一种碳酸盐岩中微孔隙与微裂缝的弱目标图像检测方法

本发明涉及图像处理，具体涉及一种碳酸盐岩中微孔隙与微裂缝的弱目标图像检测方法。

背景技术：

1、碳酸盐岩中的微孔隙与微裂缝是评价储集性能、渗流通道与岩石结构完整性的关键地质特征。当前，针对碳酸盐岩表面图像的微孔隙与微裂缝检测，通常采用传统图像处理方法，如固定参数的灰度阈值分割、对比度增强、边缘锐化或形态学滤波等，依赖人工设定的全局参数对图像进行预处理和二值化。尽管部分研究引入了通用深度学习模型，如u-net、maskr-cnn或基于transformer的分割网络，通过多层卷积与注意力机制提取特征，但在实际应用中，由于碳酸盐岩样品表面存在矿物颗粒反光、阴影、划痕、基质纹理复杂及成像条件多变（如光照不均、分辨率差异）等问题，微孔隙常表现为低对比度、小面积、边界模糊的点状或块状结构，微裂缝则呈现细长、连续但响应微弱且易断裂的线状形态，二者在图像空间中极易与背景纹理或矿物边缘混淆。

2、在现有深度检测方法中，微弱目标的响应常因网络连续下采样过程中的信息丢失而显著衰减，单纯依赖多尺度特征金字塔或注意力机制难以有效恢复其原始结构细节；更关键的是，由于微孔隙与微裂缝在形态上存在本质差异——前者近似圆形或局部聚集，后者呈强方向性延伸——但传统方法通常采用统一的特征提取与响应增强路径，导致同一颗粒边缘、表面划痕或阴影等背景结构同时激活孔隙与裂缝的检测分支，引发严重的类别混淆与误检。例如，一个矿物颗粒边缘可能被误判为多个孤立孔隙，或被识别为断裂的裂缝片段，造成检测结果中孔隙过检、裂缝断裂、类别交叉误判率高。此外，训练阶段对所有目标实例采用均等权重，使得大量面积小、灰度对比度低的微孔隙与细弱裂缝因贡献微弱的梯度而被系统性忽略，进一步降低检测完整性。

技术实现思路

1、针对现有技术在面对复杂成像条件与弱目标共存的碳酸盐岩图像时，普遍存在适应性差、响应衰减、类别混淆和弱目标漏检等核心问题，难以实现高精度、高鲁棒性的微孔隙与微裂缝联合检测，本发明提供一种碳酸盐岩中微孔隙与微裂缝的弱目标图像检测方法，实现两类弱目标的高精度分离检测，提升检测准确率与鲁棒性。

2、为实现上述目的，本发明提供了以下技术方案：

3、一种碳酸盐岩中微孔隙与微裂缝的弱目标图像检测方法，包括以下步骤：

4、步骤s1，获取碳酸盐岩表面的可见光图像，并进行弱目标特征增强处理，得到增强特征；

5、步骤s2，基于所述增强特征，通过碳酸盐岩微孔隙与微裂缝联合检测网络的主干网络提取多尺度特征，并进行上下文建模，获得具有大感受野、能够捕获结构与语义特征的上下文特征；

6、步骤s3，基于所述步骤s2得到的所述上下文特征，分别通过微孔隙尺度敏感分支和微裂缝方向敏感分支提取孔隙特征和裂缝特征；其中，所述微裂缝方向敏感分支采用受约束的学习线感知卷积，使采样点沿局部裂缝切向分布并在法向方向施加受限位移；对所述孔隙特征和所述裂缝特征实施互补竞争门控，在孔隙与裂缝两个维度上进行归一化，使同一空间位置的孔隙与裂缝两类形态响应形成竞争性权重分配，以抑制类别混淆；

7、步骤s4，门控调制后的所述孔隙特征与所述裂缝特征拼接后生成形态引导增强特征，通过双向融合路径传播至多尺度特征层，形成特征金字塔，并将所述特征金字塔的每一层特征分别作为微孔隙检测分支与微裂缝检测分支的输入，输出相应的分类概率、定位结果及分割概率；其中，所述微裂缝检测分支还输出裂缝方向预测结果。

8、与现有技术相比，本发明的有益效果是：

9、本发明通过多域自适应增强机制对碳酸盐岩可见光图像进行弱目标特征增强处理，有效提升微孔隙与微裂缝等低对比度弱目标的响应强度并抑制背景干扰；继而通过主干网络提取多尺度上下文特征，增强对结构与语义的全局感知能力；在此基础上，分别利用微孔隙尺度敏感分支和微裂缝方向敏感分支提取孔隙特征与裂缝特征，并引入互补竞争门控机制，在同一空间位置对两类特征施加软竞争约束，使其中一种响应获得更高门控权重，从而有效抑制因形态相似性导致的类别混淆与背景结构的双重激活；随后，将经门控调制的孔隙特征与裂缝特征拼接生成形态引导增强特征，并通过双向融合路径将其跨尺度传播至特征金字塔的每一层，使微孔隙检测分支与微裂缝检测分支均能基于融合了形态先验的多尺度特征进行精准预测，最终同步输出分类概率、定位结果、分割概率及裂缝方向预测结果。因此，本发明能够有效解决现有技术中微孔隙与微裂缝因形态差异导致响应混淆、背景结构同时触发两类目标响应的问题，实现两类弱目标的高精度分离检测，提升检测准确率与鲁棒性，为碳酸盐岩储层微观结构的智能评估提供可靠技术支撑。

1.一种碳酸盐岩中微孔隙与微裂缝的弱目标图像检测方法，其特征在于，包括以下步骤：

2.如权利要求 1 所述的碳酸盐岩中微孔隙与微裂缝的弱目标图像检测方法，其特征在于，所述步骤 s1 中，获取碳酸盐岩表面的可见光图像后先进行尺度统一和像素归一化处理。

3.如权利要求 1 或 2 所述的碳酸盐岩中微孔隙与微裂缝的弱目标图像检测方法，其特征在于，所述步骤 s1 中的弱目标特征增强处理采用多域自适应增强机制，具体过程包括：

4.如权利要求 1 所述的碳酸盐岩中微孔隙与微裂缝的弱目标图像检测方法，其特征在于，所述步骤 s2 的具体过程包括：

5.如权利要求 1 所述的碳酸盐岩中微孔隙与微裂缝的弱目标图像检测方法，其特征在于，所述步骤 s3 中所述微孔隙尺度敏感分支采用多尺度局部卷积提取孔隙特征，以捕捉点状、块状及聚集型微孔隙响应；

6.如权利要求 1 或 5 所述的碳酸盐岩中微孔隙与微裂缝的弱目标图像检测方法，其特征在于，所述步骤 s3 中对所述孔隙特征和所述裂缝特征实施互补竞争门控，在孔隙与裂缝两个维度上进行归一化的具体过程包括：

7.如权利要求 6 所述的碳酸盐岩中微孔隙与微裂缝的弱目标图像检测方法，其特征在于，所述步骤 s3 中，所述孔隙特征与所述裂缝特征的通道拼接结果还作为孔隙与裂缝联合特征；对所述孔隙与裂缝联合特征分别进行全局平均池化和全局最大池化，并基于所得通道描述生成通道注意力，所述通道注意力包括分别对应于所述孔隙特征和所述裂缝特征的通道注意力子权重；沿所述联合特征的通道维分别计算平均图和最大图，并基于所述平均图和所述最大图生成空间注意力图；将两个所述空间门控图、所述空间注意力图以及对应的所述通道注意力子权重分别与所述孔隙特征和所述裂缝特征进行逐元素乘法调制，得到调制增强的所述孔隙特征和所述裂缝特征，形成所述竞争性调制响应。

8.如权利要求 1 或 4 所述的碳酸盐岩中微孔隙与微裂缝的弱目标图像检测方法，其特征在于，所述步骤 s4 中，通过双向融合路径传播至多尺度特征层，形成特征金字塔的具体过程包括：

9.如权利要求 1 所述的碳酸盐岩中微孔隙与微裂缝的弱目标图像检测方法，其特征在于，还包括：

10.如权利要求 1、2、4、5、7 和 9 中任意一项所述的碳酸盐岩中微孔隙与微裂缝的弱目标图像检测方法，其特征在于，所述碳酸盐岩微孔隙与微裂缝联合检测网络的训练过程包括：