基于机器学习和小波变换的纹层特征提取与识别方法

专利主权项内容

1.基于机器学习和小波变换的纹层特征提取与识别方法，其特征在于，包括以下步骤：步骤1，对岩心图像预处理得到岩心灰度图像，利用二维卷积模型提取岩心灰度图像中的纹层特征并强化各类纹层信息，得到突出纹层纹理和结构的岩心图片；步骤2，在岩石图片的四分位处提取灰度曲线，并计算灰度曲线上各数据点的平均灰度值，利用灰度曲线中各行数据点的平均灰度值绘制平均灰度曲线；步骤3，自定义设置小波基函数和分解级次，利用小波基函数对平均灰度曲线进行小波变换，确定与深度相匹配的去噪信号，得到小波变换后的平均灰度曲线；步骤4，根据步骤2中的平均灰度曲线和步骤3中小波变换后的平均灰度曲线，计算小波变换前后平均灰度曲线之间的灰度差值得到灰度差值曲线，绘制差值频率分布直方图，确定灰度差值波动频率；步骤5，对步骤2中的平均灰度曲线、步骤3中小波变换后的平均灰度曲线、步骤4中的灰度差值曲线进行归一化处理，并将小波变换前后的平均灰度值和灰度差值作为特征值进行聚类分析，得到差值频率直方图；步骤6，对比步骤1中的岩心图片与步骤5中的聚类结果，判断聚类结果中各簇所对应的纹层类型，经过首轮识别和次轮识别得到纹层识别结果；步骤7，合并纹层识别结果中相邻深度且类型相同的纹层，绘制各类纹层的图件。