基于多聚类中心的加权聚类铸体薄片图像分割方法

针对人工利用显微镜对岩石铸体薄片进行鉴定的低效和普通聚类分割算法对图像边缘分割效果差的问题,本文从岩石特征出发,提出了一种基于聚类分割算法的多聚类中心加权分割新方法,并使用该方法训练了一个适用于岩石铸体薄片的分割模型。使用该模型可以快速地完成对大量薄片的鉴定任务。该方法通过构建新的聚类距离提升了对薄片各组分边缘和内部的分割效果,将多聚类中心的方法和加权的聚类方法相结合,进一步增强了对薄片边缘部分的分割。利用来自疏松岩心的铸体薄片图像进行分割实验,并将本文提出的聚类分割新方法与普通的聚类分割算法的结果进行比较,发现本文方法的分割误差比普通分割方法的误差最高降幅达37.2%。与现有深度学习分割算法对数据量和数据类型的高要求相比,多聚类中心的加权聚类分割算法更适合地质领域中的分割任务,具有较高的应用价值。