3] ZADEH LA. FUZZY SETS[J]. Information and Control, 1965, 8(3): 338-353.
[4] VOORHEES E M. Implementing agglomerative hierachic clustering algorithms for use in document retrieval[R]. State of New York: CORNELL UNIVERSITY,1986.
[5] ESTER M, KRIEGEL H P, SANDER J, et al. A density-based algorithm for discovering clusters in large spatial data sets with noise[C]//International Conference on Knowledge Discovery and Data Mining(KDD-96). Porland, Oregon:AAAI, 1996:226-231.
[6] 李智勇,童調生. 基于多物种进化遗传算法的神经网络结构学习方法[J].计算机工程与应用,2003,39(22):87-90.
[7] 高坚,贺秉庚. 网络结构拓扑扩展的混合遗传算法[J]. 计算机工程与科学,2002,4(3):3-4.
[FCM聚类算法在岩石图像分析中的应用]相关文章
- 视频展示系统在岩石学实验教学中的应用
- 巧用小故事,重置《岩石圈物质循环》学习平台
- 岩石可钻性研究
- 《岩石会改变模样么》教学设计
- 《岩石圈与地表形态》(第一课时)教学设计
- 微波照射下岩石损伤CT试验研究
- 岩石声发射信号处理小波基选择的探讨
- 基于分形维数的岩石可钻性研究
- 岩石地基基础的特性研究
- PID控制算法
- 基于改进模糊PID算法的空燃比控制策略研究
- 积分分离算法在节气门控制中的应用
- 数学教学中渗透算法思想
- 算法与编程的教学案例
- 模糊PID算法在纸机干燥部的应用
- 计算机算法中的数学方法应用
- 我国导航定位高精度位置服务领域需重视软件和算法研究
- 水循环算法与引力搜索算法的改进
- 一类非线性系统的参数估计故障诊断算法
- 计算机图形学与图形图像处理技术分析
- 视觉图像的主题变奏:简评柯律格《明代的图像与视觉性》
- 需求分析报告
- 经济发展战略分析
- 创业前收益分析报告
- 公司财务分析报告范文
- 大学生自我分析报告范文6篇
- 大学生市场定位分析报告
- 关于广告环境分析及广告策划中对市场的分析
- 创业市场分析报告
- 市场分析报告怎么写
- 大数据市场前景分析报告
- 上一篇:精准扶贫战略的伦理实现路径
- 下一篇:关于影响露天矿山中微差爆破技术的要点