CN106447670A - 基于电成像测井图像的孔洞参数自动计算方法 - Google Patents
基于电成像测井图像的孔洞参数自动计算方法 Download PDFInfo
- Publication number
- CN106447670A CN106447670A CN201610778009.4A CN201610778009A CN106447670A CN 106447670 A CN106447670 A CN 106447670A CN 201610778009 A CN201610778009 A CN 201610778009A CN 106447670 A CN106447670 A CN 106447670A
- Authority
- CN
- China
- Prior art keywords
- point
- image
- hole
- imaging logging
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 40
- 238000004364 calculation method Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 94
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 35
- 238000001914 filtration Methods 0.000 claims abstract description 10
- 230000007797 corrosion Effects 0.000 claims description 37
- 238000005260 corrosion Methods 0.000 claims description 37
- 238000002372 labelling Methods 0.000 claims description 22
- 230000011218 segmentation Effects 0.000 claims description 18
- 239000000284 extract Substances 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 8
- 239000011148 porous material Substances 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 239000004576 sand Substances 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000007781 pre-processing Methods 0.000 abstract 1
- 230000015572 biosynthetic process Effects 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000005611 electricity Effects 0.000 description 3
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 2
- 238000000205 computational method Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 241000272525 Anas platyrhynchos Species 0.000 description 1
- 238000006424 Flood reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 125000005587 carbonate group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000005063 solubilization Methods 0.000 description 1
