买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜延安大学申请的专利基于深度学习的石油勘探岩心图像自动分类与识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119863670B 。

龙图腾网通过国家知识产权局官网在2025-05-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510359479.6，技术领域涉及：G06V10/764；该发明授权基于深度学习的石油勘探岩心图像自动分类与识别方法是由吴彦君;王鹏渝;赵雪娇;韩进;刘江斌;钟高润设计研发完成，并于2025-03-25向国家知识产权局提交的专利申请。

本基于深度学习的石油勘探岩心图像自动分类与识别方法在说明书摘要公布了：本发明涉及岩心图像分析领域，具体涉及一种基于深度学习的石油勘探岩心图像自动分类与识别方法。获取灰度连通域；根据连通域的灰度变化获得表面均匀程度与颗粒程度；根据连通域边缘梯度获得边缘显著程度；结合连通域之间的整体灰度差异获得分布相似程度，进而获得矿物特征向量；根据像素点周围梯度分布获得地形变化程度；根据灰度分布获得孔隙程度；结合颗粒程度获得凹凸特征向量；根据像素点的向量差异与距离差异获得聚类簇，进而获得关键区域特征向量；根据三个向量最终获得岩心图像的分类模型，根据分类模型对岩心图像进行分类识别。本发明识别岩心图像的微小结构表现，分类模型能够准确对图像内的结构进行分类识别。

本发明授权基于深度学习的石油勘探岩心图像自动分类与识别方法在权利要求书中公布了：1.一种基于深度学习的石油勘探岩心图像自动分类与识别方法，其特征在于，所述方法包括：获取石油勘探过程中的岩心图像；根据像素点之间的灰度差异，获得每个像素点所在的灰度连通域；在岩心图像中任选一个像素点的所在连通域作为参考像素点所在的参考连通域；根据参考连通域的灰度变化特征获得参考连通域的表面均匀程度；根据参考连通域的边缘像素点的梯度分布，获得参考连通域的边缘显著程度；根据参考连通域与其他灰度连通域之间的表面均匀程度差异、边缘显著程度差异以及整体灰度差异，获得参考连通域的分布相似程度；根据所述表面均匀程度、所述边缘显著程度以及所述分布相似程度，获得参考像素点的矿物特征向量；根据参考像素点周围区域的像素点梯度分布，获得参考像素点的地形变化程度；根据参考像素点周围的灰度变化特征，获得参考像素点的颗粒程度；根据参考像素点周围的像素点灰度值与岩心图像灰度最小值的接近程度，获得参考像素点的孔隙程度；根据所述地形变化程度、所述颗粒程度与所述孔隙程度，获得参考像素点的凹凸特征向量；根据像素点之间的距离差异、矿物特征向量差异与凹凸特征向量差异，对岩心图像的像素点进行聚类，获得所有聚类簇；根据每个聚类簇内像素点的矿物特征向量以及凹凸特征向量，获得岩心图像的所有关键区域；根据每个关键区域内的面积、区域属性以及关键区域之间的距离，获得参考像素点的关键区域特征向量；根据像素点的所述矿物特征向量、所述凹凸特征向量与所述关键区域特征向量，构建出岩心图像的分类模型；根据所述分类模型对岩心图像进行自动分类与识别；所述关键区域的获取方法包括：根据矿物特征向量计算公式获取所述矿物特征向量，所述矿物特征向量计算公式如下所示：式中，表示参考像素点的矿物特征向量；表示参考像素点的表面均匀程度；表示参考像素点的边缘显著程度；表示参考连通域的分布相似程度；根据凹凸特征向量计算公式获取所述凹凸特征向量，所述凹凸特征向量计算公式如下所示：式中，表示参考像素点的凹凸特征向量；表示参考像素点的地形变化程度；表示参考像素点的颗粒程度，为参考像素点预设第三邻域内的灰度变化特征；表示参考像素点的孔隙程度；根据任意两个像素点之间的距离差异、矿物特征向量差异与凹凸特征向量差异，获得参考任意两个像素点之间的距离度量值，计算公式如下所示：式中，表示像素点与像素点之间的距离度量值；表示像素点与像素点之间的欧氏距离；表示像素点与像素点的矿物特征向量之间的余弦相似度；表示像素点与像素点的凹凸特征向量之间的余弦相似度；依据像素点之间的距离度量值对岩心图像进行聚类，获得岩心图像内的所有聚类簇；将像素点的矿物特征向量均值大于预设第二阈值的聚类簇作为矿物区域，将像素点的凹凸特征向量均值大于预设第二阈值的聚类簇作为凹凸区域；将所述矿物区域与所述凹凸区域均作为关键区域。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人延安大学，其通讯地址为：716000 陕西省延安市新区工学北路1号延安大学新校区；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。