砂岩薄片显微图像(简称“砂岩图像”)是将砂岩样本研磨成厚度为0.03毫米的薄片,放置在偏光显微镜载物台上使用高清摄像头拍摄而成的图像。在地质学领域,砂岩薄片鉴定是通过观察和分析砂岩图像中矿物的组分和含量,进而对砂岩进行分类和命名。砂岩薄片鉴定在油气储集层勘探和评估、环境保护、水利勘测等方面具有重要作用。砂岩图像分割是指将砂岩薄片中每个矿物颗粒划分到单独的区域,是砂岩薄片鉴定的第一个步骤,是一项基础性的工作,具有重要的研究意义。砂岩图像自身具有一定特点,如:图像中矿物颗粒众多、不同颗粒之间对比度低、同一颗粒内部微结构复杂,这就造成了砂岩图像的分割问题比一般图像分割问题更加困难,是一项颇具挑战性的工作。因此,本文借鉴图像语义分割的思路,通过提取砂岩图像所包含的语义信息,对砂岩图像分割技术进行研究,本文主要研究内容和创新点如下:(1)提出多角度正交偏光砂岩薄片图像分割方法框架。针对多角度正交偏光砂岩薄片显微图像,本文提出一种三阶段的图像分割方法框架,第一阶段为预分割,第二阶段为特征提取,第三阶段为区域合并。预分割阶段利用砂岩薄片对应的多角度图像之间的关联,结合其地质学意义,提出MSLIC(Multi-angle SLIC)算法,将输入图像划分成由具有相近属性、空间位置邻近的像素组成的同质区域,即超像素的集合。特征提取阶段,结合地质学专家建议,定义亮度特征、纹理特征和边界特征用以描述矿物超像素,并根据各种特征的特点定义超像素特征相似性计算方法。区域合并阶段,根据预分割得到的超像素集合及其特征提取阶段计算的超像素相似性构建区域邻接图(RAG,Region Adj acency Graph),对RAG的顶点实施多角度区域合并方法MRM(Multi-angle Region Merging),并提出全局分割评价指标用以自动判断合并终止条件,确保最优的合并结果。实验结果表明,相比于其他图像分割方法,该方法框架适合于砂岩图像分割,能够将其中包含的多个目标逐一分割为独立、完整的矿物颗粒。(2)提出基于人工特征提取的砂岩薄片图像分割方法。图像的低级特征只包含图像中单个像素或邻近几个像素的局部特征,难以表达图像语义信息。所以,基于低级特征的图像分割方法对组分较复杂的砂岩图像效果不佳。因此,在特征提取阶段,本文根据各种类型砂岩矿物颗粒图像特点,设计能够表达图像语义的人工特征。该特征融合基于直方图的颜色特征、多频率多方向纹理特征和多尺度边界特征共同表征超像素,不仅能识别矿物颗粒类型,而且能区分同类型的不同矿物颗粒。此外,在区域合并阶段,本文结合格式塔认知理论中的邻近规则、稳定性规则和相似性规则,提出一种高效、准确的两步骤区域合并方法CoFM(Coarse to Fine Merging)。该方法先根据超像素边界特征,快速合并“无歧义”超像素;再根据对超像素颜色特征及纹理特征的识别和聚类,精确合并“有歧义”超像素。最后,本文使用Zangwill定理从理论上证明了该算法生成的解序列的收敛性。实验结果表明,本文所设计的人工特征能够较好地识别砂岩图像的语义并辨别矿物超像素类型,从而将砂岩图像中特性相近的不同类型矿物颗粒准确分割,其效果优于目前多种主流的图像分割算法。(3)提出基于自动特征提取的砂岩薄片图像分割方法。人工特征依赖于设计者的领域知识,且无法完全表征砂岩矿物颗粒图像的本质。因此,本文提出使用自动特征提取方法获得矿物超像素特征。通过分析各类型矿物颗粒图像的光学特征以及典型的卷积神经网络模型,我们设计卷积神经网络RockNet,从输入图像中自动提取能表达矿物超像素语义的特征。针对RockNet训练需要大量样本,而有标注的砂岩颗粒样本图像数量有限的情况,本文提出使用迁移学习和多角度图像扩增进行网络参数学习的方法。此外,我们还提出了使用全图卷积、特征图映射的方式加速超像素特征提取速度的方法。在区域合并阶段,本文还提出了多特征融合和空间强化的区域合并方法FCoG(Fuzzy Clustering of Rock Grains),挖掘邻近矿物超像素之间关联对其类型的影响,保证图像分割的结果为全局最优。实验结果表明,使用RockNet网络自动提取的特征比人工特征更好地表述不同类型矿物颗粒的表面特性及双晶、裂理、蚀变等微结构。此外,FCoG方法能够利用超像素自身特征及相互关联准确聚类和合并难以辨识的矿物碎屑,取得理想的图像分割效果。