- 230000007928 solubilization Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于电成像测井图像的孔洞参数自动计算方法,其步骤如下:首先,通过对实际井眼与仪器生成的成像测井动态图像进行基于图像开闭滤波算法的预处理;然后,采用最大类间方差和分水岭结合算法对图像进行分割;接着,再采用目标编号标注法对孔洞轮进行追踪;最后,基于Freeman链码的目标面积计算方法形成孔洞参数自动计算方法。本发明运用图像处理的相关技术,提出了一种全井段的孔洞参数自动计算方法,不但避免了人工拾取工作带来的误差,同时提高了解释效率。
Description
技术领域
本发明涉及电成像测井资料应用技术领域,确切地说涉及一种基于电成像测井图像的孔洞参数自动计算方法。
背景技术
孔洞是储集油气的有利空间,在碳酸盐岩地层中,由于溶蚀作用,溶孔,溶洞比较发育,这种类型的现象出现的很多,所以在这种类型的地层中对孔洞的识别和计算就显的尤为重要。
电成像测井是一项先进的测井技术,具有分辨率高的特点。它能够提供丰富的井壁及井眼周围的信息,当前由XRMI等电成像测井资料不仅可以直观地定性识别孔洞,而且可以通过图像处理方法对测井图像作定量处理和分析,给我们的解释工作提供了巨大的便利。如公开号为CN104732562A,公开日为2015年6月24日的中国专利文献公开了一种电成像测井图像相似度比对方法,涉及电成像测井资料解释评价技术领域。利用电成像测井各极板动态图像数据计算多种纹理特征值,并计算电成像图像之间各种纹理特征值的欧氏距离,从而实现通过计算机对比两幅电成像测井图像的相似度。该发明一是解决了利用电成像测井资料进行多种纹理特征计算的问题;二是解决了如何利用所计算的多种特征值确定电成像图像之间的相似度的问题;三是解决将计算方法通过计算机语言实现的问题。
目前国内外大多数测井软件中,孔洞识别均采用人工交互方式识别,人为因素影响较大,因此,如何利用电成像测井资料更好的进行孔洞的识别和计算,还需要不断发明新的方法。
发明内容
本发明旨在针对上述现有技术所存在的缺陷和不足,提供一种基于电成像测井图像的孔洞参数自动计算方法,本发明运用图像处理的相关技术,提出了一种全井段的孔洞参数自动计算方法,不但避免了人工拾取工作带来的误差,同时提高了解释效率。
本发明是通过采用下述技术方案实现的:
一种基于电成像测井图像的孔洞参数自动计算方法,其特征在于步骤如下:
首先,通过对实际井眼与仪器生成的成像测井动态图像进行基于图像开闭滤波算法的预处理;
然后,采用最大类间方差和分水岭结合算法对图像进行分割;
接着,再采用目标编号标注法对孔洞轮进行追踪;
最后,基于Freeman链码的目标面积计算方法形成孔洞参数自动计算方法。
所述的通过对实际井眼与仪器生成的成像测井动态图像进行基于图像开闭滤波算法的预处理,具体是:构成开闭滤波器,选择结构元素,运用开运算消除背景中的胡椒状噪声,之后利用闭运算消除砂眼噪声。
所述的采用最大类间方差法和分水岭算法结合算法对图像进行分割,具体是:首先确定需要分割的阈值;然后将分割阈值与像素点的灰度值比较,来分割图像的像素。
所述的最大类间方差法为现有技术。
所述的分水岭算法,首先对图像像素值进行排序操作,待此过程完成后,给所有汇水盆地做标记,标记过程从图像像素最小值开始,利用循环队列方法扩展淹没整个标记后的汇水盆地,最终完成分水岭过程。
所述的采用目标编号标注法对孔洞轮进行追踪,具体是:首先采用目标编号标注法进行标注,然后运用轮廓跟踪提取。
所述的目标编号标注法具体是:采用八连通域判别的方法,即图像上的两个点,如果它们八点连通,就判定为这两个点属于同一个物体,具体标记过程如下:
A.采用行坐标方式标记物体目标,从左到右,从上到下逐个点对图像进行扫描;
B.如果遇到某一点是物体目标,然后依次判断该点的右上点、正上点、左上点和左前点,按照逆时针方向,按照优先级的不同进行扫描;我们以右上点的优先级最高,左前点的优先级最低;
C.如果右上点为物体目标,则当前点和右上点同属于一个物体目标,则将当前点放到右上点所属的物体目标中;若右上点不是物体目标,则判断正上点,判断正上点的归属情况;
D.按C的方式,判断左上点和左前点,根据它们的连通情况决定将其归到那个物体目标范围中;
