多尺度特征融合 ESRGAN 的岩石显微图像超分辨研究

来源：计算机技术与发展杂志2023年第07期北京时间：

作者：朱联祥*;仝文东;牛文煜;邵浩杰

单位：西安石油大学 计算机学院,陕西 西安 710065 Author(s): ZHU Lian-xiang* ;TONG Wen-dong;NIU Wen-yu;SHAO Hao-jie School of Computer Science,Xi’ an Shiyou University,Xi’ an 710065,China 关键词: 岩石显微图像;深度学习;超分辨率重建;生成对抗网络;密集卷积网络;多尺度特征融合 Keywords: rock micro - image; deep learning; super - resolution reconstruction; generative adversarial network; dense convolutional networks;multiscale feature fusion 分类号: TP317. 4 DOI: 10. 3969 / j. issn. 1673-629X. 2023. 07. 008 摘要: 岩石显微图像可以反映油气藏的分布情况,对石油勘探等行业具有很高的应用价值。 针对岩石显微图像在超分辨处理时存在岩石特性模糊、分辨率低、丢失细节信息等问题,基于 ESRGAN 和多尺度特征融合,对网络结构进行优化,在ESRGAN 的 RRDB 块中加入多尺度特征融合方法,提出一种岩石显微图像超分辨率重建算法。 采用 DRSRD1_2D 岩石显微图像数据集进行 4 倍超分辨重建实验,通过峰值信噪比( PSNR) 、结构相似性(SSIM)及感知系数(PI) 对重建结果进行评价,并将所提算法与 SRGAN、SFT-GAN、ESRGAN 方法进行对比。 结果表明:在碳酸岩数据集上,该算法的三项指标在几种算法中均为最优;在砂岩数据集上,该算法的 PSNR 和 PI 指标最优,SSIM 则为次优。 此外,该算法在视觉效果上也有着良好表现,能更好地表达图像的细节特征。

摘要：岩石显微图像可以反映油气藏的分布情况,对石油勘探等行业具有很高的应用价值。 针对岩石显微图像在超分辨处理时存在岩石特性模糊、分辨率低、丢失细节信息等问题,基于 ESRGAN 和多尺度特征融合,对网络结构进行优化,在ESRGAN 的 RRDB 块中加入多尺度特征融合方法,提出一种岩石显微图像超分辨率重建算法。 采用 DRSRD1_2D 岩石显微图像数据集进行 4 倍超分辨重建实验,通过峰值信噪比( PSNR) 、结构相似性(SSIM)及感知系数(PI) 对重建结果进行评价,并将所提算法与 SRGAN、SFT-GAN、ESRGAN 方法进行对比。 结果表明:在碳酸岩数据集上,该算法的三项指标在几种算法中均为最优;在砂岩数据集上,该算法的 PSNR 和 PI 指标最优,SSIM 则为次优。 此外,该算法在视觉效果上也有着良好表现,能更好地表达图像的细节特征。

关键词：岩石显微图像;深度学习;超分辨率重建;生成对抗网络;密集卷积网络;多尺度特征融合