一种页岩数字岩心构建方法、装置、设备及介质制造方法及图纸

本申请公开了一种页岩数字岩心构建方法、装置、设备及介质，涉及油气勘探开发技术领域。该方法包括：获取目标页岩样品的FIB

【技术实现步骤摘要】
一种页岩数字岩心构建方法、装置、设备及介质


[0001]本专利技术涉及油气勘探开发
，特别涉及一种页岩数字岩心构建方法、装置、设备及介质。

技术介绍

[0002]页岩储层矿物和有机质分布的非均质性和各向异性使得页岩内部各组分和孔隙结构复杂。同时存在纳米级有机孔隙和纳米/微米级无机孔隙。两种孔隙中流体赋存状态截然不同，这使得核磁共振(即Nuclear magnetic resonance，NMR)响应和渗流特性变得复杂。很难进行有效的核磁共振测井评价。因此，迫切需要明确页岩的核磁共振响应特征和运移机理。页岩多组分数字岩心具有经济、可重复使用的优点，是核磁共振响应模拟和微
‑
纳尺度流体流动模拟研究的基础。因此，页岩多组分数字岩心的构建具有重要意义。
[0003]目前，对于页岩多组分数字岩心的构建，主要包括图像分割和孔隙类型识别。对于图像分割方法，相关技术存在一些问题：手动阈值分割方法耗时且受操作者主观判断影响。OTSU算法通过选择灰度分布的最大类间方差及最小类内方差来确定图像的灰度阈值，是图像分割中常见的方法，但其计算速度慢，若已知阈值的先验信息，计算速度会加快。最大熵算法利用各组分最大信息量来确定最优分割阈值，该方法处理图像时关注图像的整体信息，模型稳定，但该模型忽略了图像的边界信息。分水岭算法是一种基于数学形态学的图像区域分割算法，它将空间位置相近且灰度值相近的像素点互相连接形成一个封闭的轮廓，实现图像的区域分割，但该方法对噪声非常敏感，往往对图像过分割，且忽略了页岩图像多组分非均质性的特征。对于孔隙类型识别方法，通常利用SEM(即scanning electron microscope，扫描电子显微镜)图像结合能谱分析(即Energy Dispersive Spectroscopy，EDS)通过确定孔隙边界处矿物或有机质中元素含量的方式来确定有机孔隙和无机孔隙。该方法可以分析二维图像中孔隙类型，但该方法耗时，且未考虑三维孔隙空间有机质以及矿物非均质性的影响，无法在三维空间识别有机孔隙和无机孔隙。综上，在进行页岩多组分数字岩心构建时，考虑储层矿物和有机质分布的非均质性特点，实现对页岩数字岩心的多组分自动分割以及三维空间孔隙类型的准确识别是亟需解决的难题。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种页岩数字岩心构建方法、装置、设备及介质，能够在进行页岩多组分数字岩心构建时考虑页岩储层矿物和有机质分布的非均质性的特点，实现页岩数字岩心的多组分自动分割以及三维空间孔隙类型的准确识别。其具体方案如下：
[0005]第一方面，本申请公开了一种页岩数字岩心构建方法，包括：
[0006]获取目标页岩样品的FIB
‑
SEM图像与MAPS图像；
[0007]基于最大熵算法根据所述FIB
‑
SEM图像的灰度梯度以及灰度对所述FIB
‑
SEM图像中的不同组分进行分割，并生成所述目标页岩样品对应的目标三维图像；
[0008]基于所述MAPS图像对所述目标三维图像的孔径进行优化，以得到优化后三维图像；
[0009]利用预设结构元素对所述优化后三维图像中的孔隙进行形态学腐蚀与膨胀运算并利用布尔叠加算法确定对应的孔隙边界，然后根据所述孔隙边界不同组分的分布情况确定对应的孔隙类型，以完成针对所述目标页岩样品的数字岩心的构建。
[0010]可选的，所述基于最大熵算法根据所述FIB
‑
SEM图像的灰度梯度以及灰度对所述FIB
‑
SEM图像中的不同组分进行分割，包括：
[0011]根据所述聚焦离子束扫描电镜图像中每个像素处的灰度梯度以及灰度确定灰度梯度以及灰度分布直方图；
[0012]基于最大熵算法根据所述灰度梯度分布直方图以及灰度分布直方图确定最优灰度分割阈值，并根据所述最优灰度分割阈值对所述FIB
‑
SEM图像中的不同组分进行分割。
[0013]可选的，所述根据所述FIB
‑
SEM图像中每个像素处的灰度梯度以及灰度确定灰度梯度分布直方图以及灰度分布直方图，包括：
[0014]基于数字差分法，利用代表四个方向的Sobel算子确定所述FIB
‑
SEM图像每个像素处的灰度梯度；
[0015]对不同灰度等级对应的所述灰度梯度累加并进行加权平均处理以得到不同灰度等级对应的平均梯度，并根据不同灰度等级对应的所述平均梯度确定灰度梯度分布直方图；利用Matlab中imhist函数确定灰度分布直方图。
[0016]可选的，所述基于最大熵算法根据所述灰度梯度分布直方图以及灰度分布直方图确定最优灰度分割阈值，并根据所述最优灰度分割阈值对所述FIB
‑
SEM图像中的不同组分进行分割，包括：
[0017]基于不同组分之间熵值总和最大在所述灰度梯度分布直方图的最大灰度梯度值与最小灰度梯度值之间确定灰度分布直方图中的最优灰度分割阈值；
[0018]根据所述最优灰度分割阈值确定不同组分对应的灰度分布，并根据不同组分对应的所述灰度分布对所述FIB
‑
SEM图像中的不同组分进行分割。
[0019]可选的，所述基于所述MAPS图像对所述目标三维图像的孔径进行优化，以得到优化后三维图像，包括：
[0020]利用26点连通域标记法标记所述目标三维图像中的孔隙簇并将相同孔隙簇标记的像素确定为所述目标三维图像的孔隙，然后根据所述目标三维图像的孔隙确定第一等效孔隙半径；
[0021]利用Matlab中的二值化函数提取所述MAPS图像中的孔隙分布特征并根据所述孔隙分布特征确定第二等效孔隙半径；
[0022]利用不同尺寸结构元素对孔隙进行形态学膨胀运算，将所述第二等效孔隙半径与第一等效孔隙半径的均方根误差作为约束条件。将最小均方根误差对应的三维图像膨胀结果作为优化后三维图像。
[0023]可选的，所述利用预设结构元素对所述优化后三维图像中的孔隙进行形态学腐蚀与膨胀运算并利用布尔叠加算法确定对应的孔隙边界之前，还包括：
[0024]利用26点连通域标记法标记所述优化后三维图像中的孔隙簇并将相同孔隙簇标记的像素确定为所述优化后三维图像的孔隙。
[0025]可选的，所述根据所述孔隙边界不同组分的分布情况确定对应的孔隙类型，以完成针对所述目标页岩样品的数字岩心的构建，包括：
[0026]根据所述孔隙边界处有机质与骨架矿物的分布概率判定所述优化后三维图像的孔隙为有机孔隙或无机孔隙，以完成针对所述目标页岩样品的数字岩心的构建。
[0027]第二方面，本申请公开了一种页岩数字岩心构建装置，包括：
[0028]图像获取模块，用于获取目标页岩样品的FIB
‑
SEM图像与MAPS图像；
[0029]图像分割模块，用于基于最大熵算法根据所述FIB
‑
SEM图像的灰度梯度以及灰度对所述F本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种页岩数字岩心构建方法，其特征在于，包括：获取目标页岩样品的FIB
‑
SEM图像与MAPS图像；基于最大熵算法根据所述FIB
‑
SEM图像的灰度梯度以及灰度对所述FIB
‑
SEM图像中的不同组分进行分割，并生成所述目标页岩样品对应的目标三维图像；基于所述MAPS图像对所述目标三维图像的孔径进行优化，以得到优化后三维图像；利用预设结构元素对所述优化后三维图像中的孔隙进行形态学腐蚀与膨胀运算并利用布尔叠加算法确定对应的孔隙边界，然后根据所述孔隙边界不同组分的分布情况确定对应的孔隙类型，以完成针对所述目标页岩样品的数字岩心的构建。2.根据权利要求1所述的页岩数字岩心构建方法，其特征在于，所述基于最大熵算法根据所述FIB
‑
SEM图像的灰度梯度以及灰度对所述FIB
‑
SEM图像中的不同组分进行分割，包括：根据所述FIB
‑
SEM图像中每个像素处的灰度梯度以及灰度确定灰度梯度分布直方图以及灰度分布直方图；基于最大熵算法根据所述灰度梯度分布直方图以及灰度分布直方图确定最优灰度分割阈值，并根据所述最优灰度分割阈值对所述FIB
‑
SEM图像中的不同组分进行分割。3.根据权利要求2所述的页岩数字岩心构建方法，其特征在于，所述根据所述FIB
‑
SEM图像中每个像素处的灰度梯度以及灰度分别确定灰度梯度分布直方图以及灰度分布直方图，包括：基于数字差分法，利用代表四个方向的Sobel算子确定所述FIB
‑
SEM图像每个像素处的灰度梯度；对不同灰度等级对应的所述灰度梯度累加并进行加权平均处理以得到不同灰度等级对应的平均梯度，并根据不同灰度等级对应的所述平均梯度确定灰度梯度分布直方图；利用Matlab中imhist函数确定灰度分布直方图。4.根据权利要求2所述的页岩数字岩心构建方法，其特征在于，所述基于最大熵算法根据所述灰度梯度分布直方图以及灰度分布直方图确定最优灰度分割阈值，并根据所述最优灰度分割阈值对所述FIB
‑
SEM图像中的不同组分进行分割，包括：基于不同组分之间熵值总和最大在所述灰度梯度分布直方图的最大灰度梯度值与最小灰度梯度值之间确定灰度分布直方图中的最优灰度分割阈值；根据所述最优灰度分割阈值确定不同组分对应的灰度分布，并根据不同组分对应的所述灰度分布对所述FIB
‑
SEM图像中的不同组分进行分...

【专利技术属性】
技术研发人员：谢然红，刘继龙，郭江峰，金国文，
申请(专利权)人：中国石油大学北京，
类型：发明
国别省市：