《表3 颗粒分割方法性能对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于语义特征提取的砂岩薄片图像颗粒分割方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

图4展示了7种图像分割方法在同一张砂岩图像上的分割效果.图4（a）和（b）分别是原始砂岩图像和人工标注分割图像.图4（c）展示了IEDRG方法生成的颗粒分割结果，该方法先使用SOBEL算子[51]检测图像中物体边界，在矿物颗粒交界处易产生双重边界；接着使用区域增长法消除伪边界合并生成完整颗粒，由于矿物颗粒晶体微结构的复杂性，分割图中多个颗粒出现过分合并或合并不充分现象，总体分割效果较差.表3的结果显示，IEDRG方法的召回率在所有方法中最低，准确率在针对单张图像的4种方法中最高，说明边界检测法难以检测出砂岩图像中所有真实边界，同时区域增长法对于消除颗粒内部伪边界起到一定作用.图4（d）～（f）展示了SNIC，LSC，SEEDS 3种最近几年主流图像分割方法生成的砂岩图像分割结果.结果显示，分割图中有多处真实边界未检测到，且有多个矿物颗粒内部产生分割伪边界，表3的结果也显示这3种方法得到的分割图像指标均较低.图4（g）显示了MRM方法生成的颗粒分割结果.由于融入了多角度图像信息，生成的颗粒边界比单张图像分割算法更贴近真实边界.从图4（g）观察可知，MRM方法能够较好地合并石英类别的超像素，但对于包含双晶结构的长石超像素和包含碎屑微粒的岩屑超像素，合并效果不佳，过分割现象较明显.表3的结果表明，相比于单张图像分割方法，MRM方法在各项指标上均有较大幅度提升.图4（h）显示了CoFM方法生成的颗粒分割结果，由于在区域合并阶段引入聚类方法，对比图4（g）中长石类别的超像素，其合并效果明显提升，表3的结果也验证了这一点，其分割准确率提升5%左右.图4（i）显示了本文方法生成的颗粒分割结果，使用RockNet网络提取的图像特征能够很好地分类矿物超像素，有效进行区域合并，使分割结果更加准确.表3的实验结果表明，本文方法在所有4项指标上都取得最佳结果.