基于巖心二維顆粒圖像的三維顆粒結(jié)構(gòu)重建方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于二維圖像的三維建模方法，尤其涉及一種基于巖心二維顆粒 圖像的三維顆粒結(jié)構(gòu)重建方法，屬于三維圖像重建技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 在石油地質(zhì)研究中，巖心三維微觀結(jié)構(gòu)是研究巖心宏觀物理特性的基礎(chǔ)。以巖心 二維顆粒圖像為基礎(chǔ)進(jìn)行巖心三維顆粒結(jié)構(gòu)的重建，是獲取巖心三維顆粒結(jié)構(gòu)信息的主要 手段之一。目前，基于巖心二維圖像重建與其對應(yīng)的三維結(jié)構(gòu)的方法，大多側(cè)重于孔隙的三 維重建，而對巖心中礦物顆粒的三維空間分布的研究相對較少。在目前缺少對巖心三維顆 粒微觀結(jié)構(gòu)研究的情況下，研究者基于巖心二維顆粒圖像的三維顆粒結(jié)構(gòu)重建，重建的三 維顆粒微觀結(jié)構(gòu)為真實(shí)巖心微觀結(jié)構(gòu)提供了一個(gè)很好的解釋。目前對巖心二維顆粒圖像重 建與其對應(yīng)的三維顆粒結(jié)構(gòu)的重建算法主要有基于過程的重建算法和最大熵原理重建算 法等。
[0003] 所述基于過程的重建算法的基本思想是模擬巖心的沉積過程。用該方法構(gòu)建巖心 三維顆粒結(jié)構(gòu)主要包括三個(gè)過程：顆粒沉積過程、壓實(shí)過程和成巖過程。在構(gòu)建數(shù)字巖心 三維顆粒結(jié)構(gòu)過程中，假定巖心顆粒粒徑分布滿足正態(tài)分布，且?guī)r心顆粒形狀均為球形。此 時(shí)，顆粒在沉積過程中遵循重力勢能最小原理，主要利用下降與滾動(dòng)算法確定三維數(shù)字巖 心中每一巖心顆粒球心的穩(wěn)定位置；然后將所有沉積巖心顆粒向下移動(dòng)來模擬巖心的壓實(shí) 和顆粒重排過程；最后模擬巖心礦物的地質(zhì)形成過程，在成巖過程模擬中，考慮了石英膠結(jié) 質(zhì)的生長和粘土物質(zhì)的填充作用。
[0004] 1984年美國電氣工程師C. E. Shannon在其《通信的數(shù)學(xué)理論》一文中首次提到了 信息熵的概念，把熵作為一個(gè)隨機(jī)事件的"不確定性或信息量的度量。"而最大熵算法是一 種選擇隨機(jī)變量統(tǒng)計(jì)特性最符合客觀情況的準(zhǔn)則，在這種情況下，概率分布最均勻，預(yù)測的 風(fēng)險(xiǎn)最小。因?yàn)檫@時(shí)概率分布的信息熵最大，所以人們稱這種算法叫"最大熵算法"。所述最 大熵原理重建算法構(gòu)建微觀結(jié)構(gòu)的核心思想是把微觀結(jié)構(gòu)看成隨機(jī)場并利用最大熵原理 構(gòu)造隨機(jī)場的概率分布函數(shù)，即在已知二維圖像隨機(jī)場的概率分布函數(shù)的狀況下估計(jì)重建 三維結(jié)構(gòu)最大可能的概率分布，使重建三維結(jié)構(gòu)的概率分布函數(shù)接近原始二維圖像的微觀 結(jié)構(gòu)；并能夠?qū)⑷我舛嗟母怕市畔⒉⑷氲街亟ê蟮奈⒂^結(jié)構(gòu)模型中，為匹配目標(biāo)提供最優(yōu) 選擇是最大熵原理重建算法的優(yōu)點(diǎn)。