一种岩矿薄片图像的智能数据集构建方法及相关装置与流程

本技术涉及人工智能图像处理，尤其涉及一种岩矿薄片图像的智能数据集构建方法及相关装置。

背景技术：

1、岩石薄片图像是通过对岩石样本进行切割、研磨并制备成薄片后，利用显微成像设备采集得到的图像数据，能够反映岩石内部矿物颗粒的分布状态、形态特征以及颗粒之间的空间关系。通过对岩石薄片图像进行分析，可以获取岩石组成成分以及结构构造等信息，为地质研究、矿物鉴定等应用提供数据基础。

2、为了实现对岩石薄片图像中不同矿物颗粒的分析，通常需要预先对岩石薄片图像进行标注，以确定图像中各矿物颗粒对应的区域范围及类别信息，从而为后续的矿物识别提供数据样本。现有技术中，通常采用人工标注方式对岩石薄片图像进行处理，即由专业人员根据显微图像中的纹理、边界形态等特征，通过人工勾画的方式标记不同矿物颗粒所在区域。

3、然而，由于岩石薄片图像中通常包含数量较多且形态复杂的矿物颗粒，不同矿物颗粒之间可能存在边界不清晰、结构相似以及尺寸差异较大的情况，导致技术人员需要逐区域进行判断和描绘，标注过程耗时较长。同时，随着待标注岩石薄片图像数量的增加，需要投入大量时间完成标注工作，使得岩石薄片图像标注流程效率较低，难以满足大规模岩石薄片图像数据快速构建的需求。

技术实现思路

1、为了解决上述技术问题，本技术提供了一种岩矿薄片图像的智能数据集构建方法及相关装置，用于提高对岩石薄片图像的标注效率。

2、下面对本技术中提供的技术方案进行描述：

3、本技术第一方面提供了一种岩矿薄片图像的智能数据集构建方法，所述智能数据集构建方法包括：

4、获取岩矿薄片样本在显微镜下不同旋转角度下采集的多帧正交偏光图像，并基于所述多帧正交偏光图像确定基准图像；

5、根据所述基准图像与各非基准图像之间的图像对应关系，分别确定所述各非基准图像与所述基准图像的空间变换参数；

6、基于所述各非基准图像对应的空间变换参数，分别对所述各非基准图像进行空间校正，得到校正图像集，并将所述基准图像与所述校正图像集进行多通道重组，得到多通道岩矿薄片图像；

7、对所述多通道岩矿薄片图像进行颗粒重合精度验证，从通过所述颗粒重合精度验证的多通道岩矿薄片图像中确定待标注岩矿薄片图像，以通过预训练分割引擎对所述待标注岩矿薄片图像执行全局分割推理操作，获得所述待标注岩矿薄片图像中矿物颗粒的初始全局分割结果；

8、针对所述初始全局分割结果进行人工修正引导操作，根据所述人工修正引导操作确定局部重分割区域，并通过所述预训练分割引擎对所述局部重分割区域对应的局部图像执行局部分割推理操作，得到局部分割结果；

9、根据所述局部分割结果更新所述初始全局分割结果，得到全局分割结果；

10、对所述全局分割结果中的矿物颗粒分割区域执行分类标注操作，以在所述全局分割结果中添加对应的岩矿标注，得到岩矿数据集。

11、可选的，所述根据所述基准图像与各非基准图像之间的图像对应关系，分别确定所述各非基准图像与所述基准图像的空间变换参数，包括：

12、采用局部特征提取算法分别对所述基准图像和各非基准图像进行特征提取，得到所述基准图像的基准图像特征点和基准图像特征描述子，以及所述各非基准图像的非基准图像特征点和非基准图像特征描述子；

13、针对每一非基准图像，根据所述非基准图像特征描述子与所述基准图像特征描述子之间的特征相似关系，对所述非基准图像特征点与所述基准图像特征点进行匹配，得到对应的候选匹配点对集合；

14、利用鲁棒几何估计算法对所述对应的候选匹配点集合执行异常匹配点剔除操作，并确定所述非基准图像与所述基准图像之间的几何变换关系；

15、基于所述几何变换关系确定所述非基准图像相对于所述基准图像的空间变换参数，所述空间变换参数包括旋转角度参数和平移参数。

16、可选的，所述基于所述各非基准图像对应的空间变换参数，分别对所述各非基准图像进行空间校正，得到校正图像集，并将所述基准图像与所述校正图像集进行多通道重组，得到多通道岩矿薄片图像，包括：

17、分别根据对应的旋转角度参数对所述各非基准图像执行旋转校正，并根据对应的平移参数对旋转校正后的各非基准图像执行平移校正，得到校正图像集；

18、按照预设图像通道顺序，将所述基准图像和所述各校正图像在通道维度进行堆叠，得到多通道岩矿薄片图像。

19、可选的，所述对所述多通道岩矿薄片图像进行颗粒重合精度验证，包括：

20、从所述多通道岩矿薄片图像中选取若干个代表性矿物颗粒，其中，所述多通道岩矿薄片图像中与所述基准图像对应的图像通道为基准通道，与所述各校正图像对应的图像通道为校正通道；

