این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ماشین بینایی و پردازش تصویر، جلد ۲، شماره ۲، صفحات ۱-۱۳
عنوان فارسی جداسازی خودکار کانی های موجود در مقاطع نازک سنگ ها با استفاده از الگوریتم های پردازش تصویر و خوشه بندی
چکیده فارسی مقاله جداسازی خودکار کانی‌ های موجود در مقاطع نازک با استفاده از روش‌های پردازش تصویر، یکی از موضوعاتی است که در سال‌های اخیر مورد توجه زمین‌ شناسان قرار گرفته است. سنگ‌ها اصلی‌ترین منبع اطلاعاتی زمین‌ شناسان می‌باشند، و یکی از روش‌های متداول مطالعه سنگ‌ها، تهیه مقاطع نازک از آن‌ها و بررسی این مقاطع با استفاده از میکروسکوپ‌ های انکساری قطبی کننده نور است. همچنین جداسازی کانی‌ های موجود در مقاطع نازک، پیش‌ نیاز انجام مطالعات بعدی مانند شناسایی و بررسی اندازه کانی‌ ها در مقاطع است. در این مقاله، رویکردی جدید در جداسازی خودکار کانی‌ های موجود در مقاطع نازک با استفاده از الگوریتم‌ های پردازش تصاویر و خوشه ‌بندی مبتنی بر ویژگی‌های رنگی ارائه شده است. به‌ منظور جداسازی کانی‌ های موجود در مقاطع نازک، از آن‌ها در نورهای معمولی و قطبی تصاویر دیجیتال تهیه شده و با استخراج ویژگی‌های رنگی و بکارگیری الگوریتم خوشه‌ بندی افزایشی، کانی‌ ها جداسازی خواهند شد. در الگوریتم پیشنهادی، ابتدا ویژگی‌های رنگی هر پیکسل در فضاهای رنگی RGB و HSI از تصاویر استخراج شده، سپس با استفاده از الگوریتم خوشه‌ بندی، پیکسل‌های تصاویر تفکیک شده و در نهایت منجر به جداسازی کانی‌ ها خواهد شد. نتایج الگوریتم پیشنهادی در مرحله آزمون بر روی 83 مقطع نازک متشکل از 16 کانی آذرین متداول، نشان دهنده میزان درستی 32/87%در جداسازی کانی‌ ها می‌باشد. نتایج آزمایشگاهی، نشان‌ دهنده جداسازی موفقیت آمیز کانی‌ ها به‌ ویژه مقاطع دگرسان شده و هوازده میباشد. کاربرد اصلی الگوریتم پیشنهادی در زمین‌ شناسی سر چاه نفت، آموزش کانی‌ شناسی و اکتشافات سطحی سازمان فضایی ایالات متحده آمریکا در سیاره مریخ (NASA Mars Explorations) است که تمامی آن‌ها نیازمند جداسازی آنی کانی‌ ها می‌باشند.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Automatic mineral segmentation in petrographic thin sections using image processing and clustering algorithms
چکیده انگلیسی مقاله Mineral segmentation in thin sections based on image processing algorithms is one of the popular research topics geosciences. Rocks are the main information resource for geological studies, and mounting thin section from rocks is the most popular method for studying them. Mineral segmentation in thin sections is also the pre-step for further studying on thin sections such as mineral identification and measuring the size of minerals. In this paper, a new method for mineral segmentation based on image processing and clustering algorithms is proposed for mineral segmentation in thin sections. In order to segment minerals, using a polarizer microscope, two images in plane and cross polarized lights are captured from each thin sections, and by extracting the color features from the images, minerals inside each thin section are segmented. Therefore, initially, the color features including RGB and HSI components are extracted for each pixels for both images, and then using image processing and clustering algorithms the pixels are clustered and each cluster is related to a segmented mineral. Experimental results indicate that the proposed algorithm produces accurate and reliable results, especially for those thin sections containing altered minerals. The proposed algorithm can be used in such applications as petroleum geology, mineralogy training and NASA mars exploration.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله حسین ایزدی |
گروه مهندسی اکتشاف نفت، دانشکده مهندسی معدن، پردیس دانشکده های فنی، دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

جواد صدری |
گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند
سازمان اصلی تایید شده: دانشگاه بیرجند (Birjand university)

نصرت آقا مهران | agha mehran
گروه مهندسی معدن، دانشکده مهندسی معدن و مکانیک، دانشگاه بیرجند
سازمان اصلی تایید شده: دانشگاه بیرجند (Birjand university)

نشانی اینترنتی http://jmvip.sinaweb.net/article_10452_d6a4f3499be1c48230cebffe004a2555.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1041/article-1041-205792.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات