一种地学检测图像的地质特征识别方法及其相关设备

本技术涉及地质勘测，具体而言，涉及一种地学检测图像的地质特征识别方法及其相关设备。

背景技术：

1、目前，在进行地质勘测的过程中，会利用勘测设备沿一方向扫描以生成勘测区域的地层的多个截面的地学检测图像（或称为地质图像），然后提取各地学检测图像的地质特征（如地学检测图像中的页岩气储存空间、矿物质等与周围地层具有明显区别的地质结构，为地学检测图像的地质特征）的轮廓，用以获取各地质特征的特征值（如周长、面积等），进而统计各地学检测图像的综合特征值，以为判断勘测区域是否具有开发价值提供参考依据。

2、实际上，常见的地质结构和成分较为固定化，因此同一勘测区域的地学检测图像主要分为固定层类图像（其图像数量相对较多）和交叉层类图像（其图像数量相对较少），而固定层类图像内容较为单一化，且噪声含量较少。然而，现有技术中，一般是对所有地学检测图像进行去噪，再利用相同的边缘检测算法或轮廓检测算法，例如sift（尺度不变特征变换）算法，统一对所有去噪后的地学检测图像进行地质特征轮廓提取，虽然识别结果的准确性较高，但处理效率较低，且由于地学检测图像的数量巨大，导致整体处理效率低。

3、因此，现有技术有待改进和提高。

技术实现思路

1、本技术的目的在于提供一种地学检测图像的地质特征识别方法及其相关设备，能够在保证地质特征轮廓识别的整体准确率的前提下，有效提高对多个地学检测图像的地质特征轮廓识别的整体识别效率。

2、第一方面，本技术提供了一种地学检测图像的地质特征识别方法，包括步骤：

3、a1.获取目标勘测区域的多个地学检测图像；

4、a2.基于预训练的噪声含量识别模型识别各所述地学检测图像的噪声含量，记为第一噪声含量；

5、a3.根据所述第一噪声含量把所述地学检测图像划分为第一类图像和第二类图像；所述第一类图像的噪声含量低于所述第二类图像的噪声含量；

6、a4.采用图像横纵向量互运算算法对属于第一类图像的所述地学检测图像进行地质特征轮廓识别，并采用sift算法对属于第二类图像的所述地学检测图像进行地质特征轮廓识别；

7、a5.根据各所述地学检测图像的地质特征轮廓获取所述目标勘测区域的综合特征统计信息。

8、该方法先把地学检测图像划分为噪声含量相对较低的第一类图像和噪声含量相对较高的第二类图像，然后用图像横纵向量互运算算法对第一类图像进行地质特征轮廓识别，以提高对第一类图像的识别效率，并利用sift算法对第二类图像进行地质特征轮廓识别，以保证对第二类图像的识别准确率；从而，能够在保证地质特征轮廓识别的整体准确率的前提下，有效提高对多个地学检测图像的地质特征轮廓识别的整体识别效率。

9、优选地，步骤a3包括：

10、a301.获取识别准确率阈值和单个所述地学检测图像的平均处理时间阈值；

11、a302.根据所述识别准确率阈值和所述平均处理时间阈值，确定目标噪声含量分界值；

12、a303.根据所述目标噪声含量分界值和所述第一噪声含量，把所述地学检测图像划分为第一类图像和第二类图像。

13、用户可以根据实际需要设置识别准确率阈值和平均处理时间阈值，通过上述方式进行图像划分，有利于保证最终的识别准确率不低于识别准确率阈值且平均处理时间不超过平均处理时间阈值。

