(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211147584.6 (22)申请日 2022.09.21 (65)同一申请的已公布的文献号 申请公布号 CN 115222947 A (43)申请公布日 2022.10.21 (73)专利权人 武汉珈鹰智能科技有限公司 地址 430000 湖北省武汉市东湖新 技术开 发区关山大道1号软件产业园4.1期A3 栋13层01号- 01 (72)发明人 朱大鹏　高鉴　李明鹏　 (74)专利代理 机构 武汉智恒永道知识产权代理 有限公司 42 290 专利代理师 陈建军 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06T 7/11(2017.01) (56)对比文件 CN 103473781 A,2013.12.25 CN 114495119 A,202 2.05.13 CN 115082381 A,202 2.09.20 WO 2021216 638 A1,2021.10.28 CN 114492206 A,2022.05.13 张飞等.岩石CT断层序列图像 裂纹三维重建 的实现. 《金属矿山》 .20 09,(第04期),第25 -29 页. Tang Yudi 等.Fracture Extracti on from Smooth Rock Surfaces Usi ng Depth Ima ge Segmentati on. 《Rock Mec hanics & Rock Engineering》 .2021,第1-17页. 陈立万.遗传优化BP神经网络在岩石节理图 像分割中的应用. 《微计算机信息》 .2010,(第23 期),第21 1-213页. 审查员 贾云杰 (54)发明名称 基于全局自注意力变换网络的岩石节理分 割方法和装置 (57)摘要 本申请公开了一种基于全局自注意力变换 网络的岩石节理分割方法和装置， 所述方法包 括： 获取预处理后的岩石 图像； 构建基于全局自 注意力变换网络的特征提取模型； 利用特征提取 模型将所述预处理后的岩石图像转换为二维特 征序列， 并基于二维特征序列确定岩石节理的全 局特征， 根据所述岩石节理的全局特征得到岩石 编码特征图； 构建基于反卷积操作的解码器， 利 用所述解码器对 所述岩石编码特征图进行解码， 得到岩石解码特征图； 根据所述岩石解码特征图 得到岩石节理分割图。 本发明通过基于全局自注 意力变换网络构建的特征提取模 型， 自主学习节 理特征之间的全局联系， 降低了复杂环境变化的 干扰， 提高对于岩石节理分割的精准度与鲁棒性。 权利要求书2页 说明书10页 附图11页 CN 115222947 B 2022.12.20 CN 115222947 B 1.一种基于全局自注意力变换网络的岩石节理分割方法， 其特 征在于， 包括： 获取预处理后的岩石图像； 构建基于全局自注意力变换网络的特征提取模型； 所述基于全局自注意力 变换网络的 特征提取模型包括卷积流自注意力变换模块； 所述卷积流自注意力变换模块用于对所述预 处理后的岩石图像中的节理局部细节特征进 行提取， 得到包含所述节理局部细节特征的三 维卷积图像， 并根据所述三维卷积图像得到二维特征序列， 基于所述二维特征序列确定岩 石节理的像素全局关联特性， 并根据所述像素全局关联特性得到岩石编码特征图； 所述卷 积流自注意力变换模块包括卷积变换层、 多维度自注意力层和特征重塑层； 所述卷积变换 层用于对所述预处理后的岩石图像中的节理局部细节特征进 行提取， 得到包含所述节理局 部细节特征 的三维卷积图像， 并根据所述三维卷积图像得到二维特征序列； 所述多维度自 注意力层用于根据所述二 维特征序列确定岩石节理的全局特征； 所述特征重塑层用于根据 所述岩石节理的全局特 征得到岩石编码特 征图； 利用所述特征提取模型将所述预处理后的岩石图像转换为二维特征序列， 并基于所述 二维特征序列确定岩石节理的全局特征， 根据所述岩石节理的全局特征得到岩石编 码特征 图； 构建基于反卷积操作的解码器， 利用所述解码器对所述岩石编码特征图进行解码， 得 到岩石解码特 征图； 根据所述岩石解码特 征图得到岩石节理分割图。 