21、针对每一代表性矿物颗粒，分别确定所述代表性矿物颗粒在所述基准通道中的基准中心坐标和各所述校正通道中的校正通道中心坐标集，并分别计算各所述校正通道中心坐标与所述基准中心坐标的空间距离；

22、根据各所述代表性矿物颗粒对应的空间距离计算颗粒重合平均偏差，并将所述颗粒重合平均偏差与预设对齐容差进行对比；

23、在所述颗粒重合平均偏差不大于所述预设对齐容差时，确定所述多通道岩矿薄片图像通过所述颗粒重合精度验证。

24、可选的，在所述根据各所述代表性矿物颗粒对应的空间距离计算颗粒重合平均偏差，并将所述颗粒重合平均偏差与预设对齐容差进行对比之后，所述智能数据集构建方法还包括：

25、在所述颗粒重合平均偏差大于所述预设对齐容差时，调整采用局部特征提取算法中的特征提取参数和/或鲁棒几何估计算法中的检验参数，并基于调整后的特征提取参数和/或调整后的检验参数重新确定所述空间变换参数，以重新执行所述空间校正和所述多通道重组。

26、可选的，所述针对所述初始全局分割结果进行人工修正引导操作，根据所述人工修正引导操作确定局部重分割区域，并通过所述预训练分割引擎对所述局部重分割区域对应的局部图像执行局部分割推理操作，得到局部分割结果，包括：

27、针对所述初始全局分割结果进行人工修正引导操作并根据所述人工修正引导操作确定所述待标注岩矿薄片图像中的人工修正区域；

28、以所述人工修正区域为基准，沿所述人工修正区域的外围向外扩展预设比例，得到局部重分割区域；

29、获取所述局部重分割区域对应的局部图像，并通过所述预训练分割引擎对所述局部图像执行局部分割推理操作，得到所述局部分割结果。

30、可选的，在所述根据所述局部分割结果更新所述初始全局分割结果，得到全局分割结果之后，所述方法还包括：

31、对所述全局分割结果进行质量评估，其中，所述全局分割结果包括全局分割掩码和所述全局分割掩码对应的矿物颗粒边界轮廓信息，所述质量评估包括最小颗粒面积校验和边界连续性校验；

32、在所述质量评估满足对应的预设标注质量条件时，按照预设标注格式保存所述全局分割结果；

33、在所述质量评估未满足所述对应的预设标注质量条件时，针对所述全局分割结果进行人工修正引导操作，以再次执行所述局部分割推理操作。

34、本技术第二方面提供了一种岩矿薄片图像的智能数据集构建系统，所述智能数据集构建系统包括：

35、获取单元，用于获取岩矿薄片样本在显微镜下不同旋转角度下采集的多帧正交偏光图像，并基于所述多帧正交偏光图像确定基准图像；

36、确定单元，用于根据所述基准图像与各非基准图像之间的图像对应关系，分别确定所述各非基准图像与所述基准图像的空间变换参数；

37、校正单元，用于基于所述各非基准图像对应的空间变换参数，分别对所述各非基准图像进行空间校正，得到校正图像集，并将所述基准图像与所述校正图像集进行多通道重组，得到多通道岩矿薄片图像；

38、全局标注单元，用于对所述多通道岩矿薄片图像进行颗粒重合精度验证，从通过所述颗粒重合精度验证的多通道岩矿薄片图像中确定待标注岩矿薄片图像，以通过预训练分割引擎对所述待标注岩矿薄片图像执行全局分割推理操作，获得所述待标注岩矿薄片图像中矿物颗粒的初始全局分割结果；

39、局部标注单元，用于针对所述初始全局分割结果进行人工修正引导操作，根据所述人工修正引导操作确定局部重分割区域，并通过所述预训练分割引擎对所述局部重分割区域对应的局部图像执行局部分割推理操作，得到局部分割结果；

40、更新单元，用于根据所述局部分割结果更新所述初始全局分割结果，得到全局分割结果；

41、分类标注单元，用于对所述全局分割结果中的矿物颗粒分割区域执行分类标注操作，以在所述全局分割结果中添加对应的岩矿标注，得到岩矿数据集。

42、可选的，所述确定单元具体用于：

43、采用局部特征提取算法分别对所述基准图像和各非基准图像进行特征提取，得到所述基准图像的基准图像特征点和基准图像特征描述子，以及所述各非基准图像的非基准图像特征点和非基准图像特征描述子；

44、针对每一非基准图像，根据所述非基准图像特征描述子与所述基准图像特征描述子之间的特征相似关系，对所述非基准图像特征点与所述基准图像特征点进行匹配，得到对应的候选匹配点对集合；

