本发明提供一种基于深度特征的非平稳训练图像自动分区方法及系统,方法包括:对非平稳训练图像进行裁剪划分为多个训练图像子块;基于卷积神经网络模型提取每一个训练图像子块的深度特征;对所有训练图像子块的深度特征进行聚类分析,得到每一个训练图像子块的聚类标签;基于每一个训练图像子块的聚类标签,将每一个训练图像子块按照在非平稳训练图像中的位置进行拼接,得到非平稳训练图像的分区结果;基于分区结果,进行平稳性算法模拟,输出所述非平稳训练图像的模拟实现。本发明对非平稳训练图像进行自动分区,相比基于未分区非平稳训练图像的SIMPAT算法,基于本发明分区后的多点地质统计模拟结果更好的再现了非平稳特征。
声明:
“基于深度特征的非平稳训练图像自动分区方法及系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)