构造物理模拟和PIV有限应变分析对构造裂缝预测的启示

油气储层中构造裂缝发育与有限应变状态关系密切,为了探索有限应变分析与构造裂缝预测的新技术方法,此次研究设计完成了一组单侧挤压收敛模型的物理模拟实验,并引入粒子图像测速(PIV,Particle Image Velocimetry)技术对实验过程进行了定量化分析。实验模型在垂向上为含粘性层的多层结构,实验结果形成了一个肉眼可见的箱状褶皱。通过PIV技术可以获取实验模型变形演化过程中各阶段的位移场数据,计算出各阶段的增量应变,实现从初始状态到褶皱形成之后整个变形过程的有限应变分析,探讨构造裂缝成因机制和分布规律,进行定量化裂缝预测。挤压变形过程初期,应变分布范围很广,有限应变较弱(约4%~8%),在挤压方向上的线应变表现为弱压应变,在垂向上的线应变表现为弱张应变,这种现象是褶皱和断层产生前平行层缩短和层增厚的纯剪变形结果,也是区域型张裂缝和剪裂缝形成的主要机制。褶皱和断层即将发育之时至发育之后,应变局限在断层发育的剪切带及附近区域,有限应变表现为较强(达20%)的剪切应变和剪切张应变,是断层面附近简单剪切变形作用的结果,也是局部型剪裂缝和张剪裂缝形成的主要机制。     

基于Web的雷州文化数字化展示传播平台关键技术研究

为解决雷州文化缺乏对外展示传播平台的困境,将三维激光扫描、物联网、多维图像展示、虚拟漫游等技术相结合,采用技术集成理念,详细设计平台架构、功能模块,构建雷州文化空间数据库、知识库,并运用三维图像处理、场景建模、360度全景漫游等技术对重点文物进行虚拟化展示,实现基于Web的雷州文化数字化展示传播平台,重点阐述全景漫游、基于文本和内容的图像检索、数据库快速访问等关键技术。     

基于岩石图像深度学习的岩性自动识别与分类方法

岩石岩性的识别与分类对于地质分析极为重要,采用机器学习的方法建立识别模型进行自动分类是一条新的途径。基于Inception-v3深度卷积神经网络模型,建立了岩石图像集分析的深度学习迁移模型,运用迁移学习方法实现了岩石岩性的自动识别与分类。采用此方法对所采集的173张花岗岩图像、152张千枚岩图像和246张角砾岩图像进行了学习和识别分类研究,通过训练学习建立岩石图像深度学习迁移模型,并分别采用训练集和测试集中的岩石图像对模型进行了检验分析。对于训练集中的岩石图像,每组岩石分别用3张图像测试,三种岩石的岩性分类均正确,且分类概率值均达到90%以上,显示了模型良好的鲁棒性;对于测试集中的岩石图像,每组岩石分别采用9张图像进行识别分析,三种岩石的岩性分类均正确,并且千枚岩组图像分类概率均高于90%,但是花岗岩组2张图像和角砾岩组的1张图像分类概率值不足70%,概率值较其他岩石图像低,推测其原因是训练集中相同模式的岩石图像较少,导致模型的泛化能力减小。为了提高识别精确度,对准确率较低的岩石图像进行截取,分别取其中的3张图像加入训练集进行再训练,增加与测试图像具有相同模式的训练样本;在新的模型中,对3张图像进行二次检验,测试概率值均达到85%以上,说明在数据足够的状况下模型具有良好的学习能力。与传统的机器学习方法相比,所提出的岩石图像深度学习方法具有以下优点:第一,模型通过搜索图像像素点提取物体特征,不需要手动提取待分类物体特征;第二,对于图像像素大小,成像距离及光照要求低;第三,采用适当的训练集可获得较好的识别分类效果,并具有良好鲁棒性和泛化能力。     

基于神经网络的页岩微纳米孔隙微结构分析的正则化和最优化方法

页岩气成藏机理与页岩内部孔隙结构紧密相关,对页岩孔隙结构的研究成为页岩气勘探开发技术中至关重要的一环。页岩内部不同结构体组分对X-射线的吸收能谱不一样,这样就导致观测数据是由不同页岩组分衰减不同波段的X-射线构成的。经过对CT图像分割,能够获得页岩微孔结构的图像,尤其是获得有机质中孔隙类别、形状、尺寸、空间分布、连通特性。本文利用同步辐射X射线扫描重构的页岩CT数据,研究并设计基于多能CT图像的神经网络图像分割技术和算法,以期得到页岩体三维结构特征及空间分布,可以为建立有机质种类和无机矿物组成与微纳孔隙特征的联系以及最终实现页岩气的资源储量评估和勘探开发提供技术支持。     

