基于DC-HED网络和骨架提取的岩心图像边缘检测

摘要

整体嵌套边缘检测(holistically-nested edge detection, HED)网络是目前图像边缘检测领域内一种应用广泛且性能良好的深度网络模型，但存在图像检测边缘缺失、冗余和模糊不清等不足。针对此问题，提出一种扩张卷积(dilated convolution, DC)结合HED网络的深度网络模型DC-HED。首先，去除原HED网络最后两层的池化层以进一步保留图像边缘信息；再加入扩张卷积来扩大感受野，更好地还原图像边缘细节，重新设计DC-HED网络。之后利用Zhang-Suen算法对其图像边缘检测结果进行骨架提取。把DC-HED网络和骨架提取应用于中国陕北地区S油田不同岩心铸体薄片图像(简称岩心图像)的边缘检测中，获得较好的试验效果。结果表明：相比已有文献中方法、传统Canny算子、传统Sobel算子和原HED网络，DC-HED网络检测获得的图像边缘更完整，连通性更好；DC-HED网络测试得到的均方误差、结构相似性和峰值信噪比分别为0.110 6、0.799 7和9.561 1,与前面几种方法相比，均有较大幅度的改善。最后将图像骨架提取方法应用于已获得的图像边缘中，剔除了杂乱的图像边缘信息，可得到清晰连续的图像边缘中心轮廓线条。

关键词

岩心铸体薄片图像 / 边缘检测 / 岩心数字化 / HED网络 / 扩张卷积 / 骨架提取

基金资助

国家自然科学基金项目(52074225)