一种基于岩心照片识别裂缝类型的方法技术

本发明专利技术提供一种基于岩心照片识别裂缝类型的方法，用工业CCD相机对岩心进行扫描以获取岩心外表面图片；对岩心外表面图片进行预处理得到岩心预处理图；对岩心预处理图进行边缘检测得到边缘轮廓构成的各个裂缝区域，所述各个裂缝区域构成第一集合；对第一集合进行处理，筛选出天然裂缝集合；修复天然裂缝集合中的天然裂缝图像，调整天然裂缝图像到统一大小；把统一大小的天然裂缝图像输入预先训练好的卷积神经网络模型，得到天然裂缝的类型。通过采集岩心照片，对图片进行处理加工，利用神经网络进行识别匹配，大大地提高了准确率和减轻了科研人员的负担，能满足日益增长的油气勘探开发需求，意义重大。

【技术实现步骤摘要】
一种基于岩心照片识别裂缝类型的方法
本专利技术公开涉及图像处理领域，具体涉及一种自动识别岩心照片中天然裂缝类型的方法。
技术介绍
岩心是石油勘探过程中重要的地质信息媒介，岩石在应力作用下产生机械性破坏，无明显位移的断裂构造叫裂缝，它在描述油气运聚成藏具有指导意义。岩心裂缝研究是探明和判断裂缝性油气藏的关键手段，随着裂缝性油气藏的探明储量和产量不断上升，岩心裂缝的产状研究日益受到重视。如何高效，自动，准确地观察，筛选，描述和评价岩心裂缝特性变得尤为重要，也是研究裂缝型油气藏的关键，对油气田勘探开发具有重要的理论指导和现实意义。钻井岩心是获取地下地质特征的第一手资料，从岩心可以获得古生物化石的特征，推算地层的年代，进行地层对比，研究储集层的性质。获取到的岩心呈块状圆柱形，在获取岩心图像资料之前需要对岩心进行整理，整理步骤包括使用清水和毛刷清洗。整理过程中既要清理表面污渍有不能破坏结构和形态，之后对破碎的岩心进行拼接以尽可能恢复原貌。岩心整理是岩心研究不可或缺的前置步骤。整理好的岩心进行外表面图像扫描，现有工作流程包括使用旋转的滚辊转动岩心，配合工业相机，采集一次后滚辊旋转一个角度，采集下一个角度的图片，完成一个岩心的采集后，对图像进行裁剪和拼接。除了外表面图像扫描，岩心的成像还包括岩心横截面图像采集，荧光扫描。在岩心获取的过程中，存在人工操作时形成的人工裂缝，人工裂缝一般多见于岩心表面，覆盖面积小而且难贯穿至内部。现有常见流程是人工识别，因为岩心会被污染和被光线、泥土、划痕或其他物质的浸染，现有常规照片处理方法不是为处理岩心照片特别设计，处理岩心图片的效果差，导致后续人工识别存在准确性不高，效率低和依赖经验等问题，不能满足日益增长的油气开采生产要求。
技术实现思路
为了克服现有方法的不足，本专利技术的目的在于提供一种基于岩心照片识别裂缝类型的方法，提高了岩心照片识别天然裂缝类型的准确性和效率，获得了较好的岩心图片识别天然裂缝类型效果，减少了人工工作量。为了达到上述目的，本专利技术的技术方案如下：步骤1，用工业CCD相机对岩心进行扫描以获取岩心外表面图片；步骤2，对岩心外表面图片进行预处理得到岩心预处理图；步骤3，对岩心预处理图进行边缘检测得到边缘轮廓构成的各个裂缝区域，所述各个裂缝区域构成第一集合；步骤4，对第一集合进行处理，筛选出天然裂缝集合；步骤5，修复天然裂缝集合中的天然裂缝图像，调整天然裂缝图像到统一大小；步骤6，把统一大小的天然裂缝图像输入预先训练好的卷积神经网络模型，得到天然裂缝的类型，所述天然裂缝类型可以分为构造裂缝和非构造裂缝两类：构造裂缝主要包括张性裂缝、剪性裂缝和压性裂缝，而非构造裂缝则主要包括溶蚀缝、压实缝、风化缝、层间缝和沉积裂缝等。进一步地，在步骤1中，用工业CCD相机对岩心进行扫描以获取岩心外表面图片的方法包括以下子步骤：步骤1.1，将岩心放在步进电机控制旋转的滚辊上；步骤1.2，使用工业CCD相机扫描岩心；步骤1.3，每一次旋转滚辊采集一条像素线，之后旋转滚辊，根据需要的精度调整旋转的速度，一个岩心采集的所有像素线构成像素线集合；步骤1.4，把采集到的所有像素线集合合成一幅完整的岩心外表面图片。进一步地，在步骤1中，把整理好的岩心固定在步进电机驱动的滚辊上，步进电机和相机协作，根据需要的分辨率不同调节转动速度，每一次旋转滚辊采集一条像素线，一条像素线采集完后步进电机驱动滚辊转动一个角度，直到整个岩心被扫描，一个岩心获取到的所有像素线拼接成一幅岩心外表面图片。优选地，可以利用荧光采集仪扫描岩心得到岩心外表面图片。进一步地，在步骤2中，对岩心外表面图片进行预处理得到岩心预处理图，现有图像边缘识别预处理方法只考虑了人眼对颜色的敏感度差异，基于人眼对不同颜色敏感度的不同，武断地对各个颜色通道的强度进行简单加权后求和，处理后的图片比较一致，符合人体感官，但不适用于岩心照片的场景，加上岩心外表面图片颜色单一而且对比度低，加上图片带有毛刺，可能会造成处理后图片毛刺信息失真，不利于后面的真实的裂缝边鉴别步骤，因此需要引入下列图像增强算法能有效改善此特定场景下裂缝边鉴别的性能，针对性地对每个像素进行处理，加强特定像素。进一步地，在步骤2中，对岩心外表面图片进行预处理得到岩心预处理图的方法包含以下子步骤：步骤2.1，读取抽取岩心外表面图片的像素，分别得到单个像素的红色分量，绿色分量和蓝色分量，分别为PRed，PGreen，PBlue，每个颜色深度为8位，可得各颜色分量的取值范围为[0,255]；步骤2.2，初始设置对比度比重E，颜色分量极值Gm=128，Gm为颜色深度取值范围的一半作为参考值；步骤2.3，获得参考色度值BRef，获得参考色度值BRef的公式为：BRef=0.213×PRed+0.715×PGreen+0.072×PBlue，获得像素的参考色度值BRef；步骤2.4，如果MAX(PRed，PGreen，PBlue)－MIN(PRed，PGreen，PBlue)＜Gm，则H=MEDIAN(PRed，PGreen，PBlue)，MEDIAN()表示取括号中三个元素的中值，MAX()表示取括号中三个元素的最大值，MIN()表示取括号中三个元素的的最小值，计算并转到步骤2.5，否则转到步骤2.3计算下一个像素的参考色度值；步骤2.5，如果E×MAX(PRed,PGreen,PBlue)＞255，则：；步骤2.6，对单个像素进行处理，P’Red=E*PRed，P’Green=E*PGreen，PBlue=E*PBlue；步骤2.7，读取下一个像素，如果是最后一个像素，转到步骤2.8，否则转到步骤2.1；步骤2.8，依次对所有像素按下式进行变换：步骤2.9，如果存在像素的PIXAL值大于等于Gm，则将此像素的Pedge为TRUE，否则Pedge为FALSE；Pedge为对每个像素设置的有效边标记，其值为TRUE或FALSE，TRUE为真，即表示该像素为有效边上的像素，即该像素为真实的裂缝边缘上；FALSE为假，表示该像素为无效边标记上的像素，即该像素为裂缝边缘的毛刺；步骤2.10，将Pedge的值标记到岩心外表面图片的相应位置，构成岩心预处理图，输出岩心预处理图。优选地，在步骤2中，对岩心外表面图片进行预处理得到岩心预处理图的方法还可以是以下子步骤：步骤2.1，从岩心外表面图片获得每个像素点的红色，绿色和蓝色分量，分别为IRed，IGreen，IBlue；步骤2.2，使得I0=MAX(IRed,IGreen,IBlue)，即I0为IRed,IGreen,IBlue中最大值；步骤2.3，利用以下公式获得对应像素的灰度值：𝐼𝐺𝑟𝑒𝑦=𝐼0，式中𝐼𝐺𝑟𝑒𝑦本文档来自技高网...

【技术保护点】
1.一种基于岩心照片识别裂缝类型的方法，其特征在于，所述方法包括以下步骤：/n步骤1，用工业CCD相机对岩心进行扫描以获取岩心外表面图片；/n步骤2，对岩心外表面图片进行预处理得到岩心预处理图；/n步骤3，对岩心预处理图进行边缘检测得到边缘轮廓构成的各个裂缝区域，所述各个裂缝区域构成第一集合；/n步骤4，对第一集合进行处理，筛选出天然裂缝集合；/n步骤5，修复天然裂缝集合中的天然裂缝图像，调整天然裂缝图像到统一大小。/n

【技术特征摘要】
1.一种基于岩心照片识别裂缝类型的方法，其特征在于，所述方法包括以下步骤：
步骤1，用工业CCD相机对岩心进行扫描以获取岩心外表面图片；
步骤2，对岩心外表面图片进行预处理得到岩心预处理图；
步骤3，对岩心预处理图进行边缘检测得到边缘轮廓构成的各个裂缝区域，所述各个裂缝区域构成第一集合；
步骤4，对第一集合进行处理，筛选出天然裂缝集合；
步骤5，修复天然裂缝集合中的天然裂缝图像，调整天然裂缝图像到统一大小。


2.根据权利要求1所述的一种基于岩心照片识别裂缝类型的方法，其特征在于，在步骤1中，用工业CCD相机对岩心进行扫描以获取岩心外表面图片的方法包括以下子步骤：
步骤1.1，将岩心放在步进电机控制旋转的滚辊上；
步骤1.2，使用工业CCD相机扫描岩心；
步骤1.3，每一次旋转滚辊采集一条像素线，之后旋转滚辊，根据需要的精度调整旋转的速度，直到一个岩心被采集完毕，一个岩心采集的所有像素线构成像素线集合；
步骤1.4，把采集到的像素线集合合成一幅完整的岩心外表面图片。


