專利名稱：一種巖石種類的識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明提出了一種巖石種類的識(shí)別方法，可以應(yīng)用于石油勘探、FMI圖像處理、智 能測(cè)井儀器研制等領(lǐng)域。
背景技術(shù)：
隨著油氣勘探對(duì)象的日益復(fù)雜，在很多情況下利用傳統(tǒng)測(cè)井方法會(huì)存在對(duì)探井有 效層難以識(shí)別、儲(chǔ)量參數(shù)探測(cè)精度不高等問題，嚴(yán)重影響了油氣儲(chǔ)量的客觀評(píng)價(jià)。FMI成像 技術(shù)不僅提供了裂縫型油藏豐富的地質(zhì)信息，而且能夠用于裂縫型儲(chǔ)層的定性識(shí)別和定量 解釋，為儲(chǔ)層的客觀評(píng)價(jià)提供了有效的手段。FMI (Formation Microresistivity Imager，微電阻率掃描成像)測(cè)井技術(shù)，就是 利用電極向井壁地層發(fā)射電流，然后對(duì)該電流進(jìn)行測(cè)量、處理，形成彩色或灰度等級(jí)的圖 像，最后根據(jù)電流、電阻率、及圖像顏色之間的關(guān)系，獲得井壁的有效信息。由于電極接觸的 巖石成分、結(jié)構(gòu)及所含的流體不同，由此引起電流的變化，而電流的變化間接反映出井壁各 處的巖石電阻率的變化，即可以根據(jù)地層中巖性和地質(zhì)特征表現(xiàn)出的不同的電阻率，確定 地層巖性和地質(zhì)特征。電阻率差異越大，圖像的反映越明顯高電阻率巖性對(duì)應(yīng)淺色圖像； 低電阻率的巖性和充滿鉆井液的裂縫對(duì)應(yīng)深色圖像。因此，F(xiàn)MI測(cè)井技術(shù)能夠?qū)仓車?地層介質(zhì)直觀、清晰、高分辨率地成像，有助于解決當(dāng)前測(cè)井技術(shù)面臨的三大地質(zhì)難題沙 泥巖薄互層、儲(chǔ)層的有效劃分，裂縫性油藏的裂縫和儲(chǔ)集性能分析，復(fù)雜巖性油藏的參數(shù)評(píng) 價(jià)。但是，目前我國對(duì)FMI成像資料的處理還停留在人工識(shí)別的層面，不僅工作量大、 效率低下，而且受到識(shí)別人員知識(shí)、經(jīng)驗(yàn)的限制，主觀性大，特別是在缺乏大量具備專業(yè)知 識(shí)和一定經(jīng)驗(yàn)的地質(zhì)工作者的單位，該技術(shù)更是無法發(fā)揮其優(yōu)勢(shì)，這無疑大大制約了該技 術(shù)的推廣和應(yīng)用。因此，研究高效智能化的FMI圖像識(shí)別系統(tǒng)對(duì)推動(dòng)我國石油勘探工作具 有重要的意義。其中識(shí)別系統(tǒng)的巖石分類標(biāo)準(zhǔn)是由地質(zhì)工作者根據(jù)巖石圖像的結(jié)構(gòu)、顏色 等特征人為規(guī)定的，即將巖石分為6類熔結(jié)集塊巖、熔巖、凝灰?guī)r、角礫凝灰?guī)r、火山角礫 巖、熔蝕角礫巖。然而，由于FMI圖像所含信息量大，顏色、紋理、形狀特征不明顯，加之巖石 種類之間存在一定的相似性，如凝灰?guī)r和凝灰角礪巖等，為FMI圖像的智能識(shí)別帶來了極 大的困難。雖然，目前數(shù)字圖像處理技術(shù)得到了迅速的發(fā)展，取得了許多重要的成果，但是 該技術(shù)在巖石圖像特征提取、智能識(shí)別方面研究較少。因此，如何提取FMI圖像的有效特 征，合理表達(dá)不同巖石種類之間的區(qū)別，是研制高效智能化的FMI圖像識(shí)別系統(tǒng)的關(guān)鍵內(nèi) 容和重要組成部分，也為該領(lǐng)域的研究提供了新的方法和技術(shù)。參考文獻(xiàn)(1)楊長春，許大華，遲秀榮.微電阻率掃描成像測(cè)井方法應(yīng)用及發(fā)展前景.地球 物理學(xué)進(jìn)展，2005，20 (2) 357-364.(2)葉志紅，陸江蓮，施興建.微電阻率掃描成像測(cè)井在火成巖巖性識(shí)別中的應(yīng) 用.國外測(cè)井技術(shù)，2009，173:15-16.
(3)陳永強(qiáng)，陸安生，胡漢平.基于分形的圖像分析方法綜述.計(jì)算機(jī)工程與設(shè)計(jì)， 2005,26(7) 1781-1783.(4)郝敏，麻碩士 .盒維數(shù)在圖像處理中的應(yīng)用.第二屆國際計(jì)算機(jī)及計(jì)算技術(shù)在 農(nóng)業(yè)中的應(yīng)用研討會(huì)，2008，24-27.

發(fā)明內(nèi)容
本發(fā)明提出了一種巖石種類的識(shí)別方法，以解決現(xiàn)有技術(shù)中存在的以下技術(shù)問 題FMI圖像所含的信息量大，顏色特征、紋理特征、形狀特征不明顯，巖石種類之間存在一 定的相似性，難以表達(dá)不同巖石種類之間的區(qū)別等。為解決上述技術(shù)問題，本發(fā)明所述的巖石種類的識(shí)別方法，包括以下步驟(1. 1)對(duì)待識(shí)別巖石的FMI彩色圖像A進(jìn)行濾波、去噪、平滑預(yù)處理，并將所述FMI 彩色圖像A轉(zhuǎn)換化為FMI灰度圖像B ；(1. 2)根據(jù)巖石FMI灰度圖像所共有的黑色區(qū)域、白色區(qū)域和中間過渡色區(qū)域分 三個(gè)灰度值區(qū)間聚集的特點(diǎn)，設(shè)定對(duì)所述FMI灰度圖像B進(jìn)行Carmy邊緣檢測(cè)用的三個(gè)閾 值 θ^ 92和 θ3;(1.3)將所述閾值θ” 02和θ3分別與Carmy算子結(jié)合，對(duì)所述FMI灰度圖像B 重復(fù)進(jìn)行三次Carmy邊緣檢測(cè)，從而得到三種邊緣檢測(cè)圖像Q、C2和C3 ；(1. 4)根據(jù)所述邊緣檢測(cè)圖像CpC2和C3，利用盒維數(shù)特征計(jì)算方法求取所述待識(shí) 別巖石的三種盒維數(shù)特征；(1. 5)將獲得的所述待識(shí)別巖石的所述盒維數(shù)特征與訓(xùn)練集中的多種已知種類巖 石樣本的盒維數(shù)特征值進(jìn)行比較，利用最近鄰分類器對(duì)所述待識(shí)別巖石的種類進(jìn)行識(shí)別。此外，根據(jù)本發(fā)明所述的巖石種類的識(shí)別方法，所述閾值θ” 02和03的設(shè)定方 法包括以下步驟(2. 1)從具有M幅FMI彩色圖像的圖像庫中隨機(jī)選擇一幅FMI彩色圖像D，并將該 FMI彩色圖像D轉(zhuǎn)化為FMI灰度圖像E ；(2. 2)將所述FMI灰度圖像E轉(zhuǎn)化為直方圖，其中橫坐標(biāo)是灰度值，范圍為0 255，縱坐標(biāo)為在所述FMI灰度圖像E中各灰度值出現(xiàn)的概率；(2. 3)以所述直方圖在橫坐標(biāo)軸上最左側(cè)的點(diǎn)Ph1為起點(diǎn)，沿橫坐標(biāo)軸對(duì)所述 FMI灰度圖像E的灰度值進(jìn)行聚集，其中，點(diǎn)Pi為所述直方圖橫坐標(biāo)軸上的相應(yīng)灰度值概率 不為0的點(diǎn)，設(shè)定δ為灰度值聚集的閾值區(qū)間，且15 < δ <30，當(dāng)所述直方圖在橫坐標(biāo) 軸上的點(diǎn)Pi = 2與點(diǎn)Pi =工的灰度值滿足Pi+1 < Pi+ δ的關(guān)系時(shí)，保存點(diǎn)Pi =工和Pi = 2的灰度 值；如果不滿足上述關(guān)系，則不保存點(diǎn)Ph1和Pi = 2的灰度值，而令i = i+Ι，重新進(jìn)行上述 比較，直至所述直方圖在橫坐標(biāo)軸上最右側(cè)的點(diǎn)Pi,同時(shí)，將連續(xù)保存3個(gè)以上點(diǎn)Pi的灰度 值區(qū)間記為一個(gè)聚集區(qū)間，得到黑色、中間過渡色和白色三個(gè)聚集區(qū)間，并將所述三個(gè)聚集 區(qū)間沿橫坐標(biāo)軸的順序依次排列保存；(2. 4)重復(fù)步驟(2. 1) (2. 3)，直至對(duì)所述圖像庫中的所述M幅FMI彩色圖像都 進(jìn)行灰度值聚集；(2. 5)對(duì)每一幅所述FMI灰度圖像E的所述三個(gè)聚集區(qū)間的灰度值分別求和，以求 取所述三個(gè)聚集區(qū)間各自的灰度平均值，然后，對(duì)M幅所述FMI灰度圖像E的相同聚集區(qū)間的灰度平均值相加，求取該聚集區(qū)間的總體灰度平均值，該總體灰度平均值即為該聚集區(qū) 間的邊緣檢測(cè)閾值。根據(jù)本發(fā)明所述的巖石種類的識(shí)別方法，所述盒維數(shù)特征計(jì)算方法包括以下步 驟(3.1)針對(duì)所述邊緣檢測(cè)圖像Cp(2和(3，從k= 1開始，用kXk像素大小的矩陣 覆蓋所述邊緣檢測(cè)圖像CpC2和C3,然后統(tǒng)計(jì)穿過該圖像中的巖石邊緣的矩陣的個(gè)數(shù)Nk，然 后令k = k+Ι，重新覆蓋所述邊緣檢測(cè)圖像Q、C2和C3，直到k的值等于該邊緣檢測(cè)圖像的 最短邊的長度h，分別記錄所述邊緣檢測(cè)圖像Q、C2和C3中的每一幅的所有k和Nk的值；(3. 2)用最小二乘法對(duì)所述邊緣檢測(cè)圖像CpC2和C3中的每一幅的所有k和Nk的 值進(jìn)行取對(duì)數(shù)曲線擬合，擬合后的曲線為lnNk = alnk+b，該直線的負(fù)斜率-a即為所述FMI 彩色圖像的盒維數(shù)特征值。根據(jù)本發(fā)明所述的巖石種類的識(shí)別方法，所述最近鄰分類器是在多種已知種類巖 石樣本訓(xùn)練集中找到盒維數(shù)特征值與待識(shí)別巖石的所述盒維數(shù)特征值之間的距離最小的 樣本，從而將該樣本的所述種類作為所述待識(shí)別巖石的所屬種類。采用所述最近鄰分類器進(jìn)行巖石種類識(shí)別的具體方法為在m個(gè)巖石種類ω” ω2，…，ωω中，每類設(shè)置N個(gè)FMI彩色圖像樣本作為訓(xùn)練集，首先，根據(jù)公式(1)，將所述待 識(shí)別巖石的所述盒維數(shù)特征值分別與所述每類的所述N個(gè)FMI彩色圖像樣本的盒維數(shù)特征 值進(jìn)行比較，以從所述每類的所述N個(gè)FMI彩色圖像樣本中獲得盒維數(shù)特征值的距離的最 小值
權(quán)利要求
一種巖石種類的識(shí)別方法，包括以下步驟(1.1)對(duì)待識(shí)別巖石的FMI彩色圖像A進(jìn)行濾波、去噪、平滑預(yù)處理，并將所述FMI彩色圖像A轉(zhuǎn)換化為FMI灰度圖像B；(1.2)根據(jù)巖石FMI灰度圖像所共有的黑色區(qū)域、白色區(qū)域和中間過渡色區(qū)域分三個(gè)灰度值區(qū)間聚集的特點(diǎn)，設(shè)定對(duì)所述FMI灰度圖像B進(jìn)行Canny邊緣檢測(cè)用的三個(gè)閾值θ1、θ2和θ3；(1.3)將所述閾值θ1、θ2和θ3分別與Canny算子結(jié)合，對(duì)所述FMI灰度圖像B重復(fù)進(jìn)行三次Canny邊緣檢測(cè)，從而得到三種邊緣檢測(cè)圖像C1、C2和C3；(1.4)根據(jù)所述邊緣檢測(cè)圖像C1、C2和C3，利用盒維數(shù)特征計(jì)算方法求取所述待識(shí)別巖石的三種盒維數(shù)特征；(1.5)將獲得的所述待識(shí)別巖石的所述盒維數(shù)特征與訓(xùn)練集中的已知種類巖石樣本的盒維數(shù)特征值進(jìn)行比較，利用最近鄰分類器對(duì)所述待識(shí)別巖石的種類進(jìn)行識(shí)別。
2.根據(jù)權(quán)利要求1所述的巖石種類的識(shí)別方法，其特征在于，所述閾值θ”02和θ3 的設(shè)定方法包括以下步驟(2. 1)從具有M幅FMI彩色圖像的圖像庫中隨機(jī)選擇一幅FMI彩色圖像D，并將該FMI 彩色圖像D轉(zhuǎn)化為FMI灰度圖像E ；(2. 2)將所述FMI灰度圖像E轉(zhuǎn)化為直方圖，其中橫坐標(biāo)為灰度值，范圍為0 255，縱 坐標(biāo)為在所述FMI灰度圖像E中各灰度值出現(xiàn)的概率；(2. 3)以所述直方圖在橫坐標(biāo)軸上最左側(cè)的點(diǎn)Pi = ！為起點(diǎn)，沿橫坐標(biāo)軸對(duì)所述FMI灰 度圖像E的灰度值進(jìn)行聚集，其中，點(diǎn)Pi為所述直方圖橫坐標(biāo)軸上的相應(yīng)灰度值概率不為 0的點(diǎn)，設(shè)定δ為灰度值聚集的閾值區(qū)間，且15 < δ <30，當(dāng)所述直方圖在橫坐標(biāo)軸上的 點(diǎn)Pi = 2與點(diǎn)Pi =工的灰度值滿足Pi+1 < Pi+ δ的關(guān)系時(shí)，保存點(diǎn)Pi =工和Pi = 2的灰度值；如 果不滿足上述關(guān)系，則不保存點(diǎn)Ph1和Pi = 2的灰度值，而令i = i+Ι，重新進(jìn)行上述比較， 直至所述直方圖在橫坐標(biāo)軸上最右側(cè)的點(diǎn)Pi,同時(shí)，將連續(xù)保存3個(gè)以上點(diǎn)Pi的灰度值區(qū) 間記為一個(gè)聚集區(qū)間，得到黑色、中間過渡色和白色三個(gè)聚集區(qū)間，并將所述三個(gè)聚集區(qū)間 沿橫坐標(biāo)軸的順序依次排列保存；(2. 4)重復(fù)步驟(2. 1) (2. 3)，直至對(duì)所述圖像庫中的所述M幅FMI彩色圖像都進(jìn)行 灰度值聚集；(2. 5)對(duì)每一幅所述FMI灰度圖像E的所述三個(gè)聚集區(qū)間的灰度值分別求和，以求取所 述三個(gè)聚集區(qū)間各自的灰度平均值，然后，對(duì)M幅所述FMI灰度圖像E的相同聚集區(qū)間的灰 度平均值相加，以求取該聚集區(qū)間的總體灰度平均值，該總體灰度平均值即為該聚集區(qū)間 的邊緣檢測(cè)閾值。
