基于岩屑图像的火山岩岩性识别

本文提出了一种基于岩屑图像的火山岩岩性识别方法，首先通过实验分析并确定了对火山岩岩屑识别率较高的颜色与纹理特征；其次通过对这些特征的组合研究，提出了基于线性加权的特征融合法；最后采用极限学习机作为分类器，对特征融合后的火山岩岩屑进行测试。最终实验表明，融合特征对于火山岩岩屑能达到92.05%的识别率，为火山岩的岩性识别提供了一种可靠的参考依据。

岩屑录井是石油地质勘探的一个重要环节，而岩性的判断是岩屑录井技术的关键部分。针对岩性的判定，目前主流的方法是测井资料法[1]。此类方法是根据事先测定的测井资料来判定，利用不同的测井曲线作为特征输入，再使用不同的分类器来判别；或者直接利用测井曲线的形状来判别。这类方法对于测井曲线的依赖性很大，使用也有其局限性。鉴于此，近几年许多学者将数字成像技术与模式识别结合起来并成功的应用于岩屑识别[2]。例如张国英等[3]利用主成份分析作为特征， 杨晓明[4]等利用和差直方图作为特征，王冬强[5]等利用纹理作为特征分别来识别岩屑。这些方法在岩屑的岩性识别方面有较好的效果，但大多针对的是沉积岩岩屑，对火山岩的岩屑识别较少提及。因此如何快速而准确的对火山岩岩屑进行分类识别，也是需要讨论的有意义的话题。

2. 火山岩特征选取 火山岩是因为地球内部地壳剧烈运动，岩浆沿着缝隙上升，从火山通道喷出地表形成的。高温岩浆的液态冷却会结晶形成多种矿物，矿物再紧密结合成多种火山岩。因此火山岩的成份比较复杂，表现形式也更为多种多样。为了寻找比较好的火山岩特征，我们首先通过实物来观察其主要特征，再通过实验对其进行验证。

本文选择了火山岩岩屑中比较常见的凝灰岩与玄武岩作为样本，如图1 所示。从实物上来看，无论是凝灰岩还是玄武岩二者的颜色特征都很明显，区分度比较大，可以作为主要特征。另外二者表面大多有火山喷发时留下的微小气孔或者岩浆冷却结晶形成的微小颗粒，因此纹理特征也具有一定的区分度， 可以作为次要特征。

为了验证观察结果，本文作者提取了岩屑识别[6]中常用的颜色，纹理以及边缘特征，并使用BP 神经网络作为分类器。用到的颜色特征包括：颜色直方图，主色调直方图，颜色矩；纹理特征包括：灰度共生矩阵(GLCM)，局部二进制式(LBP)，和差直方图；边缘特征则是边缘方向直方图(EOH)。训练样本包括灰色凝灰岩29 个，紫色玄武岩43 个。测试样本为42 个灰色凝灰岩，44 个紫色玄武岩，识别率为正确识别的岩屑样本数与岩屑样本总数的比值，具体结果可以见表1。

表1 的数据显示颜色矩的识别效果最好，可以达到88.75%。从总体上看，颜色特征对于火山岩的区分度是最大的，其次是纹理特征，至于边缘特征基本上没有区分度，这也与上面的观察结果相吻合。而且同样是颜色特征，颜色矩与颜色直方图的效果也是存在一定的差距；纹理特征中，灰度共生矩阵与局部二进制式则相差更大。由此可见，特征的选择对于识别效果的影响比较大。上面只选择了两类样本进