文档介绍：改进SLIC的岩石颗粒分割研究
摘要:对岩石薄片中大量混合的矿物颗粒进行准确划分是计算机辅助矿物识别与岩石分类的第一步,但是岩石矿物颗粒呈现的边界模糊,使得颗粒分割十分困难,而在不同角度的正交偏光下,岩石矿物颗粒的消光性可使颗
(5)迭代优化。理论上上述步骤不断迭代直到误差收敛,即每个像素点聚类中心不再发生变化,实践发现经过10次迭代后,绝大部分图片都可以收敛,所以一般迭代次数取10。
改进SLIC算法
对于正交偏光序列图,单个偏光角度下的部分颗粒可能较暗,若仅对一个角度的图片进行超像素分割,某些颗粒边缘可能无法分割出来。本文提出基于改进SLIC的超像素块提取方法,充分利用了多个偏光角度下矿物颗粒的边缘信息,能较好地包含颗粒边缘信息。
为了更好地利用不同偏光角度图片的信息,将距离公式修改为:
其中,聆表示共有聆个偏光角度,后表示不同偏光角度。由于90°是矿物颗粒的一个消光周期[15],故选取0°~90°的偏光图片,每10°采集一张图片,共10张图片。本文n取10,k={l,2,3-9,10},对应偏光角度为0°,10°,20°-80°,90°的图片,最终的距离度量公式为:
保持最终的距离度量公式不变,将多个角度的偏光图数据加入D’c、D's进行计算,生成的超像素块可以很好地保留颗粒边缘。生成的超像素块如图3(b)所示,图3(a)为使用原始SLIC算法提取偏光角度为0°的显微图像。 图3(a)显示仅对0°的偏光图片提取超像素块的结果,许多消光的颗粒边缘都没有提取到,但在加入多个偏光角度图片的颜色信息后,在圖3(b)方框中,消光颗粒边缘都能够提取到。
2 超像素块标签融合
基于边界的粗融合
粗融合算法首先找到图像中所有相邻的超像素块对,利用相邻超像素块间边界像素对[16]的颜色特征实现超像素块粗合并,具体流程如下:
(1)遍历整张图片的超像素块,对于任意两个超像素块,计算adj(i,j),其定义如下:
(3)若Ds≤ε,则超像素块i、j满足融合条件,将i、j标注为一个超像素块。
(4)更新超像素块数目。其中,公式(9)是判断两个超像素块是否相邻,即是否存在某个像素的8邻域[17]同时包含这两个超像素块中的像素,共享相同的边界。公式(10)中选择相邻超像素块边界最明显的某个偏光角度进行计算,其中n为边界像素数目。经过多次实验后,本文设置最佳阈值ε为25。
基于颜色距离的融合
在进行基于超像素边界像素对的粗融合后,超像素块数目减少,但仍然会有部分边界不明显的超像素块没有融合,故需要作进一步融合。将同一超像素块的所有像素标记为同一个标签值,利用超像素块的lab均值进行再融合[18]。整体融合方式如下:
(1)计算所有标签内的lab均值,用于后续dc的计算,均值计算公式如下:
(3)若TD≤T+ 10m(其中,初始设置为200,m表示迭代次数,初始化为1),则满足融合条件。
(4)遍历完所有标签,若没有超像素块融合或者m≥15,则进行下一步,否则更新融合后的标签,m+l,转到第一步,迭代计算。
(5)将背景标签(在不同偏光角度下亮度值变换幅度较小)找出来,遍历所有与背景像素相邻的超像素块,按照公式(13)计算同一超像素块在k个角度下的方差,其中i表示第f个超像素块的方差,l计算见公式(14),k表示不同偏光角度下像素的,值,n代表共n个偏光角度,本文n取10。若方差δ<20,则将该超像素块标签值设为与背景相同。
(6)更新融合后的图像标签,输出结果图。
3 实验结果与分析
改进SLIC提取超像素块结果
实验在同一组尺寸为1 094x730的偏光图片上提取500个超像素块。图4为本文提出算法的分割结果,同时与文献[14]提出的先对多角度偏光图片进行融合后,再使用SLIC提取超像素块的方法(见图5)进行比较。
将分割结果细节进行放大,为了便于分析对比,将0。的图片提取出来进行分析,结果如图6所示。其中图6(a)、(d)、(g)为偏光角度为0。的细节图片,图6(b)、(e)、(h)为先融合多角度序列图像后提取超像素块的结果,图6(c)、(f)、(i)为本文提出方法提取超像素块的结果。在图6(a)中可以明显看出,此时是两个不同颗粒,颜色差异较大。图6(b)为根据文献[14]进行多角度偏光图片融合效果[19],可以发现由于融合后颗粒的边界不明显,直接采用SLIC获取到的超像素块也没有提取到颗粒间轮廓,而图6(c)中提取到了图6(a)中的颗粒轮廓。
在图6(e)、(h)中,超像素块边缘与矿物颗粒边缘没有贴合,而在