E.如果该点的右上、正上、左上和左前点的像素都不为物体,则该点属于新的物体目标,将其归到一个新的物体目标。
所述的轮廓跟踪提取具体是:在完成目标编号标记的基础之上,对标记完的物体目标进行轮廓提取,方法是:按照从左到右、从下到上的规定搜索顺序进行搜索,首先找到第一个边界点,并且一定是最下方的边界点,存储;接着以这个边界点开始点,由于边界是连续的,所以每个边界点都跟前面的那个边界点有一定的角度关系,这样就可以建立前后点之间的联系。因此从第一个边界点开始,初始搜索方向为沿着左上方的方向,如果左上方的点是所要寻找的目标黑点,则这个点就为边界点,否则顺时针旋转45度,继续寻找下一点,一直找到第一个黑点为止,然后把这个黑点当作新的边界点,并且在当前搜索方向的基础上逆时针旋转90度,继续用同样的方法搜索下一个黑点,直到返回最初的边界点为止。
所述的基于Freeman链码的目标面积计算方法形成孔洞参数自动计算方法,具体包括两个方面:
1)溶蚀孔洞面孔率定量计算方法
溶蚀孔洞面孔率是指每平方米井壁上溶蚀孔洞面积百分数,单位为%;实现方法是采用深度滑动窗口统计窗口内图像的所有溶蚀孔洞面积与窗口内理想井壁面积的百分比;
2)溶蚀孔洞面孔率分类统计方法
溶蚀孔洞分类统计是采用深度滑动窗口,按溶蚀孔径大小对窗口内图像的所有溶蚀孔洞进行分类统计其面孔率。
与现有技术相比,本发明所达到的有益效果如下:
1、基于电成像测井图像的孔洞参数自动计算方法能够对电成像动态图像进行孔洞的自动识别和计算,大大较少了人工拾取的工作量,同时减少了人为操作的随机性;
2、本发明对于碳酸盐岩地层、碎屑岩地层孔洞识别及计算准确率高,与测井产能评价能够建立良好的关系,应用前景广。
3、该方法考虑到了目标边界的大小,在计算小目标和大目标时都比较精确,而且对于线性的目标也可以准确计算出它的面积大小。可见,采用Freeman码对物体目标进行存储不仅有效的节约了存储空间,而且基于Freeman码也可以精确有效的计算物体目标的面积、周长等为后续的定量计算提供便利。
附图说明
下面将结合说明书附图和具体实施方式对本发明作进一步的详细说明,其中:
图1为某井段XRMI成像测井图像孔洞识别及孔洞参数计算结果图。
具体实施方式
实施例1
作为本发明的较佳实施方式,其步骤如下:首先,通过对实际井眼与仪器生成的成像测井动态图像进行基于图像开闭滤波算法的预处理;然后,采用最大类间方差和分水岭结合算法对图像进行分割;接着,再采用目标编号标注法对孔洞轮进行追踪;最后,基于Freeman链码的目标面积计算方法形成孔洞参数自动计算方法。所述的通过对实际井眼与仪器生成的成像测井动态图像进行基于图像开闭滤波算法的预处理,具体是:构成开闭滤波器,选择结构元素,运用开运算消除背景中的胡椒状噪声,之后利用闭运算消除砂眼噪声。所述的采用最大类间方差法和分水岭算法结合算法对图像进行分割,具体是:首先确定需要分割的阈值;然后将分割阈值与像素点的灰度值比较,来分割图像的像素。所述的最大类间方差法为现有技术。所述的分水岭算法,首先对图像像素值进行排序操作,待此过程完成后,给所有汇水盆地做标记,标记过程从图像像素最小值开始,利用循环队列方法扩展淹没整个标记后的汇水盆地,最终完成分水岭过程。所述的采用目标编号标注法对孔洞轮进行追踪,具体是:首先采用目标编号标注法进行标注,然后运用轮廓跟踪提取。所述的目标编号标注法具体是:采用八连通域判别的方法,即图像上的两个点,如果它们八点连通,就判定为这两个点属于同一个物体。所述的轮廓跟踪提取具体是:在完成目标编号标记的基础之上,对标记完的物体目标进行轮廓提取,方法是:按照从左到右、从下到上的规定搜索顺序进行搜索,首先找到第一个边界点,并且一定是最下方的边界点,存储;接着以这个边界点开始点,由于边界是连续的,所以每个边界点都跟前面的那个边界点有一定的角度关系,这样就可以建立前后点之间的联系。因此从第一个边界点开始,初始搜索方向为沿着左上方的方向,如果左上方的点是所要寻找的目标黑点,则这个点就为边界点,否则顺时针旋转45度,继续寻找下一点,一直找到第一个黑点为止,然后把这个黑点当作新的边界点,并且在当前搜索方向的基础上逆时针旋转90度,继续用同样的方法搜索下一个黑点,直到返回最初的边界点为止。所述的基于Freeman链码的目标面积计算方法形成孔洞参数自动计算方法,具体包括两个方面:
