CN104237103A - 一种孔隙连通性定量表征方法及装置 - Google Patents
一种孔隙连通性定量表征方法及装置 Download PDFInfo
- Publication number
- CN104237103A CN104237103A CN201410490667.4A CN201410490667A CN104237103A CN 104237103 A CN104237103 A CN 104237103A CN 201410490667 A CN201410490667 A CN 201410490667A CN 104237103 A CN104237103 A CN 104237103A
- Authority
- CN
- China
- Prior art keywords
- pixel
- connected domain
- dimensional digital
- digital model
- hole
- 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.)
- Granted
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供了一种孔隙连通性定量表征方法及装置,方法包括:对样本进行三维数字成像处理获取样本的二维数字图像序列;按顺序对所述二维数字图像序列中的二维数字图像进行物象区分,生成二元数字图像序列;根据所述二元数字图像序列生成三维数字模型;根据预设分辨率确定所述三维数字模型中的总像素点的点数、孔隙像素点的点数及各像素点的位置标识;根据种子填充算法和所述三维数字模型确定样本的孔隙连通域;根据所述总像素点数、孔隙的像素点数及各像素点的位置标识和确定的各孔隙连通域生成孔隙连通性定量表征结果。该方法能直观、定量的表征岩石的孔隙连通性,为储层物性评价、多孔介质渗透性评价等提供了有力的工具。
Description
技术领域
本发明涉及油气物理勘探领域,具体涉及到一种岩石孔隙结构的数字化表征方法及装置。
背景技术
非常规油气系统较常规油气更为复杂,其重要特征之一是非常油气储层(泥页岩、致密砂岩等)的孔隙尺度小,孔隙度低,渗透率非常低。而油气资源的储集特征、赋存机理与产出过程在某种程度上取决于油气储层的微观孔隙结构。目前,刻画非常规储层纳米级三维孔隙结构的方法主要为纳米CT技术和聚焦离子/电子双束扫描电镜(FIB-SEM)。其中,纳米CT技术的实验室检测分辨率极限约50nm;FIB-SEM根据工作条件的不同,分辨率极限可以达到5~10nm。
近几年,在大量的纳米CT以及FIB-SEM成像实验中发现:泥页岩有大量的纳米级孔隙(<1μm)存在,这些纳米级孔隙为油气的赋存提供了前提条件,使页岩油开发成为可能。而这些孔隙的连通性好坏是影响页岩油能否有效开发的重要因素。但是现有的实验条件和方法主要以定性评价为主,很难定量的评价孔隙的连通性。
发明内容
为解决现有技术难以定量评价孔隙的连通性,以提供一种基于三维数字图像的孔隙连通性表征技术,作为三维成像系统的二次开发成果,用以研究泥页岩、致密砂岩等非常规油气储层的微纳米级三维孔隙系统。本发明的一种孔隙连通性定量表征方法,包括:
对样本进行三维数字成像处理获取样本的二维数字图像序列;
按顺序对所述二维数字图像序列中的二维数字图像进行物象区分,生成二元数字图像序列;
根据所述二元数字图像序列生成三维数字模型;;
根据预设分辨率确定所述三维数字模型中的总像素点的点数、孔隙像素点的点数及各像素点的位置标识;
根据种子填充算法和所述三维数字模型确定样本的孔隙连通域;
根据所述总像素点数、孔隙的像素点数及各像素点的位置标识和确定的各孔隙连通域生成孔隙连通性定量表征结果。
本发明还提供了一种孔隙连通性定量表征装置,装置包括:
三维图像处理模块,用于对样本进行三维数字成像处理获取样本的二维数字图像序列;
二元图像生成模块,用于按序对所述二维数字图像序列中的二维数字图像进行物象区分,生成二元数字图像序列;
三维数字模型生成模块,用于根据所述二元数字图像序列生成三维数字模型;
像素点统计模块,根据预设分辨率确定所述三维数字模型中的总像素点的点数、孔隙像素点的点数及各像素点的位置标识;
连通域确定模块,用于根据种子填充算法和所述三维数字模型确定样本的孔隙连通域;
表征结果生成模块,用于根据所述总像素点数、孔隙的像素点数及各像素点的位置标识和确定的各孔隙连通域生成孔隙连通性定量表征结果。
本发明开发了一种孔隙连通性的定量评价方法,为非常规油气储层的微孔隙结构定量表征提供了一个有力的工具。同时,该方法具有广泛的适用性,对于其他多孔介质的孔隙连通性表征,统计,连通域提取也可以应用。该方法能直观、定量的表征岩石的孔隙连通性,为储层物性评价、多孔介质渗透性评价等提供了有力的工具。
为让本发明的上述和其他目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附图式,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一种孔隙连通性定量表征方法的流程图;
图2是本发明实施例中生成孔隙连通性定量表征结果步骤的流程图;
图3本发明公开的一种孔隙连通性定量表征装置的框图;
图4为本发明实施例中的连通域确定模块的框图;
图5为本发明一实施方式的孔隙连通性定量表征装置的框图;
图6为本发明一实施方式的孔隙连通性定量表征装置的框图;
图7为本发明实施例中4相邻规则方式示意图;
图8为本发明实施例中8相邻规则方式示意图;
图9为本发明实施例中连通域分类示意图;
图10为本发明实施例中二维图像的成像图;
图11为本发明实施例中对二维图像序列进行预处理后的成型图;
图12为本发明实施例中按照所含像素的多少绘制的分布图;
图13为本发明实施例中按相同大小规模将体积进行加总绘制的分布图;
图14为本发明实施例中连通域的提取效果图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明公开了一种孔隙连通性定量表征方法,如图1所示,该方法包括:
步骤S101,对样本进行三维数字成像处理获取样本的二维数字图像序列;
步骤S102,按顺序对所述二维数字图像序列中的二维数字图像进行物象区分,生成二元数字图像序列;
步骤S103,根据所述二元数字图像序列生成三维数字模型;;
步骤S104,根据预设分辨率确定所述三维数字模型中的总像素点的点数、孔隙像素点的点数及各像素点的位置标识;
步骤S105,根据种子填充算法和所述三维数字模型确定样本的孔隙连通域;
步骤S106,根据所述总像素点数、孔隙的像素点数及各像素点的位置标识和确定的各孔隙连通域生成孔隙连通性定量表征结果。
其中,步骤S105根据种子填充算法和三维数字模型确定样本的孔隙连通域包括:
选取所述三维数字模型中的一孔隙像素点为种子;
根据所述种子填充算法、选取的种子以及三维数字模型确定样本的孔隙连通域。本发明首先使用连通域的概念,是将拓扑学概念引入图像处理的应用,本发明采用的种子填充算法比起技术的两步扩散法有明显的优势。种子填充算法对内部孔隙能更好的进行标记,能得到连通域更详细信息,本发明将图形学算法引入量化分析应用,为非常规油气储层的微孔隙结构定量表征提供了一个有力的工具。
步骤S106根据总像素点的点数、孔隙像素点的点数及各像素点的位置标识和确定的孔隙连通域生成孔隙连通性定量表征结果包括:
根据所述孔隙的像素点数与总像素点数的比值确定样本的绝对孔隙度。
此外,如图2所示,步骤S106根据总像素点数、孔隙像素点的点数及各像素点的位置标识和确定的孔隙连通域生成孔隙连通性定量表征结果还包括:
步骤S1061,根据所述孔隙像素点的位置标识和确定的孔隙连通域确定各连通域中孔隙像素点的分布;
步骤S1062,根据各连通域中孔隙像素点的分布和预设的分布条件对孔隙连通域进行分级;
步骤S1063,对分级后的孔隙连通域进行统计,确定各级连通域的比例;其中,
其中,上述的步骤S1062中的预设的分别条件为:
连通域的孔隙像素点未落在所述三维数字模型的边界,则该连通域为死连通域;
连通域的孔隙像素点落在所述三维数字模型的相对一组边界上,则该连通域为三级连通域;
连通域的孔隙像素点仅落在所述三维数字模型的相邻一组边界上,则该连通域为二级连通域;
连通域的孔隙像素点仅落在所述三维数字模型的一组边界上,则该连通域为一级连通域。
本发明实施例中,孔隙连通性定量表征结果包括:样本的绝对孔隙度和各级连通域的比例统计结果。
如图3所示,本发明还公开了一种孔隙连通性定量表征装置,该包括:
三维图像处理模块301,用于对样本进行三维数字成像处理获取样本的二维数字图像序列;
二元图像生成模块302,用于按序对所述二维数字图像序列中的二维数字图像进行物象区分,生成二元数字图像序列;
三维数字模型生成模块303,用于根据所述二元数字图像序列生成三维数字模型;
像素点统计模块304,根据预设分辨率确定所述三维数字模型中的总像素点的点数、孔隙像素点的点数及各像素点的位置标识;
连通域确定模块305,用于根据种子填充算法和所述三维数字模型确定样本的孔隙连通域;
表征结果生成模块306,用于根据总像素点数、孔隙的像素点数及各像素点的位置标识和确定的各孔隙连通域生成孔隙连通性定量表征结果。
如图4所示,连通域确定模块305包括:
种子选取单元3051,用于选取所述三维数字模型中的一孔隙像素点为种子;