45、利用鲁棒几何估计算法对所述对应的候选匹配点集合执行异常匹配点剔除操作，并确定所述非基准图像与所述基准图像之间的几何变换关系；

46、基于所述几何变换关系确定所述非基准图像相对于所述基准图像的空间变换参数，所述空间变换参数包括旋转角度参数和平移参数。

47、可选的，所述校正单元具体用于：

48、分别根据对应的旋转角度参数对所述各非基准图像执行旋转校正，并根据对应的平移参数对旋转校正后的各非基准图像执行平移校正，得到校正图像集；

49、按照预设图像通道顺序，将所述基准图像和所述各校正图像在通道维度进行堆叠，得到多通道岩矿薄片图像。

50、可选的，所述全局标注单元具体用于：

51、从所述多通道岩矿薄片图像中选取若干个代表性矿物颗粒，其中，所述多通道岩矿薄片图像中与所述基准图像对应的图像通道为基准通道，与所述各校正图像对应的图像通道为校正通道；

52、针对每一代表性矿物颗粒，分别确定所述代表性矿物颗粒在所述基准通道中的基准中心坐标和各所述校正通道中的校正通道中心坐标集，并分别计算各所述校正通道中心坐标与所述基准中心坐标的空间距离；

53、根据各所述代表性矿物颗粒对应的空间距离计算颗粒重合平均偏差，并将所述颗粒重合平均偏差与预设对齐容差进行对比；

54、在所述颗粒重合平均偏差不大于所述预设对齐容差时，确定所述多通道岩矿薄片图像通过所述颗粒重合精度验证。

55、可选的，还包括调整单元，具体用于：

56、在所述颗粒重合平均偏差大于所述预设对齐容差时，调整采用局部特征提取算法中的特征提取参数和/或鲁棒几何估计算法中的检验参数，并基于调整后的特征提取参数和/或调整后的检验参数重新确定所述空间变换参数，以重新执行所述空间校正和所述多通道重组。

57、可选的，所述局部标注单元具体用于：

58、针对所述初始全局分割结果进行人工修正引导操作并根据所述人工修正引导操作确定所述待标注岩矿薄片图像中的人工修正区域；

59、以所述人工修正区域为基准，沿所述人工修正区域的外围向外扩展预设比例，得到局部重分割区域；

60、获取所述局部重分割区域对应的局部图像，并通过所述预训练分割引擎对所述局部图像执行局部分割推理操作，得到所述局部分割结果。

61、可选的，还包括质量评估单元，具体用于：

62、对所述全局分割结果进行质量评估，其中，所述全局分割结果包括全局分割掩码和所述全局分割掩码对应的矿物颗粒边界轮廓信息，所述质量评估包括最小颗粒面积校验和边界连续性校验；

63、在所述质量评估满足对应的预设标注质量条件时，按照预设标注格式保存所述全局分割结果；

64、在所述质量评估未满足所述对应的预设标注质量条件时，针对所述全局分割结果进行人工修正引导操作，以再次执行所述局部分割推理操作。

65、本技术第三方面提供了一种岩矿薄片图像的智能数据集构建装置，所述智能数据集构建装置包括：

66、处理器、存储器、输入输出单元以及总线；

67、所述处理器与所述存储器、所述输入输出单元以及所述总线相连；

68、所述存储器保存有程序，所述处理器调用所述程序以执行第一方面以及第一方面中任一项可选的所述方法。

69、本技术第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质上保存有程序，所述程序在计算机上执行时执行第一方面以及第一方面中任一项可选的所述方法。

70、从以上技术方案可以看出，本技术具有以下有益效果：

71、通过获取岩矿薄片样本在显微镜下不同旋转角度下采集的多帧正交偏光图像，并基于基准图像对各非基准图像进行空间校正，使不同旋转角度下采集的正交偏光图像中的同一矿物颗粒在空间位置上保持对应关系，进而将基准图像与校正图像进行多通道重组，形成包含多角度光学信息且空间一致的多通道岩矿薄片图像；同时，通过对所述多通道岩矿薄片图像进行颗粒重合精度验证，能够在标注前筛除由于图像配准误差导致的颗粒位置偏移问题，保证输入标注模型的数据质量。

72、在此基础上，通过预训练分割引擎对经过校正验证的岩矿薄片图像执行自动分割推理操作，利用多角度融合后的图像信息自动识别矿物颗粒并生成初始全局分割结果，减少传统人工依靠经验逐区域标注所导致的效率低和主观性强的问题。同时，在获得初始全局分割结果后，执行人工修正引导操作，以定位存在标注偏差的局部区域，并针对局部区域重新执行分割推理，无需对整个岩矿薄片图像重新进行标注处理，从而实现人工经验与智能分割模型之间的协同优化，在提高矿物颗粒识别准确性和分割数据集可靠性的同时，减少人工修正范围，提高了岩矿薄片图像标注效率。