14、优选地，步骤a302包括：

15、调用查询表，所述查询表记录有多个噪声含量分界值以及对应的识别准确率和对应的平均处理时间；

16、从所述查询表中筛选所述识别准确率不低于所述识别准确率阈值的所述噪声含量分界值，作为候选噪声含量分界值；

17、从对应的所述平均处理时间不高于所述平均处理时间阈值的所述候选噪声含量分界值中，选取所述平均处理时间最短的所述候选噪声含量分界值作为所述目标噪声含量分界值。

18、优选地，步骤a303包括：

19、把所述第一噪声含量不高于所述目标噪声含量分界值的所述地学检测图像划分至所述第一类图像；

20、把所述第一噪声含量高于所述目标噪声含量分界值的所述地学检测图像划分至所述第二类图像。

21、优选地，步骤a4中，采用图像横纵向量互运算算法对属于第一类图像的所述地学检测图像进行地质特征轮廓识别，包括：

22、c1.根据所述地学检测图像的各个像素的像素数据值，生成所述地学检测图像的像素数据值矩阵；

23、c2.对所述像素数据值矩阵中两两相邻的列向量进行互减运算，得到多个差值列向量，用以组成第一差值矩阵；所述第一差值矩阵的矩阵尺寸与所述像素数据值矩阵的矩阵尺寸相同；

24、c3.获取所述第一差值矩阵中的非零元素的像素坐标，得到第一像素坐标集合；

25、c4.对所述像素数据值矩阵中两两相邻的行向量进行互减运算，得到多个差值行向量，用以组成第二差值矩阵；所述第二差值矩阵的矩阵尺寸与所述像素数据值矩阵的矩阵尺寸相同；

26、c5.获取所述第二差值矩阵中的非零元素的像素坐标，得到第二像素坐标集合；

27、c6.获取所述第一像素坐标集合和所述第二像素坐标集合的并集，并把所述像素数据值矩阵中的像素坐标不在所述并集内的元素置零，得到特征矩阵；

28、c7.根据所述特征矩阵生成地质特征轮廓图像；所述地质特征轮廓图像包含各地质特征的地质特征轮廓。

29、通过上述方式进行地质特征轮廓识别，只需要进行简单的向量减运算，计算量少，处理效率高。

30、优选地，步骤a5包括：

31、a501.根据各所述地学检测图像的地质特征轮廓，识别对应的地质特征的特征类型；

32、a502.根据各所述地学检测图像的地质特征轮廓，获取对应的地质特征的特征值；

33、a503.根据各所述地质特征的所述特征类型和所述特征值，计算各所述地学检测图像的综合特征值，作为所述目标勘测区域的综合特征统计信息。

34、优选地，步骤a503中，根据以下公式计算各所述地学检测图像的综合特征值：

35、；

36、其中，为第i个所述地学检测图像的所述综合特征值，为第i个所述地学检测图像中的第1类至第n类地质特征的所述特征值，为第1类至第n类地质特征的关注度系数。

37、第二方面，本技术提供了一种地学检测图像的地质特征识别装置，包括：

38、获取模块，用于获取目标勘测区域的多个地学检测图像；

39、噪声识别模块，用于基于预训练的噪声含量识别模型识别各所述地学检测图像的噪声含量，记为第一噪声含量；

40、划分模块，用于根据所述第一噪声含量把所述地学检测图像划分为第一类图像和第二类图像；所述第一类图像的噪声含量低于所述第二类图像的噪声含量；

41、轮廓识别模块，用于采用图像横纵向量互运算算法对属于第一类图像的所述地学检测图像进行地质特征轮廓识别，并采用sift算法对属于第二类图像的所述地学检测图像进行地质特征轮廓识别；

42、统计模块，用于根据各所述地学检测图像的地质特征轮廓获取所述目标勘测区域的综合特征统计信息。

43、第三方面，本技术提供了一种电子设备，包括处理器和存储器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时，运行如前文所述的地学检测图像的地质特征识别方法中的步骤。

44、第四方面，本技术提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时运行如前文所述的地学检测图像的地质特征识别方法中的步骤。

45、有益效果：本技术提供的地学检测图像的地质特征识别方法及其相关设备，先把地学检测图像划分为噪声含量相对较低的第一类图像和噪声含量相对较高的第二类图像，然后用图像横纵向量互运算算法对第一类图像进行地质特征轮廓识别，以提高对第一类图像的识别效率，并利用sift算法对第二类图像进行地质特征轮廓识别，以保证对第二类图像的识别准确率；从而，能够在保证地质特征轮廓识别的整体准确率的前提下，有效提高对多个地学检测图像的地质特征轮廓识别的整体识别效率。