孔隙连通域确定单元3052,用于根据所述种子填充算法、选取的种子以及三维数字模型确定样本的孔隙连通域。
如图5所示,表征结果生成模块306包括:
绝对孔隙度确定单元3061,用于根据所述孔隙的像素点数与总像素点数的比值确定样本的绝对孔隙度。
此外,如图6所示,表征结果生成模块306还包括:
像素点分布确定单元3062,用于根据所述孔隙像素点的位置标识和确定的孔隙连通域确定各连通域中孔隙像素点的分布;
连通域分级单元3063,用于根据各连通域中孔隙像素点的分布和预设的分布条件对孔隙连通域进行分级;
比例统计单元3064,对分级后的孔隙连通域进行统计,确定各级连通域的比例。
本发明能直观的观察岩石及其他多孔介质的三维孔隙分布,量化的检验岩石及其他多孔介质的孔隙连通性,为数值模拟技术提供更可靠、更有效的模型基准。
本发明提供了一种基于三维数字图像的孔隙连通性表征技术,作为三维成像系统的二次开发成果,用以研究泥页岩、致密砂岩等非常规油气储层的微纳米级三维孔隙系统。
本发明的主要实施步骤如下:
(1)使用三维成像系统对岩石或其他多孔介质材料进行三维数字成像得到二维数字图像序列。本实施例中岩石可以包括页岩、砂岩、泥岩、火山岩、碳酸盐岩。
(2)使用图像处理软件或者可编程软件对二维数字图像序列进行一定的预处理,并进行物相区分,将区分物相后的结构保存为二元数字图像序列。预处理包括位置矫正,亮度矫正,平滑,直方图映射,图像类型转换。
(3)使用可编程软件或程序获取步骤(2)中的二元数字图像序列,确认图像数据格式正确,信息准确。将确认后的二元数字图像序列转换成三维数据结构,扫描整个数据结构统计表示孔隙的像素点个数及总像素点个数,并得到样品的绝对孔隙度=孔隙像素个数/总像素个数×100%。二元图像是只包含纯黑和纯白两种颜色的灰度图像,存储上一般用0表示白,用1表示黑。两种颜色分别表示孔隙和介质骨架。
(4)检测孔隙连通域;本发明实施例使用种子填充法得到样品孔隙的连通域,该方法将相邻孔隙像素归为一组,有共同相邻同类像素的孔隙像素属于同一组。通过全域的检测可以得到连通孔隙像素的组数及每组中所含像素的位置标识。通过这些数据可以得到连通域大小、比例等统计信息。
本发明实施例中的种子填充法的主要步骤如下:
1)以一个未被标记的像素点为种子,并标记该种子,并新建一个空栈。
2)按“相邻”的定义来检索该种子的所有相邻像素,若相邻像素未被标记,则标记并压入栈中。
3)从栈顶取出一个像素点,作为新的种子,重复步骤2)。
4)直到堆栈再次为空,则上述步骤中进过栈的像素和初始种子都被标记为一组,同属一个连通域。
其中,本实施例的相邻像素的定义如下:
相邻像素可按照一定的规则自定义。由于位图一般以规则排列的像素来表达图像,二维图像中某像素的相邻像素可以有两种定义方式,即4相邻和8相邻两种方式,种子填充法中对二维相邻像素的判定有4连通和8连通两种可选方式,对三维相邻像素的判定有6连通、18连通和26连通三种可选方式。如图7所示为4相邻规则方式,图8为8相邻规则方式,同样,三维的6、18、26相邻规则可依照二维情况推出。
(5)对连通域分类及连通性检验。本发明将步骤(4)中得到的连通域分为活连通域和死连通域两类,其中活连通域又分为三级,如图9所示。
实施方法如下:首先检验所有的连通域是否有孔隙像素落在全域的边界(面)上,没有任何孔隙像素落在全域边界上的连通域为死连通域,否则为活连通域。然后将活连通域进行如图9所示的分级。若有孔隙像素分别落在相对的一组边界面上,为3级连通域;若有孔隙像素分别落在相邻边界面上,且不为3级连通域,为2级连通域;若只有像素落在一个边界面上,为1级连通域。通过连通域分级可以得到活孔隙占总孔隙的体积百分比:1~3级连通域的孔隙像素个数/总孔隙像素个数。本领域的技术人员还可以分别对1~3级连通域的比例进行统计,以及检验连通域的方向性等。
(6)对连通域的展示及提取;对感兴趣的连通域的提取可以采用几种方式:方式1:去掉死连通域,即将死连通域的孔隙像素点变为骨架像素;方式2:设定一定的限定条件,如体积最大的3级连通域,将不满足条件的孔隙像素变为骨架像素;方式3:将体积小于特定值的连通域孔隙像素变为骨架像素。本领域的研究人员还可以设定其他的方式对连通域进行提取。最后将变化后的数据保存为二元图像序列,供体积渲染,数值建模等后续工作使用。
本发明首先使用连通域的概念,是将拓扑学概念引入图像处理的应用,本发明采用的种子填充算法比起技术的两步扩散法有明显的优势。种子填充算法对内部孔隙能更好的进行标记,能得到连通域更详细信息,本发明将图形学算法引入量化分析应用。同时,本发明对孔隙的连通性进行检测,对确定的连通孔隙进行分类,通过分类能更加深入的得到多孔材料连通性的优劣,为非常规油气储层的微孔隙结构定量表征提供了一个有力的工具。
