联合注意力机制和多尺度融合的模型图像喉道分割方法

本发明设计了联合注意力机制和多尺度融合的模型图像喉道分割方法,涉及图像处理，深度学习领域。

背景技术：

1、在地下储层中，常常将孔隙分为孔腔和喉道两个部分。通常由多个岩石颗粒围成的封闭区域称为孔腔，该区域能够储存流体。喉道是岩石间狭窄的部分，其面积通常较小，该区域能够影响流体的渗流。能够正确地划分孔腔和喉道的位置范围是后续计算微观驱替模型图像孔隙特征参数(如形状因子、喉道宽度、等效圆半径等)的基础。由于传统喉道分割算法在提取孔隙网络和分割处理上具有较高的时间复杂度，导致程序处理时间较慢。并且对于部分孔隙结构复杂的喉道，传统分割算法可能无法识别到喉道目标导致出现欠分割的情况，或者错误识别喉道导致出现过分割的情况。而基于深度学习的图像分割方法具有更加强大的语义特征信息提取能力，面对分割复杂喉道任务时有更好的表现力，同时相较于传统算法在处理时间方面具有一定优势。

技术实现思路

1、本发明为解决上述分割问题提供联合注意力机制和多尺度融合的模型图像喉道分割方法。本发明通过对改进增强的uctransnet网络来获取更高级，更精细的特征，提升模型对喉道的分割性能。

2、本发明通过以下技术方案来实现上述目的：

3、(1)在训练过程中，输入经过预处理操作后的图片i，通过最大池化对输入图片进行特征提取，得到特征图a；

4、(2)将步骤(1)中得到的特征图a进行下采样，得到特征图b，并在下采样的过程中加入cbam注意力机制模块；

5、(3)将步骤(2)中获得的特征图b与步骤(1)中的特征图a通过多尺度特征融合模块，即affn模块，进行拼接，得到特征图c；

6、(4)将步骤(3)中得到的特征图c通过多头交叉注意力机制模块，即ctrans模块，进行处理；

7、(5)对步骤(1)中输入的图片a进行分块处理，设置自适应图片重叠区域，对图片i进行分块，得到分块后的图片集合iset；

8、(6)将步骤(5)中得到的图片集合中的每一张图片依次按照步骤(1)、(2)、(3)、(4)进行处理，得到对应的喉道分割结果图；

9、(7)将步骤(6)中得到的所有的喉道分割图片进行拼接，得到最终分割结果。

技术特征：

1.联合注意力机制和多尺度融合的模型图像喉道分割方法，其特征在于包括以下步骤：

2.根据权利要求1所述的方法，其多尺度特征融合操作在于步骤(3)，具体操作如下：

3.根据权利要求1所述的方法，其步骤(5)中的分块处理的具体操作如下：

技术总结本发明公开联合注意力机制和多尺度融合的模型图像喉道分割方法。包括以下步骤：首先，将训练的图片通过最大池化进行初步特征提取，期间通过CBAM注意力机制模块加强特征信息的提取，得到特征图；接着经过AFFN多尺度融合模块拼接不同尺度的特征，然后将模块处理后的特征图经过Ctrans模块进行第二次融合特征。最后，针对解码出来的特征图像素点进行二分类处理，最终构建出喉道分割结果。并且，在整个处理过程中采用图像分块处理技术，以保证网络不受限于图像尺寸，提高计算效率。本专利发明应用于一般的微观驱替模型图像喉道分割领域。技术研发人员：滕奇志,邓亮,何小海,吴小强,吴晓红,何海波受保护的技术使用者：四川大学技术研发日：技术公布日：2024/11/14