但其最大缺點(diǎn)是需要大規(guī)模的計(jì)算，因此重建微觀三 維顆粒結(jié)構(gòu)非常耗時(shí)且所重建效果并不理想。應(yīng)用最大熵原理研究微觀結(jié)構(gòu)的重建主要是 針對平面微觀結(jié)構(gòu)，而目前基于最大熵原理的巖心三維顆粒結(jié)構(gòu)重建工作未見報(bào)道。因此， 如何解決這一問題，是所屬技術(shù)領(lǐng)域科技工作者面臨急待解決的問題?；诖耍菊n題組潛 心研究，提出一種基于巖心二維顆粒圖像的三維顆粒結(jié)構(gòu)重建方法；該研究項(xiàng)目受國家自 然科學(xué)基金項(xiàng)目《巖石微觀非均質(zhì)結(jié)構(gòu)三維圖像重建及分辨率提升技術(shù)研究》（61372174) 資助。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于為了解決上述現(xiàn)有技術(shù)中所存在的技術(shù)問題，而提供一種基于 巖心二維顆粒圖像的三維顆粒結(jié)構(gòu)重建方法。該方法是基于巖心二維圖像的三維建模問 題，利用二維顆粒圖像中所包含的礦物顆粒信息，推斷與二維礦物顆粒結(jié)構(gòu)信息相對應(yīng)的 三維顆粒結(jié)構(gòu)信息，采用重建算法，使重建的三維顆粒結(jié)構(gòu)與二維顆粒結(jié)構(gòu)參考圖像具有 相似的形態(tài)分布。
[0006] 本發(fā)明是通過以下技術(shù)方案來實(shí)現(xiàn)上述發(fā)明目的的。
[0007] 本發(fā)明提供的一種基于巖心二維顆粒圖像的三維顆粒結(jié)構(gòu)重建方法，包括以下步 驟：
[0008] (1)提取原始巖心二維顆粒圖像中礦物顆粒的個(gè)數(shù)，對不同礦物顆粒賦予不同的 灰度級，將處于不同灰度級的礦物顆粒進(jìn)行標(biāo)號，以區(qū)分出不同的顆粒；
[0009] (2)統(tǒng)計(jì)步驟⑴提取的巖心二維顆粒圖像中每個(gè)礦物顆粒的面積；采用遍歷整 幅巖心二維顆粒圖像，用計(jì)算機(jī)記錄每個(gè)礦物顆粒標(biāo)號下二維礦物顆粒像素值的個(gè)數(shù)，BP 統(tǒng)計(jì)出巖心二維礦物顆粒的面積；
[0010] (3)將步驟（2)統(tǒng)計(jì)出的每個(gè)礦物顆粒的面積，按其大小給出二維礦物顆粒面積 分布直方圖；
[0011] (4)對步驟（3)給出的每個(gè)二維礦物顆粒面積分布直方圖區(qū)間的二維礦物顆粒， 采用第一階段模擬退火算法來預(yù)測其直方圖區(qū)間中每個(gè)巖心二維礦物顆粒的三維顆粒結(jié) 構(gòu)；
[0012] (5)將步驟（4)預(yù)測的每個(gè)巖心二維礦物顆粒的三維顆粒結(jié)構(gòu)放入重建的三維空 間中；整個(gè)重建過程當(dāng)滿足預(yù)測終止條件時(shí)結(jié)束，即獲得每個(gè)巖心二維礦物顆粒的三維顆 粒結(jié)構(gòu)；
[0013] (6)對步驟（5)在第一階段預(yù)測重建所得每個(gè)巖心二維礦物顆粒三維結(jié)構(gòu)的基礎(chǔ) 上采用第二階段顆粒生長算法預(yù)測重建，即在余下的未被顆粒占據(jù)的空間中，應(yīng)用顆粒生 長算法模擬巖心顆粒的生長過程，整個(gè)生長過程直到滿足預(yù)測終止條件時(shí)結(jié)束，即完成巖 心二維顆粒圖像的三維顆粒結(jié)構(gòu)重建。
