甲烷合物形成动态CT成像的定量分析及混合机器学习方法
摘要：高效率地进行甲烷水合物样品中的多相快速过程的微CT定量研究存在挑战，因为需要复杂的断层图像数据分析，包括耗时的分割过程。这是由于样品在时间上发生多尺度结构变化，低X射线衰减和固体与流体材料之间的相位对比度，以及动态过程中获得的大量数据。我们提出了一种混合方法，用于自动分割沙质颗粒介质中甲烷气体水合物形成的定时成像的断层图像数据。首先，我们使用优化的3D U-net神经网络来对低对比的矿物颗粒进行分割，这些颗粒与周围的充满孔隙溶液的相位相比较。然后，我们基于高斯混合模型进行统计聚类，以分离由水合物形成过程中动态过程引起的灰度不稳定性的孔隙相位。所提出的方法被用于对同步辐射下进行的原位断层实验获得的几百GB数据进行分割。自动分割允许研究孔隙中水合物生长的特性，以及增量孔隙溶液流动和重新分布等动态过程。
作者：Mikhail I. Fokin, Viktor V. Nikitin, Anton A. Duchkov
论文ID：2209.04098
分类：Geophysics
分类简称：physics.geo-ph
提交时间：2022-09-12