基于独立成分分析的高光谱图像降维及分割

高光谱图像的高维数给图像的进一步处理带来了困难,为了解决这一问题,本文提出了一种基于独立成分分析的高光谱图像降维分割方法。首先,利用波段子空间划分和标准差对高光谱图像预处理,选择部分波段的高光谱图像作为实验对象;然后利用基于负熵的快速不动点算法对实验数据解混,再根据平均绝对权重系数对波段排序并选取;最后使用模糊C均值聚类算法对降维后的图像进行分割。实验结果表明,该方法能够有效实现高光谱图像降维,并获得较好的分割结果。     

基于模糊集理论的彩色图像融合分割

基于二维直方图的图像分割方法综合考虑目标像素灰度值及其邻域的平均灰度,通过确定阈值进行图像分割,本质属于硬决策方法。由于位于阈值附近的像素在分割时具有不确定性,硬决策法容易产生错误分割。因此,本文基于模糊集理论提出一种融合分割方法,利用隶属度函数对基于二维直方图分割中存在的不确定性建模,并通过模糊推理综合利用彩色图像各颜色通道的信息。实验结果表明,本文所提方法相较传统的阈值方法有更好的分割效果。     

基于ASTER与Sentinel-2A融合数据的云南普朗铜矿化蚀变信息提取

云南普朗铜矿区是我国提高战略性金属矿产铜矿资源的主要潜力地段,该矿区位于多云多雨山地高原区,采用传统地面调查方法开展找矿勘查工作受限较大,而遥感技术可在其中发挥重要作用。鉴于此,本研究选取ASTER和Sentinel-2A多光谱遥感数据,在光谱协同统一两种数据源的地表反射率基础上,采用高通滤波(High-Pass Filtering,HPF)的融合方法兼顾两种数据在短波红外波段和可见光近红外波段的优势,获取了具有高空间分辨率和高光谱保真度的ASTER-Sentinel-2A融合数据集;进而利用"比值+主成分分析法"与"主成分分析+能谱-面积法",开展了普朗铜矿区矿化遥感蚀变信息识别,并通过深入分析及野外验证,提出了对普朗铜矿蚀变信息分布特征及找矿潜力地带的新认识:(1)在原蚀变填图工作中判定为青磐岩化带的东部区域,重新进行了蚀变带的划分;(2)东部区域中新划分的钾化硅化带和绢英岩化带,具有较大找矿潜力。本研究可为普朗铜矿找矿勘查提供参考。     

基于相干特征的岩石薄片序列图像边缘提取及颗粒分割

针对岩石颗粒边缘模糊、结构复杂的特点,为了更有效地识别颗粒边缘,在基于特征值的C3相干算法的基础上,融合多尺度和多角度的特征表达,提出了一种改进的C3相干算法。该算法综合考虑岩石薄片图像角度域光学特征、空间尺度信息和各向异性信息,能更有效地表征颗粒边缘特征,表现出对复杂矿物结构的适应能力。在采集的岩石薄片正交偏光图像上验证提出的算法,实验结果表明,与原生C3相干算法相比,改进后的C3相干算法在全局图像上的方差和灰度差分乘积分别提升了68.41%和22.91%,信息熵下降了21.61%。     

基于双波段图像的玉米长势自动观测技术研究

基于双波段图像的玉米长势自动观测方法研究     

基于模糊熵的GLLE熵阈值分割方法

图像分割是计算机视觉中基础且重要的一个问题.熵阈值图像分割作为一种有效的分割方法,被广泛应用于模式识别和图像处理中.传统的图像分割方法并不能获得足够有效的图像特征.为解决这个问题且进一步探究熵阈值在图像分割中的应用,引入一种GLLE（Gray Level and Local Entropy）二维直方图改进熵阈值图像分割模型,并提出了基于模糊熵的方法计算所建立的二维直方图模型.通过标准实验数据集上的对比实验表明,基于模糊熵的GLLE熵阈值分割方法可以得到更加准确的阈值,提高了分割精度.同时在处理不同类型图像的表现上优于往常的算法,具有更强的鲁棒性.