2.根据权利要求1所述的基于全局自注意力变换网络的岩石节理分割方法， 其特征在 于， 所述卷积变换层包括若干个卷积流基本计算单 元和向量编码单 元； 所述卷积流基本计算单元用于对所述预处理后的岩石图像中的节理局部细节特征进 行提取， 得到包 含所述节理局部细节特 征的三维卷积图像； 所述向量编码单 元用于将所述 三维卷积图像转换为 二维特征序列。 3.根据权利要求1所述的基于全局自注意力变换网络的岩石节理分割方法， 其特征在 于， 所述多维度自注意力层包括多个线性变换 单元； 所述线性变换 单元用于计算各个二维序列元 素之间的关联性； 根据多个所述 二维序列元 素之间的关联性得到岩石节理的全局特 征。 4.根据权利要求1所述的基于全局自注意力变换网络的岩石节理分割方法， 其特征在 于， 利用所述 解码器对根据所述岩石编码特 征图得到岩石解码特 征图， 包括： 对所述岩石编码特 征图进行反卷积 操作， 得到上采样特 征图； 根据所述上采样特 征图和所述岩石编码特 征图， 得到特 征拼接图； 对所述特 征拼接图进行非线性变换， 得到岩石解码特 征图。 5.根据权利要求1所述的基于全局自注意力变换网络的岩石节理分割方法， 其特征在 于， 根据所述岩石解码特 征图得到岩石节理分割图， 包括： 利用卷积 操作对所述 解码特征图进行 特征提取， 得到节理特 征图； 对所述节理特 征图进行归一 化操作， 得到岩石节理分割图。 6.一种基于全局自注意力变换网络的岩石节理分割装置， 其特 征在于， 包括： 图像获取模块， 用于获取岩石图像， 对所述岩石图像进行预处理， 得到预处理后的岩石 图像；权　利　要　求　书 1/2 页 2 CN 115222947 B 2特征提取模型构建模块， 用于构建基于全局自注意力变换网络的特征提取模型； 所述 基于全局自注意力变换网络的特征提取模型包括卷积流自注意力变换模块； 所述卷积流自 注意力变换模块用于对所述预 处理后的岩石图像中的节理局部细节特征进 行提取， 得到包 含所述节理局部细节特征 的三维卷积图像， 并根据所述三维卷积图像得到二维特征序列， 基于所述二 维特征序列确定岩石节理的像素全局关联特性， 并根据所述像素全局关联特性 得到岩石编码特征图； 所述卷积流自注意力变换模块包括卷积变换层、 多维度自注意力层 和特征重塑层； 所述卷积 变换层用于对所述预 处理后的岩石图像中的节理局部细节特征进 行提取， 得到包含所述节理局部细节特征 的三维卷积图像， 并根据所述三维卷积图像得到 二维特征序列； 所述多维度自注意力 层用于根据所述二 维特征序列确定岩石节理的全局特 征； 所述特 征重塑层用于根据所述岩石节理的全局特 征得到岩石编码特 征图； 图像编码模块， 用于利用所述特征提取模型将所述预处理后的岩石图像转换为二维特 征序列， 并基于所述二维特征序列确定岩石节理的全局特征， 根据所述岩石节理的全局特 征得到岩石编码特 征图； 图像解码模块， 用于构建基于反卷积操作的解码器， 利用所述解码器对所述岩石编码 特征图进行解码， 得到岩石解码特 征图； 节理分割图输出模块， 用于根据所述岩石解码特 征图得到岩石节理分割图。 7.一种电子设备， 其特征在于， 包括处理器以及存储器， 所述存储器上存储有计算机程 序， 所述计算机程序被所述处理器执行时， 实现根据权利要求 1‑5中任一所述的基于全局自 注意力变换网络的岩石节理分割方法。 8.一种计算机可读存储介质， 其特征在于， 所述存储介质存储有计算机程序指令， 当所 述计算机程序指令被计算机执行时， 使计算机执行根据权利要求1 ‑5中任一所述的基于全 局自注意力变换网络的岩石节理分割方法。权　利　要　求　书 2/2 页 3 CN 115222947 B 3