下面以对纳米氧化锆陶瓷材料进行孔隙连通性表征为例,对本发明实施例做进一步详细说明:
纳米氧化锆陶瓷是一种由纳米级的氧化锆颗粒融合堆积而成的材料,该材料具有很好的多孔介质属性。由于组成颗粒的均一性好,其孔隙均匀,孔隙连通性好,对本发明具有很好的示范作用。
①取氧化锆陶瓷,制备适用于FIB-SEM成像的样品,本实施例使用FEI公司型号为Helios 650的FIB-SEM进行三维成像,获得一组二维图像,如图10所示。
②使用Avizo软件对上述二维图像序列进行预处理,如图11所示。首先利用Avizo软件中集成的FIB Align Wizard对上述二维图像序列进行位置矫正。然后使用2D-Histogram Segmentation方法对图像进行物相划分,区分孔隙与骨架结构。根据后续计算程序的处理能力,将物相区分后的结果进行剪裁并保存为二元图像序列(共148张分辨率为765*581的二维图像)。像素点所表示的大小为6.32631nm,8.02820nm,10nm。
③使用自编的Matlab程序读入上一步得到的二元图像序列,确认图像正确后,统计所有二元图像的总像素个数为65780820,所有孔隙像素个数为11019451,总孔隙度约为16.75%。
④搜索连通域。采用三维18相邻判断标准,共检测出1134个连通域。将这些连通域按照所含像素的多少可绘制其分布图,如图12所示,可见其小孔隙连通域数量较多。把这些连通域按相同大小规模将体积进行加总并绘制分布图,如图13所示,可见其小孔虽然数量多,但是其所占体积的比例却很小(注意图13的纵坐标为对数坐标)。因此,若不进行连通性检验及有效连通域提取,这些细小而独立的连通域将为后续的体积渲染,数值建模工作带来非常大的干扰和计算能力的浪费。
⑤进行连通性的检验。按照流程步骤中连通域的定义(图9),本实例中活孔隙占比为95.68%,1级连通域占比为95.52%,2级连通域占比0.03%,3级连通域占比0.15%。本实例中,由于纳米氧化锆材料具有很好的孔隙连通性,因此最有效的1级连通域占总孔隙的比例很高,这一结果跟实际非常符合。
⑥在本实例中,对最大的3级连通域(共含10464160个像素点)进行提取,并在Avizo软件中渲染展示,如图14所示。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种孔隙连通性定量表征方法,其特征在于,所述的方法包括:
对样本进行三维数字成像处理获取样本的二维数字图像序列;
按顺序对所述二维数字图像序列中的二维数字图像进行物象区分,生成二元数字图像序列;
根据所述二元数字图像序列生成三维数字模型;;
根据预设分辨率确定所述三维数字模型中的总像素点的点数、孔隙像素点的点数及各像素点的位置标识;
根据种子填充算法和所述三维数字模型确定样本的孔隙连通域;
根据所述总像素点数、孔隙的像素点数及各像素点的位置标识和确定的各孔隙连通域生成孔隙连通性定量表征结果。
2.如权利要求1所述的孔隙连通性定量表征方法,其特征在于,所述的根据种子填充算法和所述三维数字模型确定样本的孔隙连通域包括:
选取所述三维数字模型中的一孔隙像素点为种子;
根据所述种子填充算法、选取的种子以及三维数字模型确定样本的孔隙连通域。
3.如权利要求1所述的孔隙连通性定量表征方法,其特征在于,所述的根据总像素点的点数、孔隙像素点的点数及各像素点的位置标识和确定的孔隙连通域生成孔隙连通性定量表征结果包括:
根据所述孔隙的像素点数与总像素点数的比值确定样本的绝对孔隙度。
4.如权利要求3所述的孔隙连通性定量表征方法,其特征在于,所述的根据总像素点的点数、孔隙像素点的点数及各像素点的位置标识和确定的孔隙连通域生成孔隙连通性定量表征结果包括:
根据所述孔隙像素点的位置标识和确定的孔隙连通域确定各连通域中孔隙像素点的分布;
根据各连通域中孔隙像素点的分布和预设的分布条件对孔隙连通域进行分级;
对分级后的孔隙连通域进行统计,确定各级连通域的比例;其中,
所述预设的分别条件为:
连通域的孔隙像素点未落在所述三维数字模型的边界,则该连通域为死连通域;
连通域的孔隙像素点落在所述三维数字模型的相对一组边界上,则该连通域为三级连通域;
连通域的孔隙像素点仅落在所述三维数字模型的相邻一组边界上,则该连通域为二级连通域;
连通域的孔隙像素点仅落在所述三维数字模型的一组边界上,则该连通域为一级连通域。
5.如权利要求3或4所述的孔隙连通性定量表征方法,其特征在于,所述的孔隙连通性定量表征结果包括:样本的绝对孔隙度和各级连通域的比例统计结果。
6.一种孔隙连通性定量表征装置,其特征在于,所述的装置包括:
三维图像处理模块,用于对样本进行三维数字成像处理获取样本的二维数字图像序列;
二元图像生成模块,用于按序对所述二维数字图像序列中的二维数字图像进行物象区分,生成二元数字图像序列;
三维数字模型生成模块,用于根据所述二元数字图像序列生成三维数字模型;
像素点统计模块,根据预设分辨率确定所述三维数字模型中的总像素点的点数、孔隙像素点的点数及各像素点的位置标识;
连通域确定模块,用于根据种子填充算法和所述三维数字模型确定样本的孔隙连通域;
表征结果生成模块,用于根据所述总像素点数、孔隙的像素点数及各像素点的位置标识和确定的各孔隙连通域生成孔隙连通性定量表征结果。
7.如权利要求6所述的孔隙连通性定量表征装置,其特征在于,所述的连通域确定模块包括:
种子选取单元,用于选取所述三维数字模型中的一孔隙像素点为种子;
孔隙连通域确定单元,用于根据所述种子填充算法、选取的种子以及三维数字模型确定样本的孔隙连通域。
8.如权利要求6所述的孔隙连通性定量表征装置,其特征在于,所述的表征结果生成模块包括:
绝对孔隙度确定单元,用于根据所述孔隙的像素点数与总像素点数的比值确定样本的绝对孔隙度。
9.如权利要求7所述的孔隙连通性定量表征装置,其特征在于,所述的表征结果生成模块包括:
像素点分布确定单元,用于根据所述孔隙像素点的位置标识和确定的孔隙连通域确定各连通域中孔隙像素点的分布;
连通域分级单元,用于根据各连通域中孔隙像素点的分布和预设的分布条件对孔隙连通域进行分级;
比例统计单元,对分级后的孔隙连通域进行统计,确定各级连通域的比例;其中,
所述预设的分别条件为:
连通域的孔隙像素点未落在所述三维数字模型的边界,则该连通域为死连通域;
连通域的孔隙像素点落在所述三维数字模型的相对一组边界上,则该连通域为三级连通域;
连通域的孔隙像素点仅落在所述三维数字模型的相邻一组边界上,则该连通域为二级连通域;
连通域的孔隙像素点仅落在所述三维数字模型的一组边界上,则该连通域为一级连通域。
10.如权利要求8或9所述的孔隙连通性定量表征装置,其特征在于,所述的孔隙连通性定量表征结果包括:样本的绝对孔隙度和各级连通域的比例统计结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410490667.4A CN104237103B (zh) | 2014-09-23 | 2014-09-23 | 一种孔隙连通性定量表征方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410490667.4A CN104237103B (zh) | 2014-09-23 | 2014-09-23 | 一种孔隙连通性定量表征方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104237103A true CN104237103A (zh) | 2014-12-24 |
CN104237103B CN104237103B (zh) | 2017-10-17 |
Family
ID=52225613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410490667.4A Active CN104237103B (zh) | 2014-09-23 | 2014-09-23 | 一种孔隙连通性定量表征方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104237103B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN105628584A (zh) * | 2015-12-31 | 2016-06-01 | 西安石油大学 | 基于组合赋权系数的致密油储层品质的定量表征方法 |
CN106204515A (zh) * | 2015-05-05 | 2016-12-07 | 中国石油化工股份有限公司 | 一种岩心扫描图像的分析及展示系统 |
CN106546521A (zh) * | 2016-10-12 | 2017-03-29 | 北京师范大学 | 一种基于ct扫描技术量化土壤大孔隙空间网络结构的方法 |
CN106651839A (zh) * | 2016-11-16 | 2017-05-10 | 中国科学院地质与地球物理研究所 | 页岩电镜图像中有机和无机孔隙自动识别和定量分析方法 |
CN107067379A (zh) * | 2017-03-16 | 2017-08-18 | 中国科学院地质与地球物理研究所 | 基于三维fib‑sem图像的页岩孔隙定量表征方法 |
