基于深度学习的岩心图像压缩方法研究

发布时间：2024-03-09 18:16

　　岩心,作为石油和天然气工程中的重要组成部分,无论在勘探还是开采中都扮演着重要的角色,岩心图像自然而然成为了最有研究意义的资源。随着拍照硬件的不断迭代更新,拍摄的岩心图像的尺寸与所需的存储空间也与日俱增,而存储设备的容量发展却十分缓慢,为了存储和管理越来越多的岩心图像,发展的矛头直指岩心图像压缩和存储领域。岩心图像本身存在复杂的纹理特征,传统的岩心图像压缩方法是使用小波变换与基于离散余弦的变换对岩心图像进行数据压缩,但是,这些方法会丢失图像部分信息并导致图像细节纹理的损失。为此,本文提出两种基于深度学习的岩心图像压缩方法,可增大压缩比也可重构高清岩心图像,提高视觉效果,重构的图像无论是在SSIM指标还是PSNR指标上来说,都具有较高的值。本文所述的主要研究内容与创新如下:首先,研读国内外经典图像压缩文献,包括传统的图像压缩算法和模型;基于深度学习的图像压缩算法与模型;基于深度学习的图像高分辨重构方法。其中包括算数编码、霍夫曼编码、游程编码三种传统的无损编码,JPEG、预测编码、矢量化编码、分形编码、神经网络编码、JPEG2000传统的有损压缩编码。基于深度学习的图像压缩与高清重构方法包括...

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

图2-6DPCM编码原理图

图2-6DPCM编码原理图Fig2-6DPCMcodingschematic.3.4SPECK编码高频子带观测值相互邻接的块之间的相关性比较弱，存在不大的数据冗余，所含能量值也较少。对于次重要的系数进行编码可使用EZW算法，而由于SPE法所采用的块结构使得....

图3-1单层感知机结构图

3.1浅层学习--人工神经网络(ArtificialNeuralNetwork，即ANN学建模过程，利用数学公式进行量化与计算的过程。它所采用的方法进行数学建模的机器，是由简单处理单处理器，天然地具有存储经验知识并使其可用的特性等领域有着很好的实际应用效果。目前，最常见的....

图3-2Sigmoid函数Fig3-2Sigmoidfunction

h(x)是输出，x是输入，W是神经元权重值，b是偏置项为了能够将神经网络应用到各种类型的非线性模型，引入激活函数的激活函数包括：1、Sigmoid函数；2、Tanh函数；3、Relu函数。把输出映射到区间(0,1)中，常用于解决数据特征很复杂的分类问题moid函数公....

图3-3tanh函数Fig3-3tanhfunction

图3-3tanh函数Fig3-3tanhfunction函数改进了sigmoid函数，值范围指定在(-1,1)范围内。0均利于在训练数据时进行学习，训练效果略好于Sigmoid函数。函数如公式为：()=(0,1)图像如图3-4所示：

本文编号：3923747