近日，地球科学学院测绘工程专业2025级硕士生秦声炟在SCI-2区期刊《Computers & Geosciences》发表题为“Automatic recognition of debris rock lithology based on unsupervised semantic segmentation”的研究论文。长江大学地球科学学院为论文第一署名单位，硕士生秦声炟为论文第一作者，其导师王庆副教授为通讯作者。

图1 论文首页

 准确识别碎屑岩遥感图像的岩性对于地质勘探和石油天然气行业的资源开发至关重要。传统方法依赖专家手动分析遥感图像，这既耗时又容易受到主观影响。尽管监督学习已经实现了高度自动化，但它还面临着大量标注数据和样本不平衡的问题。

 本研究提出了一种无监督语义分割方法，有效提高了碎屑岩图像中岩性识别的效率和准确性。通过使用遥感卫星收集来自喀拉扎——清水河地区的大量碎屑岩地表影像数据，并结合改进的FCN网络和超像素分割，成功生成了伪标签，从而实现了无需人工标注的自动分割。

图二 基于伪标签的无监督方法流程图

 与传统的IOSDATA、Felzenszwalb方法及较新的CNN+K-Means伪标签生成技术相比，该方法在不同图像尺寸下表现出更好的稳定性和一致性，特别是在较大碎屑岩图像中优势明显。该方法在评估指标上显著优于其他方法，根据精度评估结果显示，ARE为0.6872，AMI为0.2245，FMI为0.2312，碎屑岩岩性分割效果出色。

 这项工作成功解决了碎屑岩遥感图像中因分块导致的大量相似块问题以及边界问题。此外，本研究还确定了不同图像尺寸的理想迭代次数，解释了该方法在碎屑岩岩性识别中的有效性和精确性，并为地质研究人员提供了一种实用且有效的数据处理方案。

（论文链接：https://www.sciencedirect.com/science/article/abs/pii/S0098300424002735）