本发明专利技术涉及一种基于三维图像信息处理的岩心裂缝识别方法，属于图像分割技术领域。该方法使用CT机扫描待处理岩心，将扫描的岩心CT序列图像存储于计算机中，使用岩心三维图像裂缝识别软件读入扫描好的岩心CT序列图像，利用移动立方体算法对岩心CT序列图像进行三维图像重建，在重建的三维图像中，利用孔隙、随机噪声和裂缝在三维数据场中形态特征上存在的差异，通过一系列计算、获取和筛选过程，从而达到识别岩心裂缝的目的。本发明专利技术提供的方法可快速、准确地识别出岩心的裂缝；解决了以往孤立的分析每一张岩心CT序列图像，却忽略了岩心裂缝在层与层之间的连通信息导致的误差甚至错误的问题。
【技术实现步骤摘要】
本专利技术涉及一种图像处理技木，特别涉及一种，属于图像分割
技术介绍
在石油地质领域，裂缝识别是油藏和储层非均质研究的重要内容，对油气开发和原油采收率的提高具有重要意义。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縫。由于有裂缝的存在，并且裂缝发育，连通性好，才能使泥页岩和碳酸盐岩储层成为有价值的储集层。我国对岩心裂缝的研究工作开展得很早，上世纪50年代后期，我国油气田的地质工作者就开始根据岩心的形态特征和断层部位等特征，通过经验来识别岩心中存在的裂缝，这是一种基于定性分析的识别方法。上世纪80年代以来，主要通过露头、岩心、测井、地 震、试井、试油试采、钻井、录井等资料，借助于地质学定性分析法、岩心室内測定法、试井分析法、裂缝数理统计法和测井资料法等综合分析来识别岩心中的裂缝。通过这种方法，可以定性的分析岩心裂縫；同时根据统计学得到岩心中的裂缝数，裂缝长度等半定量信息。但是上述方法都是通过观察岩心的某ー个表面的特征来分析整个岩心内部的裂缝存在和分布情況，并没有得到岩心内部的真实结构。从上世纪90年代末至今，随着计算机图象处理手段的日益成熟，对岩心裂缝的识别从数值模拟计算阶段走向图象识别阶段。现在石油地质研究部门广泛使用计算机层析成像技木，即又称计算机断层扫描、CT,通过CT机对可能含有裂缝的岩心进行扫描，得到岩心CT序列图像，就可以在无损岩心的情况下利用上述所述岩心CT序列图像观察、分析该岩心内部的真实结构。裂缝、孔隙和岩石等不同物质在岩心CT序列图像上的特征存在差异，根据图像分割算法可提取裂缝和孔隙，再根据形态特征识别出岩心中的裂缝，不仅可以分析岩心表面上的裂缝，而且可以深入岩心内部观察其裂缝在不同层面的变化情況。王任一，敖先鋒(基于图像处理技术的岩心裂缝图像提取.新疆地质，2006, (04).)等利用最大类间方差法的ニ值化算法从岩心剖面提取裂缝；高超，王正勇(基于Beamlet的岩心裂缝提取算法.信息与电子工程，2010，(02).)提出一种基于多尺度Beamlet变换的岩心裂缝图像提取算法；喻继业(岩心CT序列图像处理的若干问题研究,四川大学学位论文数据库，2011)提出基于相位一致算法来提取裂縫。但是，上述方法有的是分析岩心表面图像，有的是孤立地分析每ー张岩心CT序列图像来识别其裂缝，仅仅利用了岩心ニ维图像信息，而没有将所有的CT序列图结合到一起分析，忽略了岩心裂缝在不同的两张或两张以上的岩心CT序列图像之间的连通信息，于是很容易将ニ维图像中成狭长线条状、在三维数据场中只是相互孤立而不连通的孔隙或者随机噪声误判为裂缝，或者将ニ维图像中呈近圆形、在三维数据场中应该是裂缝的一部分的目标误判为不是裂縫，这样往往导致岩心裂缝的识别结果出现偏差。因此本专利技术的目的就是提供ー种方法，可以准确、快速的识别岩心裂縫。
技术实现思路
本专利技术的目的正是在于克服现有技术中所存在的缺陷和不足，提供ー种可快速、准确地识别出岩心裂缝的。该方法是先使用CT机扫描待处理的岩心，得到岩心CT序列图像；再根据移动立方体(Marching Cubes, MC)算法对获取的岩心CT序列图像进行三维图像重建；然后利用裂缝、孔隙和岩石等不同物质在岩心CT序列图像上的特征存在的差异，通过一系列的计算、获取和筛选过程，从而达到识别岩心裂缝的目的。为实现上述目的，本专利技术采用以下的技术方案来实现的。本专利技术，其专利技术要点主要是将扫描得到的岩心CT序列图像进行三维图像重建，并在重建的三维图像中进行裂缝识别和计算，其 基本原理如下在CT岩心序列图像中除了含有岩石、裂缝和孔隙信息以外，还不可避免地包含大量的随机噪声。其中，岩石的特征是灰度级较低；孔隙的特征是灰度级很高，一般表现为不规则的多边形、椭圆形、近似圆形；虽然裂缝的灰度级也很高，但它是岩石结构失去连续性的ー个平面，所以与孔隙不同，它在ニ维图像中呈狭长线条状或者树枝型分布。而随机噪声则没有固定的灰度级，在ニ维图像中一般具有面积小，离散分布等特点。为了从岩心CT序列图像中获取定量信息，ー个重要的步骤就是要对岩心CT序列图像进行分割，以期从实际的岩心CT序列图像中分离出孔隙目标和裂縫目标。但基于灰度信息的分割算法不可避免会将图像噪声同时提取出来。目前的方法常常根据孔隙和随机噪声与裂缝在ニ维图像中形态上的不同来进行区分。然而，ニ维图像中呈狭长线条状的目标，在实际的三维数据场里很可能只是相互孤立而不连通的孔隙或者随机噪声，所以它不是裂縫。所述近似圆形的目标在三维数据场里也很可能是裂缝的一部分。因此，孤立地分析每ー张岩心CT序列图像来识别裂缝很可能出现偏差甚至错误。所述裂缝和孔隙在三维数据场里形态特征相差较大，同吋，通过观察岩心CT序列图像得知，对于真正的噪声，则其在不同的两张或两张以上的岩心CT序列图像之间不具有连续性；对于裂缝，虽然从ニ维图像上看是孤立的目标点，但在不同的两张或两张以上的岩心CT序列图像之间有很大概率是互连的。因此，本专利技术根据裂缝、孔隙和随机噪声在三维数据场里形态特征的差异来进行岩心裂缝识别。即使用CT机扫描待处理的岩心，得到岩心CT序列图像并存储在计算机中，通过移动立方体(Marching Cubes)算法进行三维图像重建。在三维图像重建构成的三维数据场中得到ー个或者ー个以上的目标。所述三维数据场中的各个目标包含了岩心内部的裂缝、孔隙和随机噪声的信息。本专利技术，其特征在于依次包括以下具体操作步骤步骤I :使用CT机扫描待处理的岩心，得到岩心CT序列图像并存储在计算机中；步骤2 :使用岩心三维图像裂缝识别软件读入步骤I扫描好的岩心CT序列图像，并利用移动立方体算法对岩心CT序列图像进行三维图像重建，在三维图像重建构成的三维数据场中得到ー个或者ー个以上的目标；步骤3 :扫描步骤2中三维图像重建得到的每ー个目标，获得每ー个目标的基本形态參数，包括目标体积、目标表面积；计算每一个目标的三维形状因子F的值，F与所述目标体积和目标表面积的关系式为下式 36^'；..= -~⑴其中，Vp为目标体积，Sp为目标表面积，根据公式(I)计算出每ー个目标的F的值；再对F值进行筛选，若满足F〈0. 05，说明该目标呈面状分布，保留该面状目标，否则说明该目标非面状目标，则删除该非面状目标；步骤4 :扫描步骤3中保留的每ー个面状目标，获取每ー个面状目标的最小外接球 PP 半径Rmin与等效球半径Re,，计算最小外接球半径与等效球半径的比值ず1·，根据f的比值再进行筛选，若满足f>3，说明该面状目标同时具备延展性，则保留该具备延展性的面状目标，否则说明该面状目标不具备延展性，则删除该不具备延展性的面状目标；步骤5 :计算步骤4中保留的每ー个具备延展性的面状目标的近似最小外接长方体的长、宽、高，对长、宽和高两两之间进行比较，得到它们之中的最长边Dmax和最短边Dmin,根据%"的比值进行筛选，若满足f 说明该具有延展性的面状目标为裂缝，将其作为识别出的裂缝保留，如果该具有延展性的面状目标不满足所述条件，说明该具有延展性的面状目标不是裂縫，则删除该面状目标。本专利技术步骤2中所述的移动立方体(Marching Cubes)算法，是面绘制算法中的经典算法，它也被称为等值面提取(Isosu本文档来自技高网...
【技术保护点】
一种基于三维图像信息处理的岩心裂缝的识别方法，其特征在于依次包括以下具体操作步骤：步骤1：使用CT机扫描待处理的岩心，得到岩心CT序列图像并存储在计算机中；步骤2：使用岩心三维图像裂缝识别软件读入步骤1扫描好的岩心CT序列图像，并利用移动立方体算法对岩心CT序列图像进行三维图像重建，在三维图像重建构成的三维数据场中得到一个或者一个以上的目标；步骤3：扫描步骤2中三维图像重建得到的每一个目标，获得每一个目标的基本形态参数，包括目标体积、目标表面积；计算每一个目标的三维形状因子F的值，F与所述目标体积和目标表面积的关系式为下式：F=36πVpSp---(1)其中，Vp为目标体积，Sp为目标表面积，根据公式（1）计算出每一个目标的F的值；再对F值进行筛选，若满足F<0.05,说明该目标呈面状分布，保留该面状目标，否则说明该目标非面状目标，则删除该非面状目标；步骤4：扫描步骤3中保留的每一个面状目标，获取每一个面状目标的最小外接球半径Rmin与等效球半径Req，计算最小外接球半径与等效球半径的比值根据的比值再进行筛选，若满足说明该面状目标同时具备延展性，则保留该具备延展性的面状目标，否则说明该面状目标不具备延展性，则删除该不具备延展性的面状目标；步骤5：计算步骤4中保留的每一个具备延展性的面状目标的近似最小外接长方体的长、宽、高，对长、宽和高两两之间进行比较，得到它们之中的最长边Dmax和最短边Dmin，根据的比值进行筛选，若满足说明该具有延展性的面状目标为裂缝，将其作为识别出的裂缝保留，如果该具有延展性的面状目标不满足所述条件，说明该具有延展性的面状目标不是裂缝，则删除该面状目标。FDA00002079130500012.jpg,FDA00002079130500013.jpg,FDA00002079130500014.jpg,FDA00002079130500015.jpg,FDA00002079130500016.jpg...
【技术特征摘要】
【专利技术属性】
技术研发人员：滕奇志，何小海，邓知秋，杨晓敏，李杰，
申请(专利权)人：四川大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。