基于Raw格式岩心图像超分辨率重建的制作方法

技术特征：
1.基于raw格式岩心图像的超分辨率重建方法，其特征在于包括以下步骤：(1)将raw格式岩心图像模拟相机图像处理器线性处理，得到低分辨率bayer图像，低分辨率线性彩色图像和高分辨率标签图像组成的数据集；(2)针对输入的低分辨率bayer图像和低分辨率线性彩色图像，构建双层卷积神经网络，用于预测未知的高分辨率线性彩色图像轮廓特征与色彩特征；(3)利用步骤一生成的数据集，训练步骤二中构建的双层卷积神经网络；(4)将raw格式岩心图像输入步骤三训练好的模型，重建出高分辨率线性彩色图像；(5)将步骤四得到的高分辨率线性彩色图像模拟相机图像处理器的非线性处理，最终得到高分辨率彩色图像。2.根据权利要求1所述的基于raw格式岩心图像的超分辨率重建方法，其特征在于步骤一中模拟相机图像处理器线性处理生成高分辨率标签图像；首先通过开源的dcraw算法将raw格式岩心图像中的文本信息去除，并转换为16位bayer格式图像；在归一化后，对得到的图像进行白平衡调整与色彩插值，得到中间结果p；然后对p进行色彩空间转换得到高分辨率标签图像。3.根据权利要求1所述的基于raw格式岩心图像的超分辨率重建方法，其特征在于步骤一中模拟相机图像处理器线性处理生成低分辨率bayer图像和低分辨率线性彩色图像；首先对中间结果p进行退化处理得到低分辨率bayer图像；然后对得到的低分辨率bayer图进行与标签图像一样的色彩插值和色彩空间转换得到低分辨率线性彩色图像；低分辨率线性彩色图像未经过相机图像处理器中的色调调整，图像增强与图像压缩处理，使得重建后的图像在色彩调整方面更加便利。4.根据权利要求1所述的基于raw格式岩心图像的超分辨率重建方法，其特征在于步骤二中构建的双层卷积神经网络，首先通过第一层预测高分辨率线性图像的轮廓特征，然后通过第二层预测高分辨率线性图像色彩特征；最后进行两层分支的特征融合，并引入通道注意力机制，提高两层分支特征融合能力。5.根据权利要求1所述的基于raw格式岩心图像的超分辨率重建方法，其特征在于步骤五中模拟相机图像处理器非线性处理；首先，将步骤四重建出的高分辨率线性彩色图像经过亮度调整与伽马校正，然后进行图像饱和度增强，最终得到高分辨率彩色图像。

技术总结
本发明针对现有超分辨率技术在重建岩心图像时，存在的细节模糊或色彩偏差等问题，提出了一种基于深度卷积神经网络的Raw格式岩心图像超分辨率重建算法。首先，模拟相机图像处理器的线性处理部分合成线性图像数据集；然后，通过一个双层卷积神经网络，分别训练高低分辨率图像之间的纹理、色彩映射关系；最后，将重建出的线性高分辨率图像，模拟相机图像处理器的非线性处理部分，获得纹理清晰且色彩逼真的岩心重建图像。本发明所述的方法能获得很好的岩心图像重建效果。的岩心图像重建效果。


技术研发人员：卿粼波 黄帅坤 陈洪刚 何小海 滕奇志
受保护的技术使用者：四川大学
技术研发日：2020.07.13
技术公布日：2022/1/14