CN108303360A (zh) * | 2017-07-31 | 2018-07-20 | 中国矿业大学 | 一种煤岩三维孔隙网络结构参数表征方法 |
CN109269953A (zh) * | 2018-08-21 | 2019-01-25 | 中国科学院地质与地球物理研究所 | 岩石无机矿物孔隙分类表征的方法 |
WO2019086938A1 (en) * | 2017-11-06 | 2019-05-09 | Abu Dhabi National Oil Company | Method and system for determining permeability of a porous medium |
CN109916795A (zh) * | 2017-12-13 | 2019-06-21 | 重庆润泽医药有限公司 | 基于工业ct的多孔材料开孔率的无损检测方法 |
CN112424829A (zh) * | 2018-06-29 | 2021-02-26 | 沙特阿拉伯石油公司 | 通过数字成像来识别岩石结构的几何特性 |
CN112504928A (zh) * | 2020-10-14 | 2021-03-16 | 中国石油天然气股份有限公司 | 储层岩石中裂缝的连通性的确定方法及装置 |
CN113405965A (zh) * | 2021-06-08 | 2021-09-17 | 浙江广天构件集团股份有限公司 | 一种水泥基材料颗粒堆积体系孔隙连通性分析方法 |
CN113570703A (zh) * | 2021-07-26 | 2021-10-29 | 北京航空航天大学 | 一种基于图像识别技术的三维数字模型孔隙率计算方法 |
CN113607621A (zh) * | 2021-07-30 | 2021-11-05 | 中国矿业大学 | 一种煤系复合储层封闭孔隙及连通性的表征方法 |
CN113870200A (zh) * | 2021-09-16 | 2021-12-31 | 中国地质大学(北京) | 一种定量分析砂岩与碳酸盐岩储层中孔隙配位数的方法 |
CN114445439A (zh) * | 2022-01-29 | 2022-05-06 | 江苏豪尚新材料科技有限公司 | 一种基于图像处理的离子交换膜寿命监测方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110849785B (zh) * | 2019-10-21 | 2020-12-25 | 中国地质大学(武汉) | 一种利用多次压汞实验表征页岩孔隙连通性的方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102373923B (zh) * | 2010-08-20 | 2013-03-13 | 中国石油天然气股份有限公司 | 一种储层识别方法 |
US8861814B2 (en) * | 2010-12-22 | 2014-10-14 | Chevron U.S.A. Inc. | System and method for multi-phase segmentation of density images representing porous media |
CN102496023B (zh) * | 2011-11-23 | 2014-08-27 | 中南大学 | 像素层面的感兴趣区域提取方法 |
-
2014
- 2014-09-23 CN CN201410490667.4A patent/CN104237103B/zh active Active
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106204515A (zh) * | 2015-05-05 | 2016-12-07 | 中国石油化工股份有限公司 | 一种岩心扫描图像的分析及展示系统 |
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 |
CN104866856B (zh) * | 2015-05-17 | 2018-04-03 | 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 |
CN105628584A (zh) * | 2015-12-31 | 2016-06-01 | 西安石油大学 | 基于组合赋权系数的致密油储层品质的定量表征方法 |
CN105628584B (zh) * | 2015-12-31 | 2018-06-12 | 西安石油大学 | 基于组合赋权系数的致密油储层品质的定量表征方法 |