3.根據(jù)權(quán)利要求1所述的巖石種類的識(shí)別方法，其特征在于，所述盒維數(shù)特征計(jì)算方 法包括以下步驟(3. 1)針對(duì)所述邊緣檢測(cè)圖像CpC2和C3，從k = 1開始，用kXk像素大小的矩陣覆蓋 所述邊緣檢測(cè)圖像CpC2和C3,然后統(tǒng)計(jì)穿過該圖像中的巖石邊緣的矩陣的個(gè)數(shù)Nk，然后令 k = k+Ι，重新覆蓋所述邊緣檢測(cè)圖像CpC2和C3,直到k的值等于該邊緣檢測(cè)圖像的最短邊 的長度h為止，分別記錄所述邊緣檢測(cè)圖像Q、C2和C3中的每一幅的所有k和Nk的值； (3. 2)用最小二乘法對(duì)所述邊緣檢測(cè)圖像CpC2和C3中的每一幅的所有k和Nk的值進(jìn)行取對(duì)數(shù)曲線擬合，擬合后的曲線為=InNk = alnk+b，該直線的負(fù)斜率-a即為所述FMI彩 色圖像的盒維數(shù)特征值。
4.根據(jù)權(quán)利要求1所述的巖石種類的識(shí)別方法，其特征在于，所述最近鄰分類器是在 多種已知種類巖石樣本訓(xùn)練集中找到盒維數(shù)特征值與所述待識(shí)別巖石的所述盒維數(shù)特征 值之間的距離最小的樣本，從而將該樣本的所屬種類作為待識(shí)別巖石的所屬種類。
5.根據(jù)權(quán)利要求4所述的巖石種類的識(shí)別方法，其特征在于，采用所述最近鄰分類器 進(jìn)行巖石種類識(shí)別的具體方法為在m個(gè)巖石種類ω” ω2，…，ωω中，每類設(shè)置N個(gè)FMI彩色圖像樣本作為訓(xùn)練集，首 先，根據(jù)公式(1)，將所述待識(shí)別巖石的所述盒維數(shù)特征值分別與所述每類的所述N個(gè)FMI 彩色圖像樣本的盒維數(shù)特征值進(jìn)行比較，以從所述每類的所述N個(gè)FMI彩色圖像樣本中獲 得盒維數(shù)特征值的距離的最小值；
6.根據(jù)權(quán)利要求5所述的巖石種類的識(shí)別方法，其特征在于，當(dāng)出現(xiàn)多個(gè)最終最小值 時(shí)，即，獲得不止一個(gè)&(χ)時(shí)，則將多個(gè)所對(duì)應(yīng)的巖石種類中的任一種作為待識(shí)別巖 石的種類。
全文摘要
本發(fā)明提供一種巖石種類的識(shí)別方法，包括以下步驟(1)對(duì)待識(shí)別巖石的FMI彩色圖像進(jìn)行預(yù)處理，并將其轉(zhuǎn)換化為FMI灰度圖像；(2)設(shè)定對(duì)FMI灰度圖像進(jìn)行Canny邊緣檢測(cè)用的三個(gè)閾值；(3)以三個(gè)閾值對(duì)FMI灰度圖像進(jìn)行三次Canny邊緣檢測(cè)；(4)利用盒維數(shù)特征計(jì)算方法求取待識(shí)別巖石的三種盒維數(shù)特征；(5)根據(jù)所求得的待識(shí)別巖石的盒維數(shù)特征，利用最近鄰分類器對(duì)待識(shí)別巖石的種類進(jìn)行識(shí)別。該方法為FMI圖像的智能識(shí)別鑒定了基礎(chǔ)，推進(jìn)了高效智能化的FMI圖像識(shí)別系統(tǒng)的研究，間接促進(jìn)了FMI測(cè)井技術(shù)的普及與推廣?？蓮V泛的應(yīng)用于石油勘探、FMI圖像處理、智能測(cè)井儀器研制等方面。
文檔編號(hào)G06K9/00GK101950359SQ20101029904
公開日2011年1月19日 申請(qǐng)日期2010年10月8日 優(yōu)先權(quán)日2010年10月8日
發(fā)明者殷緒成, 王志彬, 邱曉寧, 郝紅衛(wèi) 申請(qǐng)人:郝紅衛(wèi);王志彬;殷緒成