Page 306 - 《软件学报》2020年第11期

软件学报 ISSN 1000-9825, CODEN RUXUEW E-mail: jos@iscas.ac.cn
Journal of Software,2020,31(11):3621−3639 [doi: 10.13328/j.cnki.jos.005836] http://www.jos.org.cn
©中国科学院软件研究所版权所有. Tel: +86-10-62562563

∗
一种基于卷积神经网络的砂岩显微图像特征表示方法

1,2
1,3
1
1
1
李 娜 , 顾 庆 , 姜 枫 , 郝慧珍 , 于 华 , 倪 超 1
1
(计算机软件新技术国家重点实验室(南京大学),江苏 南京 210023)
2
(南京理工大学 泰州科技学院 移动互联网学院,江苏 泰州 225300)
3 (南京工程学院 通信工程学院,江苏 南京 211167)
通讯作者: 顾庆, E-mail: guq@nju.edu.cn

摘 要: 砂岩显微图像分类是地质学研究中一项基本工作,在油气储集层评估等方面有重要意义.在实现自动分
类时,由于砂岩显微图像具有复杂多变的显微结构,人工定义特征对砂岩显微图像的表示能力有限.此外,由于样本
采集和标注成本高昂,带标记的砂岩显微图像很少.提出一种面向小规模数据集的基于卷积神经网络的特征表示方
法 FeRNet,以便有效地捕获砂岩显微图像的语义信息,提高对砂岩显微图像的特征表示能力.FeRNet 网络结构简单,
可降低网络对带标记图像数据量的要求,防止参数过拟合.针对带标记砂岩显微图像数量不足的问题,提出了图像扩
增预处理方法及基于卷积自编码网络的权重初始化策略,降低了因数据不足造成的过拟合风险.基于采自西藏地区
的砂岩显微图像数据集设计并进行实验,实验结果表明,在带标记砂岩显微图像数据不足的情况下,图像扩增和卷积
自编码网络可以有效地改善 FeRNet 网络的训练效果,通过 FeRNet 网络提取的特征对砂岩显微图像的表示能力优
于人工定义特征.
关键词: 特征表示;砂岩显微图像;卷积神经网络;图像扩增;卷积自编码
中图法分类号: TP391

中文引用格式: 李娜,顾庆,姜枫,郝慧珍,于华,倪超.一种基于卷积神经网络的砂岩显微图像特征表示方法.软件学报,2020,
31(11):3621−3639. http://www.jos.org.cn/1000-9825/5836.htm
英文引用格式: Li N, Gu Q, Jiang F, Hao HZ, Yu H, Ni C. Feature representation method of microscopic sandstone images based
on convolutional neural network. Ruan Jian Xue Bao/Journal of Software, 2020,31(11):3621−3639 (in Chinese). http://www.jos.
org.cn/1000-9825/5836.htm
Feature Representation Method of Microscopic Sandstone Images Based on Convolutional
Neural Network

1
1,3
1
1
1,2
LI Na , GU Qing , JIANG Feng , HAO Hui-Zhen , YU Hua , NI Chao 1
1
(State Key Laboratory for Novel Software Technology (Nanjing University), Nanjing 210023, China)
2
(College of Mobile Internet, Taizhou Institute of Science and Technology, Nanjing University of Science and Technology, Taizhou
225300, China)
3
(School of Communication Engineering, Nanjing Institute of Technology, Nanjing 211167, China)
Abstract: The classification of microscopic sandstone images is a basic work in geological research, and it has an important
significance in the evaluation of oil and gas reservoirs. In the automatic classification of microscopic sandstone images, due to their
complex and variable micro-structures, the hand-crafted features have limited abilities to represent them. In addition, since the collection

∗ 基金项目: 国家自然科学基金(61373012, 61321491, 91218302); 国家重点研发计划(2018YFB1003800); 软件新技术与产业化
协同创新中心
Foundation item: National Natural Science Foundation of China (61373012, 61321491, 91218302); National Key Research and
Development Program of China (2018YFB1003800); Collaborative Innovation Center of Novel Software Technology and
Industrialization
收稿时间: 2018-08-27; 修改时间: 2018-11-29; 采用时间: 2019-03-11