基于全卷积网络的土壤断层扫描图像中孔隙分割

• 作者: 刘克雄 庞曼 赵燕东 赵玥 韩巧玲
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 土壤 图像分割 全卷积网络 土壤孔隙 深度学习
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 农业水土工程
• 页码范围: 128-133
• 页数: 6页
• 分类号: S152
• 字数: 6402字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2019.02.017

摘要

针对土壤断层扫描图像中存在部分容积效应及因孔隙成分复杂、结构不规则等引起的分割精度低的问题,该文提出一种全卷积网络(fully convolutional network,FCN)土壤孔隙分割方法,为土壤科学研究提供技术支持.该文以黑土土壤断层扫描图像为研究对象,通过卷积和池化运算输出不同尺度的孔隙特征图;将孔隙的深层特征和浅层特征相融合,采用上采样算子对融合特征进行插值操作,从而输出孔隙的二值图.与大津法、分水岭法、区域生长法和模糊C均值聚类法(Fuzzy C-means,FCM)4种常用孔隙分割方法的对比结果表明,FCN法在低,中,高3种孔隙密度的土壤图像中优于其他4种方法.FCN法的平均分割正确率为98.1％,比4种常用方法分别高25.6％,48.3％,55.7％和9.5％;FCN法的平均过分割率和欠分割率分别为2.2％和1.3％,仅为次优方法(FCM法)的33.8％和23.6％.通过融合土壤孔隙结构的多重特征,FCN法能够实现土壤孔隙整体和局部信息的精准判断,为土壤学的研究提供了一种更加智能化的技术手段.