1)溶蚀孔洞面孔率定量计算方法
溶蚀孔洞面孔率是指每平方米井壁上溶蚀孔洞面积百分数,单位为%;实现方法是采用深度滑动窗口统计窗口内图像的所有溶蚀孔洞面积与窗口内理想井壁面积的百分比;
2)溶蚀孔洞面孔率分类统计方法
溶蚀孔洞分类统计是采用深度滑动窗口,按溶蚀孔径大小对窗口内图像的所有溶蚀孔洞进行分类统计其面孔率。
实施例2
作为本发明的最佳实施方式,其步骤为:
以实测的微电阻率成像测井资料为基础,首先通过对实际井眼与仪器生成的成像测井动态图像进行基于图像开闭滤波算法的预处理,然后基于最大类间方差法(OTSU法)与分水岭结合算法的图像分割,以及基于目标编号标注法的孔洞轮廓追踪,最后基于freeman编码的孔洞参数计算方法等技术手段形成的一套基于电成像测井图像的孔洞参数自动计算方法。
基于电成像测井图像的孔洞参数自动计算方法的具体步骤如下:
一、基于图像开闭滤波算法的预处理
图像预处理是整个图像处理过程的第一步,也是全过程中很重要的一步。将开启和闭合结合起来可以构成形态学噪声滤除器,即开闭滤波器。首先选择适当的结构元素B,运用开运算消除背景中的胡椒状噪声,之后利用闭运算消除砂眼噪声。对于电成像测井图像,开闭滤波器可以起到很好的滤波恢复图像的效果。
二、基于OTSU与分水岭结合算法的图像分割
本发明采用OTSU与分水岭结合算法的图像分割方法,即首先确定需要分割的阈值;然后将分割阈值与像素点的灰度值比较,来分割图像的像素。
阈值分割实质上就是按照某个准则求出适合或者最佳阈值的过程。首先确定需要分割的阈值,然后将分割阈值与像素点的灰度值比较,来分割图像的像素。其具体分割思路如下:
1)最大类间方差法(OTSU法)
OTSU法是一种动态阈值方法,它的基本思想是利用图像的灰度直方图,以目标和背景的方差最大来动态地确定图像的分割阈值。
2)分水岭算法
首先对图像像素值进行排序操作,待此过程完成后,给所有汇水盆地做标记。标记过程从图像像素最小值开始,利用循环队列方法扩展淹没整个标记后的汇水盆地,最终完成分水岭过程。
三、基于目标编号标注法的孔洞轮廓追踪
本发明首先采用目标编号标注法进行标注,然后运用轮廓跟踪提取,具体方法如下:
1)目标编号标注法
对物体目标进行编号标记时采用的是八连通域判别的方法,也就是说只要图像上的两个点,如果它们八点连通,我们就认为这两个点属于同一个物体。采用目标编号标记法能够非常容易地对多个目标进行标记,能够一次性识别多个物体目标。
具体标记过程如下:
A.采用行坐标方式标记物体目标,即从左到右,从上到下逐个点对图像进行扫描;
B.如果遇到某一点是物体目标,然后依次判断该点的右上点、正上点、左上点和左前点,按照逆时针方向,按照优先级的不同进行扫描。我们以右上点的优先级最高,左前点的优先级最低;
C.如果右上点为物体目标,则当前点和右上点同属于一个物体目标,则将当前点放到右上点所属的物体目标中;若右上点不是物体目标,则判断正上点,判断正上点的归属情况;
D.同理,再判断左上点和左前点,根据它们的连通情况决定将其归到那个物体目标范围中;
E.如果该点的右上、正上、左上和左前点的像素都不为物体,则该点属于新的物体目标,将其归到一个新的物体目标。
2)轮廓跟踪提取
在完成目标编号标记的基础之上,我们就可以对标记完的物体目标进行轮廓提取。
对于物体目标进行轮廓提取的方法是:首先根据严格的“探测标准”找出目标轮廓上的点,再根据这些点的某些特征用一定跟踪准则找出物体目标边界上的其他点。
具体方式是:按照从左到右、从下到上的规定搜索顺序进行搜索,首先找到第一个边界点,一定是最下方的边界点,存储。接着以这个边界点开始点,由于边界是连续的,所以每个边界点都跟前面的那个边界点有一定的角度关系,这样就可以建立前后点之间的联系。因此从第一个边界点开始,初始搜索方向为沿着左上方的方向,如果左上方的点是所要寻找的目标黑点,则这个点就为边界点,否则顺时针旋转45度,继续寻找下一点。一直找到第一个黑点为止。然后把这个黑点当作新的边界点,并且在当前搜索方向的基础上逆时针旋转90度,继续用同样的方法搜索下一个黑点,直到返回最初的边界点为止。
四、基于freeman编码的孔洞参数计算方法
我们知道一个区域可由若干条水平线和x方向的尖点组成,也就是一个区域可以用水平线和尖点来进行表示。根据这个结论我们可以得到一个目标面积算法,称为基于Freeman8-链码的目标面积Tang计算方法。
1)溶蚀孔洞面孔率HPOR定量计算方法
溶蚀孔洞面孔率是指每平方米井壁上溶蚀孔洞面积百分数,单位为%;实现方法是采用较短的深度滑动窗口统计窗口内图像的所有溶蚀孔洞面积与窗口内理想井壁面积的百分比。
式中:S Contour 为滑动窗口内单个溶蚀孔洞面积; Bit为钻头直径;Win为滑动窗口长度;Pt为单个电扣; R Hor 为横向分辨率;R Ver 为纵向分辨率。
2)溶蚀孔洞面孔率分类统计方法
溶蚀孔洞分类统计是采用较短的深度滑动窗口,按溶蚀孔径大小对窗口内图像的所有溶蚀孔洞进行分类统计其面孔率。
软件中缺省分四类进行统计分析:
小洞面孔率:直径小于30mm的为小溶蚀孔洞;
中洞面孔率:直径在30~60mm之间的为中等溶蚀孔洞;
大洞面孔率:直径在60~90mm之间的为大溶蚀孔洞;
特大洞面孔率:直径大于90mm的为特大溶蚀孔洞。
该方法考虑到了目标边界的大小,在计算小目标和大目标时都比较精确,而且对于线性的目标也可以准确计算出它的面积大小。可见,采用Freeman码对物体目标进行存储不仅有效的节约了存储空间,而且基于Freeman码也可以精确有效的计算物体目标的面积、周长等为后续的定量计算提供便利。
实施例3
选取川渝油气田某井作为实例井,该井所在地层为碳酸盐岩地层,孔洞非常发育,通过文中所述方法对该井进行孔洞自动参数自别和自动计算。图1为某井段XRMI成像测井图像孔洞识别及孔洞参数计算结果图,可清晰地看出孔洞分布情况。第1道为深度道;第2道为XRMI电成像测井数据经过预处理后生成的静态图像和1号极板方位曲线;第3道为XRMI电成像测井数据经过预处理后生成的动态图像;;第4道为孔洞自动识别的颗粒孔洞分析曲线;第5道为基于拾取的孔洞计算的面孔率的统计曲线;第6道为基于拾取的孔洞计算的孔洞面孔率曲线;第7道为测井解释结论,井段4650-4662m综合解释为气层;第8道为试油结论,本井试油产气116.77万方/日,属于高产气井。从计算结果来看,算法提取的孔洞与图像中的层理完全吻合,计算的面孔率以大孔、特大孔为主,与试油结论高产气井互相验证,从而证明了算法的正确性。
Claims (8)
1.一种基于电成像测井图像的孔洞参数自动计算方法,其特征在于步骤如下:
首先,通过对实际井眼与仪器生成的成像测井动态图像进行基于图像开闭滤波算法的预处理;
然后,采用最大类间方差和分水岭结合算法对图像进行分割;
接着,再采用目标编号标注法对孔洞轮进行追踪;
最后,基于Freeman链码的目标面积计算方法形成孔洞参数自动计算方法。
2.根据权利要求1所述的一种基于电成像测井图像的孔洞参数自动计算方法,其特征在于:所述的通过对实际井眼与仪器生成的成像测井动态图像进行基于图像开闭滤波算法的预处理,具体是:构成开闭滤波器,选择结构元素,运用开运算消除背景中的胡椒状噪声,之后利用闭运算消除砂眼噪声。
3.根据权利要求1所述的一种基于电成像测井图像的孔洞参数自动计算方法,其特征在于:所述的采用最大类间方差法和分水岭算法结合算法对图像进行分割,具体是:首先确定需要分割的阈值;然后将分割阈值与像素点的灰度值比较,来分割图像的像素。
4.根据权利要求1所述的一种基于电成像测井图像的孔洞参数自动计算方法,其特征在于:所述的分水岭算法,首先对图像像素值进行排序操作,待此过程完成后,给所有汇水盆地做标记,标记过程从图像像素最小值开始,利用循环队列方法扩展淹没整个标记后的汇水盆地,最终完成分水岭过程。
5.根据权利要求1所述的一种基于电成像测井图像的孔洞参数自动计算方法,其特征在于:所述的采用目标编号标注法对孔洞轮进行追踪,具体是:首先采用目标编号标注法进行标注,然后运用轮廓跟踪提取。
6.根据权利要求5所述的一种基于电成像测井图像的孔洞参数自动计算方法,其特征在于:所述的目标编号标注法具体是:采用八连通域判别的方法,即图像上的两个点,如果它们八点连通,就判定为这两个点属于同一个物体,具体标记过程如下:
A.采用行坐标方式标记物体目标,从左到右,从上到下逐个点对图像进行扫描;
B.如果遇到某一点是物体目标,然后依次判断该点的右上点、正上点、左上点和左前点,按照逆时针方向,按照优先级的不同进行扫描;
C.如果右上点为物体目标,则当前点和右上点同属于一个物体目标,则将当前点放到右上点所属的物体目标中;若右上点不是物体目标,则判断正上点,判断正上点的归属情况;
D.按C的方式,判断左上点和左前点,根据它们的连通情况决定将其归到那个物体目标范围中;
E.如果该点的右上、正上、左上和左前点的像素都不为物体,则该点属于新的物体目标,将其归到一个新的物体目标。
7.根据权利要求5所述的一种基于电成像测井图像的孔洞参数自动计算方法,其特征在于:所述的轮廓跟踪提取具体是:在完成目标编号标记的基础之上,对标记完的物体目标进行轮廓提取,方法是:按照从左到右、从下到上的规定搜索顺序进行搜索,首先找到第一个边界点,并且一定是最下方的边界点,存储;接着从第一个边界点开始,初始搜索方向为沿着左上方的方向,如果左上方的点是所要寻找的目标黑点,则这个点就为边界点,否则顺时针旋转45度,继续寻找下一点,一直找到第一个黑点为止,然后把这个黑点当作新的边界点,并且在当前搜索方向的基础上逆时针旋转90度,继续用同样的方法搜索下一个黑点,直到返回最初的边界点为止。
8.根据权利要求1所述的一种基于电成像测井图像的孔洞参数自动计算方法,其特征在于:所述的基于Freeman链码的目标面积计算方法形成孔洞参数自动计算方法,具体包括两个方面:
1)溶蚀孔洞面孔率定量计算方法
溶蚀孔洞面孔率是指每平方米井壁上溶蚀孔洞面积百分数,单位为%;实现方法是采用深度滑动窗口统计窗口内图像的所有溶蚀孔洞面积与窗口内理想井壁面积的百分比;
2)溶蚀孔洞面孔率分类统计方法
溶蚀孔洞分类统计是采用深度滑动窗口,按溶蚀孔径大小对窗口内图像的所有溶蚀孔洞进行分类统计其面孔率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610778009.4A CN106447670A (zh) | 2016-08-31 | 2016-08-31 | 基于电成像测井图像的孔洞参数自动计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610778009.4A CN106447670A (zh) | 2016-08-31 | 2016-08-31 | 基于电成像测井图像的孔洞参数自动计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106447670A true CN106447670A (zh) | 2017-02-22 |
Family
ID=58091189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610778009.4A Pending CN106447670A (zh) | 2016-08-31 | 2016-08-31 | 基于电成像测井图像的孔洞参数自动计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106447670A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108181665A (zh) * | 2017-12-18 | 2018-06-19 | 中国石油天然气股份有限公司 | 裂缝的确定方法和装置 |
CN109297878A (zh) * | 2018-08-10 | 2019-02-01 | 中国地质大学(武汉) | 一种准确计算白云岩孔洞面孔率的方法 |
CN110966000A (zh) * | 2020-01-02 | 2020-04-07 | 中国石油集团测井有限公司华北分公司 | 一种用于表征砂砾岩储层层状指数的方法及*** |
CN111524181A (zh) * | 2020-04-28 | 2020-08-11 | 陕西科技大学 | 一种基于扫描电镜图像分割的多孔材料孔洞自动测量方法 |
CN111951347A (zh) * | 2020-08-24 | 2020-11-17 | 重庆科技学院 | 一种页岩油气储层砂质纹层参数提取方法 |
CN113393400A (zh) * | 2021-06-22 | 2021-09-14 | 中海油田服务股份有限公司 | 消除电成像图像噪声特征的处理方法及装置 |
CN113781463A (zh) * | 2021-09-17 | 2021-12-10 | 成都理工大学 | 一种定量评价碳酸盐岩烃源岩眼皮的方法、*** |
CN116451156A (zh) * | 2023-04-21 | 2023-07-18 | 中国科学院西安光学精密机械研究所 | 一种面向叶片气膜孔的孔类特征识别方法、排序方法 |
CN116448666A (zh) * | 2023-04-12 | 2023-07-18 | 广东奥普特科技股份有限公司 | 一种基于机器视觉的锂电池盒的检测装置及检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103325118A (zh) * | 2013-06-26 | 2013-09-25 | 中国石油大学(北京) | 一种获取碳酸盐岩岩心孔洞特征参数的方法及装置 |
CN104866856A (zh) * | 2015-05-17 | 2015-08-26 | 西南石油大学 | 基于连通域等价对处理的成像测井图像溶洞信息拾取方法 |
-
2016
- 2016-08-31 CN CN201610778009.4A patent/CN106447670A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103325118A (zh) * | 2013-06-26 | 2013-09-25 | 中国石油大学(北京) | 一种获取碳酸盐岩岩心孔洞特征参数的方法及装置 |
CN104866856A (zh) * | 2015-05-17 | 2015-08-26 | 西南石油大学 | 基于连通域等价对处理的成像测井图像溶洞信息拾取方法 |
Non-Patent Citations (2)
Title |
---|
李志虎 等: "碳酸盐岩复杂背景孔洞自动识别及参数计算", 《断块油气田》 * |
李茂兵: "电成像测井自动识别和定量评价研究", 《中国优秀硕士学位论文全文数据库(电子期刊)-信息科技辑》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108181665A (zh) * | 2017-12-18 | 2018-06-19 | 中国石油天然气股份有限公司 | 裂缝的确定方法和装置 |
CN108181665B (zh) * | 2017-12-18 | 2020-01-07 | 中国石油天然气股份有限公司 | 裂缝的确定方法和装置 |
CN109297878A (zh) * | 2018-08-10 | 2019-02-01 | 中国地质大学(武汉) | 一种准确计算白云岩孔洞面孔率的方法 |
CN110966000A (zh) * | 2020-01-02 | 2020-04-07 | 中国石油集团测井有限公司华北分公司 | 一种用于表征砂砾岩储层层状指数的方法及*** |
CN111524181A (zh) * | 2020-04-28 | 2020-08-11 | 陕西科技大学 | 一种基于扫描电镜图像分割的多孔材料孔洞自动测量方法 |
CN111524181B (zh) * | 2020-04-28 | 2023-03-24 | 陕西科技大学 | 一种基于扫描电镜图像分割的多孔材料孔洞自动测量方法 |
CN111951347B (zh) * | 2020-08-24 | 2021-03-12 | 重庆科技学院 | 一种页岩油气储层砂质纹层参数提取方法 |
CN111951347A (zh) * | 2020-08-24 | 2020-11-17 | 重庆科技学院 | 一种页岩油气储层砂质纹层参数提取方法 |
CN113393400A (zh) * | 2021-06-22 | 2021-09-14 | 中海油田服务股份有限公司 | 消除电成像图像噪声特征的处理方法及装置 |
CN113393400B (zh) * | 2021-06-22 | 2022-08-30 | 中海油田服务股份有限公司 | 消除电成像图像噪声特征的处理方法及装置 |
CN113781463A (zh) * | 2021-09-17 | 2021-12-10 | 成都理工大学 | 一种定量评价碳酸盐岩烃源岩眼皮的方法、*** |
CN116448666A (zh) * | 2023-04-12 | 2023-07-18 | 广东奥普特科技股份有限公司 | 一种基于机器视觉的锂电池盒的检测装置及检测方法 |
CN116448666B (zh) * | 2023-04-12 | 2024-03-26 | 广东奥普特科技股份有限公司 | 一种基于机器视觉的锂电池盒的检测装置及检测方法 |
CN116451156A (zh) * | 2023-04-21 | 2023-07-18 | 中国科学院西安光学精密机械研究所 | 一种面向叶片气膜孔的孔类特征识别方法、排序方法 |
CN116451156B (zh) * | 2023-04-21 | 2024-04-05 | 中国科学院西安光学精密机械研究所 | 一种面向叶片气膜孔的孔类特征识别方法、排序方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106447670A (zh) | 基于电成像测井图像的孔洞参数自动计算方法 | |
CN105512640B (zh) | 一种基于视频序列的人流量统计方法 | |
Lian et al. | DeepWindow: Sliding window based on deep learning for road extraction from remote sensing images | |
CN108537775A (zh) | 一种基于深度学习检测的癌细胞跟踪方法 | |
CN106327526A (zh) | 图像目标跟踪方法与*** | |
CN102999914B (zh) | 一种基于地形网格的大陆坡脚点自动识别方法 | |
CN103559724A (zh) | 一种高粘连度细胞环境下的多细胞同步跟踪方法 | |
CN105788273A (zh) | 基于低精度时空轨迹数据的城市交叉口自动识别的方法 | |
CN107705324A (zh) | 一种基于机器学习的视频目标检测方法 | |
CN108415975A (zh) | 基于bdch-dbscan的出租车载客热点识别方法 | |
CN106355604A (zh) | 图像目标跟踪方法与*** | |
CN103440495A (zh) | 一种复合绝缘子憎水等级自动识别方法 | |
CN108052886A (zh) | 一种小麦条锈病菌夏孢子自动统计计数方法 | |
WO2021082080A1 (zh) | 一种基于机器学习的复杂地区地震反射层识别与追踪方法 | |
CN112287906B (zh) | 一种基于深度特征融合的模板匹配跟踪方法及*** | |
CN102831431A (zh) | 一种基于层次聚类的检测器训练方法 | |
CN110531618A (zh) | 基于有效关键帧的闭环检测机器人自定位误差消除方法 | |
CN107230219A (zh) | 一种单目机器人上的目标人发现与跟随方法 | |
CN111767905A (zh) | 一种改进的基于陆标-卷积特征的图像方法 | |
CN110766696A (zh) | 一种基于改进的粗糙集聚类算法的卫星图像分割方法 | |
CN114861761A (zh) | 一种基于孪生网络特征与几何验证的回环检测方法 | |
CN113780465A (zh) | 基于自组织神经网络的地下水化学季节性变化分析方法 | |
CN116047590A (zh) | 一种地震相预测模型建立、地震相预测方法和装置 | |
CN106127798A (zh) | 基于自适应模型的稠密时空上下文目标跟踪方法 | |
CN109670729A (zh) | 一种顶板含水层富水性评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170222 |
|
RJ01 | Rejection of invention patent application after publication |