3.根据权利要求1所述的一种基于岩心照片识别裂缝类型的方法，其特征在于，在步骤2中，对步骤1得到的岩心外表面图片进行预处理，利用最大值灰度化法获得岩心预处理图。


4.根据权利要求1所述的一种基于岩心照片识别裂缝类型的方法，其特征在于，在步骤2中，对岩心外表面图片进行预处理得到岩心预处理图的方法包括以下子步骤：
步骤2.1，读取岩心外表面图片的像素，依次获得各个像素的红色分量，绿色分量和蓝色分量，分别为PRedPGreen，PBlue，各颜色分量的取值范围为0~255；
步骤2.2，初始设置对比度比重E，颜色分量极值Gm=128；
步骤2.3，根据公式：
BRef=0.213×PRed+0.715×PGreen+0.072×PBlue，
获得像素的参考色度值BRef；
步骤2.4，如果MAX(PRed，PGreen，PBlue)－MIN(PRed，PGreen，PBlue)＜Gm，则H=MEDIAN(PRed，PGreen，PBlue)，MEDIAN()表示取括号中三个元素的中值，MAX()表示取括号中三个元素的最大值，MIN()表示取括号中三个元素的的最小值，计算并转到步骤2.5，否则转到步骤2.3计算下一个像素的参考色度值；
步骤2.5，如果E×MAX(PRed,PGreen,PBlue)＞255，则：

；
步骤2.6，对各个像素进行处理，P’Red=E*PRed，P’Green=E*PGreen，PBlue=E*PBlue；
步骤2.7，读取下一个像素，如果是最后一个像素，转到步骤2.8，否则转到步骤2.1；
步骤2.8，依次对所有像素按下式进行变换：
PIXAL=（MIN(PRed，PGreen，PBlue)+MAX(PRed，PGreen，PBlue)）÷2；
步骤2.9，如果存在像素的PIXAL值大于等于Gm，则将此像素的Pedge为TRUE，否则Pedge为FALSE；Pedge为每个像素的有效边标记，其值为TRUE或FALSE，TRUE为真，表示该像素为有效边上的像素，即表示该像素为真实的裂缝边缘上；FALSE为假，表示表示该像素为无效边标记上的像素，即表示该像素为裂缝边缘的毛刺上；
步骤2.10，将Pedge的值标记到岩心外表面图片的相应位置，构成岩心预处理图，输出岩心预处理图。


5.根据权利要求1所述的一种基于岩心照片识别裂缝类型的方法，其特征在于，在步骤4中，对第一集合进行处理，筛选出天然裂缝集合的方法，包括以下子步骤：
步骤4.1，设置变量i，初始化i的值为1；令N为第一集合中元素的数量；第一集合为G={Gj}，Gj为G中第j个裂缝区域图像，将Gj转化为Gj图像的像素矩阵中像素的集合，其中，j取值范围为[1,N]，建立空集合G’；
步骤4.2，依次提取Gi中的像素中标记Pedge为TRUE的像素的像素集合为P<Xa,Ya>，<Xa,Ya>是其中第a个像素的坐标，k是Pedge为TRUE的像素数量，a≤k；
步骤4.3，设置变量b的值为1，建立空集合DP<dpe>，空集合DP_MAX<dpf>，dpe和dpf均为像素，建立空集合DP_AVG<dCavg>；
步骤4.4，设置变量c=b+step1，变量d=c+step2，step1和step2为步进值，如果d>k，则跳转到步骤4.11，否则跳转步骤4.5；
其中，步进值step1值和step2值的获取方式为：通过Harris角点检测对P<Xa,Ya>的像素点集合构成的封闭区域进行检测得到多个角点，令各个角点的集合为CP<Xa,Ya>，步进值step1为从p1(xb,yb)开始的到与p1(xb,yb)距离最近的角点做为的第一角点构成线段上的像素数量，令距离第一角点最近的角点为第二角点，步进值step2为从第一角点开始到第二角点构成线段的像素数量,其中p1(xb,yb)是集合P<Xa,Ya>中第b个像素；
步骤4.5，从集合P<Xa,Ya>中取得像素p1(xb,yb)，p2(xc,yc)，p3(xd,yd)，其中(xc,yc)是集合P<Xa,Ya>中第c个像素的坐标，(xd,yd)是集合P<Xa,Ya>中第d个像素的坐标；
步骤4.6，p1(xb,yb)，p2(xc,yc)，p3(xd,yd)构成三角形，构造所述三角形的外接圆，圆心为Cb，外接圆Cb的半径为Cr，把Cr加入DP_AVG<dCavg>；
步骤4.7，设置变量e的值为1；
步骤4.8，从集合P<Xa,Ya>中...

【专利技术属性】
技术研发人员：李佳静，刘哲，张帮亮，王伟，董英杰，王超，刘思婷，
申请(专利权)人：广东石油化工学院，
类型：发明
国别省市：广东;44