CN106546521A (zh) * | 2016-10-12 | 2017-03-29 | 北京师范大学 | 一种基于ct扫描技术量化土壤大孔隙空间网络结构的方法 |
CN106546521B (zh) * | 2016-10-12 | 2019-02-19 | 北京师范大学 | 一种基于ct扫描技术量化土壤大孔隙空间网络结构的方法 |
CN106651839A (zh) * | 2016-11-16 | 2017-05-10 | 中国科学院地质与地球物理研究所 | 页岩电镜图像中有机和无机孔隙自动识别和定量分析方法 |
CN107067379A (zh) * | 2017-03-16 | 2017-08-18 | 中国科学院地质与地球物理研究所 | 基于三维fib‑sem图像的页岩孔隙定量表征方法 |
CN108303360A (zh) * | 2017-07-31 | 2018-07-20 | 中国矿业大学 | 一种煤岩三维孔隙网络结构参数表征方法 |
US11609174B2 (en) | 2017-11-06 | 2023-03-21 | Khalifa University of Science and Technology | Method and system for determining permeability of a porous medium |
WO2019086938A1 (en) * | 2017-11-06 | 2019-05-09 | Abu Dhabi National Oil Company | Method and system for determining permeability of a porous medium |
CN109916795A (zh) * | 2017-12-13 | 2019-06-21 | 重庆润泽医药有限公司 | 基于工业ct的多孔材料开孔率的无损检测方法 |
CN112424829A (zh) * | 2018-06-29 | 2021-02-26 | 沙特阿拉伯石油公司 | 通过数字成像来识别岩石结构的几何特性 |
CN109269953A (zh) * | 2018-08-21 | 2019-01-25 | 中国科学院地质与地球物理研究所 | 岩石无机矿物孔隙分类表征的方法 |
CN112504928A (zh) * | 2020-10-14 | 2021-03-16 | 中国石油天然气股份有限公司 | 储层岩石中裂缝的连通性的确定方法及装置 |
CN112504928B (zh) * | 2020-10-14 | 2022-11-04 | 中国石油天然气股份有限公司 | 储层岩石中裂缝的连通性的确定方法及装置 |
CN113405965A (zh) * | 2021-06-08 | 2021-09-17 | 浙江广天构件集团股份有限公司 | 一种水泥基材料颗粒堆积体系孔隙连通性分析方法 |
CN113570703A (zh) * | 2021-07-26 | 2021-10-29 | 北京航空航天大学 | 一种基于图像识别技术的三维数字模型孔隙率计算方法 |
CN113570703B (zh) * | 2021-07-26 | 2023-05-16 | 北京航空航天大学 | 一种基于图像识别技术的三维数字模型孔隙率计算方法 |
CN113607621A (zh) * | 2021-07-30 | 2021-11-05 | 中国矿业大学 | 一种煤系复合储层封闭孔隙及连通性的表征方法 |
WO2023005600A1 (zh) * | 2021-07-30 | 2023-02-02 | 中国矿业大学 | 一种煤系复合储层封闭孔隙及连通性的表征方法 |
US11781962B2 (en) | 2021-07-30 | 2023-10-10 | China University Of Mining And Technology | Characterization method of closed pores and connectivity of coal measure composite reservoirs |
CN113870200A (zh) * | 2021-09-16 | 2021-12-31 | 中国地质大学(北京) | 一种定量分析砂岩与碳酸盐岩储层中孔隙配位数的方法 |
CN114445439A (zh) * | 2022-01-29 | 2022-05-06 | 江苏豪尚新材料科技有限公司 | 一种基于图像处理的离子交换膜寿命监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104237103B (zh) | 2017-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104237103B (zh) | 一种孔隙连通性定量表征方法及装置 | |