[0014] 上述方案中，步驟（3)中所述統(tǒng)計(jì)出的每個(gè)礦物顆粒的面積，按其大小給出二維 礦物顆粒面積分布直方圖，即找出其中的最大面積和最小面積，通過最大面積與最小面積 的差值除以10,即將二維礦物顆粒面積分成10等份，計(jì)算出二維礦物顆粒面積分布直方圖 每個(gè)區(qū)間的大小，再將每個(gè)顆粒按其面積大小存放到不同的各區(qū)間中。
[0015] 上述方案中，步驟（4)中所述通過第一階段模擬退火算法預(yù)測直方圖區(qū)間中每個(gè) 巖心二維礦物顆粒的三維顆粒結(jié)構(gòu)時(shí)，首先提取該巖心二維礦物顆粒，然后在三維空間中 以該巖心二維礦物顆粒所占的體積分?jǐn)?shù)隨機(jī)布點(diǎn)作為初始結(jié)構(gòu)，并以巖心二維礦物顆粒的 兩點(diǎn)概率函數(shù)作為重建約束條件，預(yù)測三維顆粒結(jié)構(gòu)。
[0016] 上述方案中，步驟（5)中所述將預(yù)測的巖心二維礦物顆粒的三維顆粒結(jié)構(gòu)放入重 建的三維空間中，是在重建每一個(gè)三維顆粒后，在存儲顆粒的三維空間中隨機(jī)尋找沒有被 顆粒占據(jù)且能夠完整存放三維顆粒的空間點(diǎn)放置重建的三維顆粒；當(dāng)重建三維顆粒結(jié)構(gòu)的 直方圖與二維顆粒圖像相匹配或重建三維顆粒結(jié)構(gòu)占整個(gè)三維空間的百分比與二維顆粒 圖像相同時(shí)，重建達(dá)到終止條件。
[0017] 上述方案中，步驟（6)中所述的第二階段顆粒生長算法是在步驟（5)中重建結(jié)束 后，在余下的三維空間中，隨機(jī)選取一個(gè)沒有被礦物顆粒占據(jù)的空間點(diǎn)作為礦物顆粒生長 核，以該生長核為中心向其18鄰域生長；該生長核生長后的結(jié)構(gòu)作為新的礦物顆粒生長 核，重復(fù)上述過程，直到重建三維顆粒結(jié)構(gòu)的直方圖與二維顆粒圖像相匹配，或重建三維顆 粒結(jié)構(gòu)占整個(gè)三維空間的百分比與二維顆粒圖像相同時(shí)，重建即結(jié)束。
[0018] 上述方案中，所述步驟(6)中所述的顆粒生長算法，是在顆粒生長過程中，如果生 長的顆粒和其他顆粒結(jié)構(gòu)相接觸則停止該方向上顆粒的生長，完成一個(gè)顆粒的生長之后， 隨機(jī)再選取一個(gè)沒有被礦物顆粒占據(jù)的空間點(diǎn)作為新的顆粒生長核，重復(fù)上述過程，直到 顆粒生長的體積與預(yù)測的顆粒結(jié)構(gòu)的體積相同為止，即完成所述三維顆粒結(jié)構(gòu)的預(yù)測。
[0019] 上述方案中，所述以生長核為中心向其18鄰域生長，它的最近鄰域?yàn)?鄰域和12 次近鄰，其生長概率的比值為4:1，生長核生長后的結(jié)構(gòu)作為新的生長核，重復(fù)上述過程，直 到顆粒生長的體積與預(yù)測的顆粒結(jié)構(gòu)的體積相同為止，即完成所述三維顆粒結(jié)構(gòu)的預(yù)測。
[0020] 上述方案中，所述生長概率的設(shè)置是基于礦物顆粒結(jié)構(gòu)是一種聚合物的形狀，因 而生長核的最近6鄰域的生長概率高于12次近鄰的生長概率，本發(fā)明中將生長核的最近6 鄰域和12次近鄰的生長概率的比值設(shè)置為4:1。
[0021] 所述模擬退火算法是一種求解優(yōu)化組合問題的通用算法，其原理是將可行解和目 標(biāo)函數(shù)看作是物質(zhì)體系的狀態(tài)和能量，通過模擬物質(zhì)