计算机技术与发展2023，Vol.33Issue(7) ：55-60,74.DOI:10.3969/j.issn.1673-629X.2023.07.008

多尺度特征融合ESRGAN的岩石显微图像超分辨研究

Research on Rock Micro-image Super-resolution Based on Multiscale-fusion Feature ESRGAN

朱联祥 仝文东 牛文煜 邵浩杰
计算机技术与发展2023，Vol.33Issue(7) ：55-60,74.DOI:10.3969/j.issn.1673-629X.2023.07.008
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

多尺度特征融合ESRGAN的岩石显微图像超分辨研究

Research on Rock Micro-image Super-resolution Based on Multiscale-fusion Feature ESRGAN

朱联祥 1仝文东 1牛文煜 1邵浩杰1
扫码查看

作者信息

  • 1. 西安石油大学 计算机学院,陕西 西安 710065
  • 折叠

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

Key words

rock micro-image/deep learning/super-resolution reconstruction/generative adversarial network/dense convolutional networks/multiscale feature fusion

引用本文复制引用

基金项目

移动通信教育部工程研究中心开放研究项目(cquptmct-202006)

出版年

2023
计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
参考文献量8
段落导航相关论文