CN105115874B (zh) | 多源信息融合的多组分三维数字岩心构建方法 | |
CN107228816B (zh) | 一种泥页岩中不同类型孔隙演化评价方法 | |
Liu et al. | Multi-scale fractal analysis of pores in shale rocks | |
CN107067379B (zh) | 基于三维fib-sem图像的页岩孔隙定量表征方法 | |
CN104619952A (zh) | 具可靠多相渗透性决定数字岩石分析系统及方法 | |
Liu et al. | A new method for threshold determination of gray image | |
CN112424829A (zh) | 通过数字成像来识别岩石结构的几何特性 | |
Tian et al. | A method for automatic shale porosity quantification using an Edge-Threshold Automatic Processing (ETAP) technique | |
CN113609696B (zh) | 基于图像融合的多尺度多组分数字岩心构建方法及系统 | |
CN104685382A (zh) | 可靠地预测孔隙渗透性趋势的数字岩石分析系统及方法 | |
CN108734714B (zh) | 一种基于Matlab分析碳酸盐岩结构的方法 | |
CN104641259A (zh) | 利用多相流表征单元体积确定的数字岩石分析系统与方法 | |
EP2997493B1 (en) | Efficient contours and gating in flow cytometry | |
Al Ibrahim et al. | An automated petrographic image analysis system: Capillary pressure curves using confocal microscopy | |
CN112686917B (zh) | 提高岩心非均质性表征精度的数字岩心建模方法及装置 | |
CN115668288A (zh) | 源自二维图像的材料性质 | |
Panagos et al. | Multi-scale European Soil Information System (MEUSIS): a multi-scale method to derive soil indicators | |
Liu et al. | Multicomponent digital core construction and three-dimensional micro-pore structure characterization of shale | |
CN116342815B (zh) | 一种页岩孔隙空间的多尺度孔隙网络模型构建方法 | |
CN105654525B (zh) | 反映真实岩心连通性的2d模型构建方法 | |
CN111257188A (zh) | 碳酸盐岩孔隙系统的多尺度表征方法及装置 | |
Kurtzman et al. | Improving fractured carbonate-reservoir characterization with remote sensing of beds, fractures, and vugs | |
Kazak et al. | Integration of large-area Scanning-Electron-Microscopy imaging and automated mineralogy/petrography data for selection of nanoscale pore-space characterization sites | |
Shi et al. | A comprehensive assessment of image processing variability in pore structural investigations: conventional thresholding vs. machine learning approaches |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |