一种基于ECA-SwinUnet的岩石薄片图像分割方法

本发明公开了一种基于ECA‑SwinUnet的岩石薄片图像分割方法，涉及图像分割技术领域。该方法包括：采集致密砂岩储层岩石薄片原始图像，经去噪、裁剪、标注预处理后，按10：3划分为训练集与测试集；构建融合EMA与CBAM注意力机制的ECA‑SwinUnet四级编解码架构，同时构建SegNet、UNet等对比模型；使用统一参数训练所有模型，将测试集输入训练完成的模型得到分割结果；采用准确率与均交并比评估模型性能，确定ECA‑SwinUnet为最终预测模型。本发明通过EMA减少背景噪声干扰、CBAM强化关键特征，结合Swin Transformer捕捉长程依赖，使分割准确率达90.57％、MIoU达86.26％，显著优于传统方法与现有模型，为岩石微观结构分析、油气勘探储集层评价提供精准数据支持。