CN107110992B - 图像特征对准 - Google Patents

图像特征对准 Download PDF

Info

Publication number
CN107110992B
CN107110992B CN201580072742.8A CN201580072742A CN107110992B CN 107110992 B CN107110992 B CN 107110992B CN 201580072742 A CN201580072742 A CN 201580072742A CN 107110992 B CN107110992 B CN 107110992B
Authority
CN
China
Prior art keywords
subgraph
processing system
drilling
feature point
candidate
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.)
Active
Application number
CN201580072742.8A
Other languages
English (en)
Other versions
CN107110992A (zh
Inventor
A.格尔曼
A.加罗特
R.拉隆加
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Schlumberger Technology BV
Original Assignee
Schlumberger Technology BV
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Schlumberger Technology BV filed Critical Schlumberger Technology BV
Publication of CN107110992A publication Critical patent/CN107110992A/zh
Application granted granted Critical
Publication of CN107110992B publication Critical patent/CN107110992B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
    • G01V1/44—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators and receivers in the same well
    • G01V1/48—Processing data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
    • G01V11/002—Details, e.g. power supply systems for logging instruments, transmitting or recording data, specially adapted for well logging, also if the prospecting method is irrelevant
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/38—Processing data, e.g. for analysis, for interpretation, for correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2200/00—Details of seismic or acoustic prospecting or detecting in general
    • G01V2200/10—Miscellaneous details
    • G01V2200/16—Measure-while-drilling or logging-while-drilling
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/10—Aspects of acoustic signal generation or detection
    • G01V2210/14—Signal detection
    • G01V2210/142—Receiver location
    • G01V2210/1429—Subsurface, e.g. in borehole or below weathering layer or mud line
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/50—Corrections or adjustments related to wave propagation
    • G01V2210/57—Trace interpolation or extrapolation, e.g. for virtual receiver; Anti-aliasing for missing receivers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/70—Other details related to processing
    • G01V2210/74—Visualisation of seismic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30161—Wood; Lumber

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • Geology (AREA)
  • Remote Sensing (AREA)
  • Environmental & Geological Engineering (AREA)
  • Acoustics & Sound (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Geophysics And Detection Of Objects (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了图像特征对准。在一些实现方式中，计算机可读有形介质包括指引处理器访问与第一子图像中的高对比度区域相关联的参考特征点的指令，所述第一子图像与钻孔的第一区段相关联。还存在有指引所述处理器识别第二子图像中的若干候选特征点的指令，所述第二子图像与所述钻孔的第二区段相关联，所述钻孔的所述第二区段邻近于所述钻孔的所述第一区段，其中所述候选特征点中的每者被认为是可能与所述高对比度区域相关联。存在有指引所述处理器使用全局解修剪对所述候选特征点进行修剪以获得所述第二子图像中的匹配候选特征点。

Description

图像特征对准
相关申请
本申请要求2014年11月14提交的美国临时申请序列号62/079967的权益，并且所述申请全文以引用的方式并入本文。
背景技术
测井电缆和其它井下成像工具可以用于构建钻孔的子图像。例如，电缆测井工具通常可以在相对于电缆测井工具中心的不同的位置和方位取向上部署多个衬垫。这些衬垫可以包括能够沿着钻孔与每个衬垫相邻的切片来对各种地层性质(其包括电阻率)进行采样的传感器。然后，可通过将这些切片添加到一起并将它们对准来创建整个钻孔的完整图像，但是这通常会相当困难。
例如，各种子图像中的测量可绘制为在钻孔中的测量深度的函数。然而，有时，可能无法准确得知这些测量的准确深度、以及其它量值。因此，当以并排的方式查看子图像时，单独的子图像中显示的特征可能看起来是未对准的。
因此，常常采用解释工程人员通过移动、压缩和/或拉伸子图像的不同部分来手动地将子图像拼合在一起，以使子图像中的特征对准并且获得完整、对准钻孔图像。像这样的手动的后处理可能既耗时又昂贵。例如，对于一千英尺钻孔，解释工程人员可能需要12个小时或更长的时间才能创建完整、对准钻孔图像。
发明内容
本发明提供了图像特征对准。在一些实现方式中，一种方法包括：获得对应于钻孔的第一区段的第一子图像；获得对应于所述钻孔的第二区段的第二子图像，其中所述钻孔的所述第一区段邻近于所述钻孔的所述第二区段；使用处理系统，通过对在所述第一子图像与所述第二子图像之间丢失信息的一个或多个间隙中的信息进行估计来创建全局模板；使用所述处理系统来对所述第一子图像中各种深度处的一个或多个参考特征点进行定位；使用所述处理系统，使用局部特征匹配针对所述第一子图像中的所述一个或多个参考特征点中的每者来对所述第二子图像中的相关候选特征点集合进行定位；使用所述处理系统，使用全局解修剪来使所述第一子图像中的所述一个或多个参考特征点中的每者与选自所述第二子图像中的所述相关候选特征点集合的相应匹配候选特征点匹配；以及基于所述匹配，使用所述处理系统来将所述第一子图像与所述第二子图像对准以创建所述钻孔的图像。
根据一些实现方式，一种方法包括：使用处理系统来识别与钻孔的第一区段相关联的第一子图像中的第一参考特征点和第二参考特征点，其中所述第一参考特征点和所述第二参考特征点与所述第一子图像中的相应高对比度区域相关联；使用所述处理系统，对与所述钻孔的第二区段相关联的第二子图像中的第一候选特征点集合和第二候选特征点集合进行定位，所述钻孔的所述第二区段邻近于所述钻孔的所述第一区段，其中所述第一候选特征点集合与所述第一参考特征点相关联，并且所述第二候选特征点集合与所述第二参考特征点相关联；使用所述处理系统，从所述第一候选特征点集合选择第一匹配候选特征点并且从所述第二候选特征点集合选择第二匹配候选特征点；以及基于所述所选择的第一匹配候选特征点和所述所选择的第二匹配候选特征点，使用所述处理系统来将所述第一子图像与所述第二子图像对准以创建所述钻孔的图像。
根据一些实现方式，一种方法包括：
使用处理系统来访问与钻孔的第一区段相关联的第一子图像中的参考特征点，其中所述参考特征点与所述第一子图像中的高对比度区域相关联；使用所述处理系统来识别与所述钻孔的第二区段相关联的第二子图像中的两个或更多个候选特征点，所述钻孔的所述第二区段邻近于所述钻孔的所述第一区段，其中所述两个或更多个候选特征点中的每者可能与所述高对比度区域相关联；使用所述处理系统，使用全局解修剪对所述一个或多个候选特征点进行修剪以获得所述第二子图像中的匹配候选特征点；以及基于所述已获得的匹配候选特征点，使用所述处理系统来将所述第一子图像与所述第二子图像对准以创建所述钻孔的图像。
根据一些实现方式，一种计算机可读有形介质包括指引处理器访问与钻孔的第一区段相关联的第一子图像和与钻孔的第二相邻区段相关联的第二子图像的指令。还存在有指引所述处理器通过估计在第一子图像与第二子图像之间的间隙中丢失的信息来创建全局模板。存在指引所述处理器使用局部特征匹配对所述第一子图像中各种深度处的若干参考特征点进行定位和对所述第二子图像中的相关候选特征点集合进行定位的另外指令。存在指引所述处理器使用全局解修剪来使所述第一子图像中的每个参考特征点与选自所述第二子图像中的所述相关候选特征点集合的相应匹配候选特征点匹配的额外指令。
在另一可能实现方式中，一种计算机可读有形介质包括指引处理器识别对应于与钻孔的第一区段相关联的第一子图像中的高对比度区域的第一参考特征点和第二参考特征点。还存在有指引所述处理器对与所述钻孔的第二区段相关联的第二子图像中的第一候选特征点集合和第二候选特征点集合进行定位的指令，所述钻孔的所述第二区段邻近于所述钻孔的所述第一区段。第一候选特征点集合与所述第一参考特征点相关联，并且所述第二候选特征点集合与所述第二参考特征点相关联。存在指引所述处理器从所述第一候选特征点集合选择第一匹配候选特征点并且从所述第二候选特征点集合选择第二匹配候选特征点的额外指令。
在另一可能实现方式中，一种计算机可读有形介质包括指引处理器访问与第一子图像中的高对比度区域相关联的参考特征点的指令，所述第一子图像与钻孔的第一区段相关联。还存在有指引所述处理器识别第二子图像中的若干候选特征点的指令，所述第二子图像与所述钻孔的第二区段相关联，所述钻孔的所述第二区段邻近于所述钻孔的所述第一区段，其中所述候选特征点中的每者被认为是可能与所述高对比度区域相关联。存在有指引所述处理器使用全局解修剪对所述候选特征点进行修剪以获得所述第二子图像中的匹配候选特征点。
发明内容并不意图标识要求保护的主题的关键或基本特征，也不意图用来帮助确定要求保护的主题的范围。
附图说明
参考以下结合附图而进行的描述，可容易地理解所述实现方式的特征和优点。
图1示出了其中可采用图像特征对准实施方案的示例井场；
图2A和图2B示出了可根据各种图像特征对准实现方式使用的示例计算装置；
图3示出了根据图像特征对准实现方式的被配置为收集钻孔信息的示例井下工具；
图4示出了根据图像特征对准实现方式的钻孔的多个子图像；
图5示出了根据图像特征对准实现方式的钻孔的两个相邻的子图像的对准；
图6示出了根据图像特征对准实现方式的在使用子图像中的局部信息来识别期望偏移方面的可能挑战；
图7示出了沿着统一钻孔图像的边而绘制的示例质量控制度量；
图8示出了与图像特征对准实施方案相关联的示例方法；
图9示出了与图像特征对准实施方案相关联的示例方法；以及
图10示出了与图像特征对准实施方案相关联的示例方法。
具体实施方式
在以下描述中，阐述许多细节，以便提供对本公开的实施方案的理解。然而，本领域的普通技术人员将会理解，可以在无这些细节的情况下实践系统和/或方法，并且从所描述的实施方案的许多变化或修改是可能的。
另外，本文中讨论的一些实例涉及与油田服务产业相关联的技术。然而，将会理解，图像特征对准技术还可用于除油田服务行业之外的各种各样其它行业，包括例如采矿、地质勘探等等。
如本文中所述，可以使用与图像特征对准相关联的各种技术和技艺来自动地进行将两个或更多个钻孔子图像拼合在一起并将它们对准成统一钻孔图像的过程。在一些实现方式中，此类技术可作用于从具有垂直定向和/或水平定向两者的钻孔获取的钻孔子图像。
示例井场
图1示出了其中可采用图像特征对准实施方案的井场100。井场100可以在岸上或海上。在这个示例系统中，通过以众所周知的方式进行旋转钻井，在地下地层142中形成钻孔102。也可以与正进行定向钻井的井场相关联地采用图像特征对准实施方案。
钻柱104可以悬置在钻孔102内，并且具有井底组件106，井底组件在其下端包括钻头108。地面系统可以包括定位在钻孔102上方的平台和井架组件110。组件110可以包括旋转台112、方钻杆114、钩子116和旋转转节118。钻柱104可由旋转台112(其由未示出致动器激励)旋转，旋转台在钻柱104的上端处接合方钻杆114。钻柱104可以悬置在钩子116(其附接到行进区块(也未示出))上，通过方钻杆114和旋转转节118就允许钻柱104相对于钩子116而旋转。众所周知，也可使用顶部驱动系统。
在此实施方案的实例中，地面系统还可包括储存在井场100处形成的坑池122中的钻井流体或泥浆120。泵124可以经由转节118中的端口将钻井流体120输送到钻柱104的内部，从而导致钻井流体120向下流动穿过钻柱104，如定向箭头126指示的。钻井流体120可以经由钻头108中的端口离开钻柱104，并且向上循环穿过钻柱104的外侧与钻孔102的壁部之间的环形区域，如定向箭头128指示的。以这种众所周知的方式，当钻井流体120返回坑池122来进行再循环时，钻井流体120可以润滑钻头108并且将地层切屑携带到地面。
所示实施方案的井底组件106可以包括钻头108，以及各种设备130，包括随钻测井(LWD)模块132、随钻测量(MWD)模块134、旋转导向式系统和电机、各种其它工具等等。
在一些实现方式中，LWD模块132可以容纳在特殊类型钻环中，正如本领域已知的，并且可以包括多种已知类型测井工具中的一种或多种(例如，核磁共振(NMR系统)、定向电阻率系统和/或声波测井系统等等)。还将理解，可以采用多于一个LWD和/或MWD模块(例如，如在位置136处表示的)。(在全文中提到在位置132处的模块同样还可表示位置136处的模块)。LWD模块132可以包括用于测量、处理和存储信息以及用于与地面设备通信的能力。
MWD模块134也可容纳在特殊类型钻环中，正如本领域已知的，并且包括用于测量井环境的特性(诸如钻柱和钻头的特性)的一个或多个装置。MWD模块134还可包括用于向井下系统产生电力的设备(未示出)。这会包括由钻井流体120的流驱动的泥浆涡轮发电机，应当理解，可以采用其它电源和/或电池系统。MWD模块134可以包括本领域已知的各种测量装置中的一种或多种，包括例如钻压测量装置、扭矩测量装置、振动测量装置、冲击测量装置、粘滑测量装置、方向测量装置和倾斜测量装置。
可以使用各种的系统和方法将信息(数据和/或命令)从设备130传输到井场100的地面138。在一些实现方式中，可由一个或多个传感器140接收信息。传感器140可以位于各种位置，并且可以从本领域已知的任何感测和/或检测技术中选择，所述感测和/或检测技术包括能够测量各种类型辐射、电场或磁场的那些，包括电极(诸如桩)、磁力计、线圈等等。
在一些实现方式中，来自设备130的信息(包括LWD数据和/或MWD数据)可以用于各种目的，包括使得钻头108和与之相关的任何工具转向、表征在钻孔102周围的地层142、表征在钻孔102内的流体等等。例如，可使用来自设备130的信息来创建钻孔102的各种部分的一个或多个子图像。
在一些实现方式中，可以存在测井和控制系统144。测井和控制系统144可以从各种来源(包括设备130)处接收各种信息并且对其进行处理。测井和控制系统144还会控制各种设备，诸如设备130和钻头108。
测井和控制系统144还可以与各种各样油田应用一起使用，包括随钻测井、人工提升、随钻测量、测井电缆等等。此外，测井和控制系统144可以位于地面138上，地面138下、接近钻孔102、远离钻孔102或其任何组合。
例如，在一个可能实现方式中，由设备130和/或传感器140接收的信息可由位于一个或多个位置处(包括本领域已知的任何配置，诸如在接近和/或远离井场100的一个或多个手持装置中、在位于远程命令中心的计算机处等等)的测井和控制系统144处理。在一个方面中，测井和控制系统144可以用于根据从例如设备130和/或从各种其它工具(包括电缆测井工具)接收的信息创建钻孔102的子图像。在一个可能实现方式中，测井和控制系统144还可执行如本文中所述的图像特征对准的各种方面，以便从钻孔102的子图像来创建统一钻孔图像。
示例计算装置
图2A和图2B示出了示例装置200，其中处理器202和存储器204用于托管图像特征对准模块206，图像特征对准模块被配置为实现如本公开中讨论的图像特征对准的各种实施方案。存储器204还可托管一个或多个数据库，并且可以包括一种或多种形式的易失性数据存储介质(诸如随机存取存储器(RAM))和/或一种或多种形式的非易失性存储介质(诸如只读存储器(ROM)、闪存存储器等等)。
装置200是计算装置或可编程装置的一个实例，并且并不旨在提出对装置200和/或其可能的架构的使用范围或功能范围的任何限制。例如，装置200可以包括一个或多个计算装置、可编程逻辑控制器(PLC)等等。
另外，装置200不应被解释为具有与装置200中示出的部件中的一个或其组合相关的任何依赖关系。例如，装置200可以包括计算机(诸如膝上型计算机、桌上型计算机、大型计算机等等)中的一个或多个，或其任何组合或累加。
装置200还可包括总线208，总线被配置为允许各种部件和装置(诸如处理器202、存储器204和本地数据存储装置210，以及其它部件)彼此通信。
总线208可以包括若干类型总线结构中的任何类型总线结构的一种或多种，包括存储器总线或存储器控制器、外围总线、加速图形端口，以及使用各种总线架构中任一者的处理器或本地总线。总线208还可包括有线和/或无线总线。
本地数据存储装置210可以包括固定介质(例如，RAM、ROM、固定硬盘驱动器等等)以及可移动介质(例如，闪存存储器驱动器、可移动硬盘驱动器、光盘、磁盘等等)。
一个或多个输入/输出(I/O)装置212还可经由用户界面(UI)控制器214通信，UI控制器可直接或通过总线208来与I/O装置212连接。
在一些实现方式中，网络接口216可以经由已连接的网络在装置200外通信，并且在一些实现方式中可以与硬件(诸如设备130、一个或多个传感器140等等)通信。
在一些实施方案中，例如，设备130可以经由总线208(诸如经由USB端口)作为输入/输出装置212来与装置200进行通信。
介质驱动器/接口218可以接受可移动有形介质220，诸如闪存驱动器、光盘、可移动硬盘驱动器、软件产品等等。在一些实现方式中，包括图像特征对准模块206的要素的逻辑、计算指令和/或软件程序可驻留在可由介质驱动器/接口218读取的可移动介质220上。
在一些实施方案中，输入/输出装置212可以允许用户向装置200输入命令和信息，并且还会允许将信息呈现给用户和/或其它部件或装置。输入装置212实例包括例如传感器、键盘、光标控制装置(例如，鼠标)、麦克风、扫描仪，以及本领域已知的任何其它输入装置。输出装置实例包括显示装置(例如，监视器或投影仪)、扬声器、打印机、网卡等等。
可以在本文中在软件或程序模块的一般的上下文中描述图像特征对准模块206的各种过程，或者可以在纯计算式硬件中实现技术和模块。软件通常包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、部件、数据结构等等。这些模块和技术的实现方式可以存储在一些形式的有形计算机可读介质上，或者跨一些形式的有形计算机可读介质而传输。计算机可读介质可以是有形并且可由计算装置访问的任一个或多个可用数据存储介质。因此，计算机可读介质可以包括计算机存储介质。“计算机可读存储介质”指示有形介质，并且包括为信息(诸如计算机可读指令、数据结构、程序模块或其它数据)的存储而实现的易失性和非易失性、可移动和不可移动有形介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存存储器或其它存储器技术、CD-ROM、数字通用光盘(DVD)或其它光学存储装置、盒式磁带、磁带、磁盘存储装置或其它磁性存储设备，或者可用于存储所需信息并且可由计算机访问的任何其它介质。
在一些实施方式中，可以在井场100处采用一个装置200或多个装置。这可包括例如在各种设备130中、在测井和控制系统144中等等。
示例系统和/或技术
图3示出了根据图像特征对准实现方式的被配置为收集用于创建钻孔102的子图像的信息的示例井下工具300。将会理解，工具300可以包括能够测量钻孔102中的物理性质(例如诸如地震性质、电阻率、γ射线、核磁共振、超声图像、光谱等等)的任何其它工具。在一些实现方式中，工具300可以包括设备130中任一者。在这方面，还应理解，工具300的特征可以被实现为任何合适井下工具，包括除钻柱(例如，诸如图1中示出的那者)之外的电缆测井工具。
工具300可以包括一个或多个衬垫302，其中每个衬垫302包括一个或多个传感器，一个或多个传感器被配置为测量钻孔102中的物理性质。如图3所示，在一些实现方式中，工具300可以具有围绕其圆周的多个衬垫302。此外，工具300可以沿其长度具有多个衬垫302集合。例如，第一衬垫302集合可以位于工具300上的第一位置304处，并且第二衬垫302集合可以位于工具300上的第二位置306处。根据期望，许多衬垫302都可以位于工具300上。另外，衬垫302可以根据期望放置在工具300上的许多位置(包括例如三个位置)中。
工具300上的第一位置304处的衬垫302(2)可与第二位置306处的衬垫302(4)远离距离308。另外，在一个可能方面中，第一位置304和第二位置306可以安置在工具300的中心310的相对两侧上。
与钻孔102相关联的信息可以使用工具300以任何期望方式来收集。例如，在一些实施方案中，与钻孔102相关联的信息可以在对井筒102进行钻井的同时使用工具300获得。
另外或替代地，在一些实现方式中，可以在钻井后通过使用工具(诸如电缆测井工具)获得与钻孔102相关联的信息。例如，工具300可以使用例如线缆来下降到钻孔102中的期望位置(包括钻孔102的底部)和拉动到地面。当工具300从地面下降到钻孔102中和/或返回到地面时，可由衬垫302进行对钻孔102的测量。在一个可能方面中，可通过工具300来数次进出钻孔102，以便收集与钻孔102相关联的信息。
在收集关于钻孔102的信息时，衬垫302可以任何期望方式移动通过钻孔102，包括围绕由钻孔102限定的轴线旋转和/或沿着钻孔102的长度滑动。例如，在一些实现方式中(诸如，例如在钻井过程中)，工具300上的一个或多个衬垫302在它们收集关于钻孔102的信息时，可以在钻孔102内旋转。在另一可能实现方式中(诸如，例如在电缆测井操作期间)，衬垫302可能不在旋转，从而在它们沿着钻孔102的长度移动时，在钻孔102的给定方位范围内收集信息。
图4示出了根据图像特征对准实现方式的钻孔102的多个子图像400。在一些实现方式中，可以使用由与工具300相关联的衬垫302收集的信息来至少部分地创建子图像400。
子图像400在图4中被示出为钻孔102的沿着钻孔102的深度402的区段的表示。在一些实现方式中，钻孔102的这些区段可以包括钻孔102的方位范围。可例如从使用不旋转的工具(诸如电缆测井工具300)上的一个或多个衬垫302收集的信息创建子图像400。替代或另外地，可以从使用旋转工具300(诸如设备130)上的一个或多个衬垫302收集的信息创建子图像400。
在一些实现方式中，可通过将钻孔102的相邻区段的子图像400放置在彼此附近以创建钻孔102的整体或部分的粗略全景视图来创建原始子图像集合404。在一些实施方案中，原始子图像集合404中的各种子图像400可能没有对准，使得一个单独子图像400中的特征在相邻的子图像400中的相同深度402处无法排齐。子图像400像这样的未对准可能是由许多因素造成，这些因素包括例如工具300的动态，诸如工具300上的位置304、306处的衬垫302的差异放置、工具300的在其在衬垫302进行测量的同时移动通过钻孔102时的加速度等等。
在一些实现方式中，工具300上的一个或多个衬垫302的真实深度可能是未知的。在一个可能方面中，衬垫302在钻孔102中的深度可至少部分地基于用于将工具300下降到钻孔102中的线缆的长度来估计。然而，在一些情况下，线缆可以拉伸。
此外，来自衬垫302的测量可能被钻孔102内和其周围的各种形式噪声(包括例如来自钻孔102中的各种设备130的噪声)破坏。
在一些实现方式中，当工具300的动态在其被拉到地面时会不恒定。例如，工具300的测量到的速度可不同于工具300的实际速度。在这种情况下，对地层142的采样可能不以与在在地面测量的相同的速率发生。因此，相较地层142中的实际特征来说，子图像400中的显示出的特征可看起来是拉伸/压缩的。
在一些实现方式中，以上因素的任何组合都会导致原始子图像集合404中的子图像400的未对准。
在一些实施方案中，可期望修复原始子图像集合402中的子图像400的未对准以获得统一钻孔图像406，在统一钻孔图像中，跨各种子图像400的特征是对准的。在一些实现方式中，这可通过使用本文中描述的图像特征对准实现方式使一个子图像400的各种部分相对于相邻的子图像400而偏移(即，移动、压缩和/或拉伸)来实现。
一旦创建，就可使用统一钻孔图像406估计地层142，并且识别地层142中的感兴趣点，包括结构倾斜、断层、断裂等等。统一钻孔图像406也可用于其它应用，诸如，例如对薄层状的地层的净产量的估计、对钻孔102的稳定性的分析等等。
可根据期望从许多子图像400构造统一钻孔图像406。例如，在一些实现方式中，可以从两个相邻的子图像400来创建统一钻孔图像406。在一些实现方式中，可以从足够的子图像400来创建统一钻孔图像406以映射出钻孔102的整个圆周。
图5示出了根据图像特征对准实现方式的钻孔102的两个相邻的子图像400(20)、400(22)的对准。在一些实现方式中，可以使用自动化算法通过将子图像400(20)、400(22)共同的一个或多个特征(诸如边缘、倾斜、断裂等等)对准来将相邻的子图像400对准。在一个可能方面中，算法可作用于具有任何可能定向(垂直、水平等等)的钻孔102的子图像400，并且算法可以分成各种阶段。
在一些实现方式中，该算法的第一阶段可以被定义为局部对准，在局部对准中，选择子图像400(22)中的参考特征点500，并且使用局部特征匹配搜索相邻的子图像400(20)中的相应匹配候选特征点500(2)。
在一些实现方式中，参考特征点500和相应匹配候选特征点500(2)与这两个子图像400(20)、400(22)共同的特征的一部分相关联。
可以使用本领域已知的任何方法(包括例如基于梯度的方法、使用匹配标准等等)在子图像400(22)中搜索参考特征点500。
可以使用本领域已知的任何方法(包括例如基于梯度的方法、使用匹配标准等等)在子图像400(20)中搜索相应匹配候选特征点500(2)。然而，由于子图像400(20)、400(22)可以包括多个特征，因此可能的是，多个候选特征点会位于子图像400(20)中，从而表示与子图像400(22)中的参考特征点500的可能匹配。
在一些实现方式中，每个候选特征点可以具有相关偏移以使其与子图像400(22)中的参考特征点500对准。偏移可以包括移动、压缩和/或拉伸子图像400(20)的一个或多个部分以将子图像400(20)中的候选特征点与子图像400(22)中的参考特征点500对准。
在一个可能方面中，在该算法的第二阶段中，可修剪多个候选特征点(使用例如全局解修剪)来隔离匹配候选特征点500(2)。在一些实施方案中，匹配候选特征点500(2)可基于与其相关联的期望偏移来隔离，这个期望偏移可以用于使子图像400(20)中的匹配候选特征点500(2)与子图像400(22)中的参考特征点500对准。
可使用本领域已知的任何技术(包括例如基于工具300的已知和/或所估计的动态使用正则化函数)来计算与候选特征点相关联的偏移。
在一些实现方式中，为了识别期望偏移，在考虑到工具300的动态(诸如加速度、衬垫302的位置等等)的情况下，在全局优化框架中可用公式表示多个候选特征点。
此外，在该算法的第一阶段中，可以在子图像400(22)中隔离多于一个参考特征点500。在这种情况下，使子图像400(20)中的各种多个候选特征点与它们在子图像400(22)中的相应参考特征点500对准的潜在偏移在全局优化框架中可用公式表示。从与每个候选特征点相关联的可能偏移的这个论域，可选择匹配候选特征点500(2)而造成子图像400(20)平滑更改，从而使子图像400(20)与子图像400(22)对准。
例如，匹配候选特征点可基于它们与给定参考特征点相关联的概率来选择。
替代或另外地，第一阶段和第二阶段可以针对在子图像400(22)中各个深度402处的参考特征点500根据期望重复多次。以这样的方式，可以定位与多个匹配候选特征点500(2)对应的多个偏移以使子图像400(20)的多个部分与子图像400(22)对准。
在一些实现方式中，衬垫302可以此类数量和/或定向而位于工具300上，使得它们不会全360度地覆盖钻孔102。例如，衬垫302可以在它们对钻孔102的方位覆盖范围内具有间隙502。在这种情况下，在该算法的第一阶段中的局部图像对准(又称局部特征匹配)可能是具有挑战的。一种可能解决方案可以是使用本领域已知的任何方法(包括例如修复算法)来估计间隙502中丢失的数据。例如，在一些实施方案中，可使用一个或多个子图像400中的最靠近间隙502的信息来估计间隙502中的丢失信息。在一些实施方案中，可使用单个子图像400中的靠近于间隙502的信息来估计间隙502中的丢失信息。
一旦填充间隙502，就可创建包括实际像素信息和估计像素信息的全局模板，使得可以进行各种搜索，包括例如搜索参考特征点500，候选特征点等等。
示例自动化算法
在一些实现方式中，工具300可以具有位于钻孔102中不同深度402处的两个衬垫302(2)、302(4)，其中工具300上的衬垫302(2)、302(4)之间的物理距离308是已知的。衬垫302(2)可以称为上部衬垫并且可以位于第一位置304处，并且衬垫302(4)可以称为下部衬垫并且可以位于第二位置306处。在一个可能方面中，术语上部衬垫和下部衬垫可相对于工具300的中心310从相应衬垫302的深度推导。
在一些实现方式中，第二子图像400(20)(又称IL(x,y))可以与下部衬垫302(4)相关联，并且第一子图像400(22)(又称IU(x,y))可以与上部衬垫302(2)相关联。在一个可能方面中，子图像IL(x,y)的一个或多个部分(诸如子图像IL(x,y)的一行或多行)可以偏移参数τy，使得子图像IL(x,y)中的一个或多个特征可以与子图像IU(x,y)中的相应特征对准，以便创建统一钻孔图像406。在子图像IL(x,y)中各个深度处的偏移的估计值在所估计的偏移506的图中示出。在一些实施方案中，可以在与各种深度402对应的各种点504处计算偏移。例如，可以诸如经由在相邻的点504之间的直线估计等等来外推出点504之间的偏移的值。
在一些实施方案中，中间统一钻孔图像可表达为IL(x,y)+IU(x,y)。在一个可能方面中，子图像IL(x,y)中的一个或多个测量可沿着y轴(即，深度402)偏移以获得图5中示出的统一钻孔图像406。所对准的子图像可由以下定义：
其中τy表示针对每个深度402沿着y轴的偏移。
在一些实现方式中，子图像IL(x,y)、IU(x,y)的对准可以用公式表示为估计变量τy(如所估计的偏移506的图所示的，其中τy的值沿着x轴示出)。在一个可能方面中，偏移的值可以是深度的函数，并且可以在子图像IL(x,y)中的不同y位置处改变。
根据一些实现方式，用于估计偏移τy的可能算法可开始于从子图像IL(x,y)中选择一个或多个参考特征点集合{(x1,y1),(x2,y2),……,(xN,yN)}，其中N定义参考特征点的总数。所提取的参考特征点可与钻孔图像特征(诸如边缘、倾斜、断裂等等)对应。在一个可能方面中，此类参考特征点可以具有足够高对比度以与子图像IU(x,y)中的匹配候选特征点匹配。
参考特征点可以若干方式进行选择，包括用户手动选择，或者自动地由参考特征点选择算法选择。在一些实现方式中，对于每个参考特征点，算法可以估计子图像IU(x,y)中的相应候选特征点的τy值。在一些情况下，这会是具有挑战的，因为下部衬垫302和上部衬垫302可不覆盖钻孔102的相同区段，并且因此在下部子图像与上部子图像之间可能存在间隙502。换句话说，为了清楚起见，在衬垫302不覆盖钻孔102的区域(例如，其中不存在信息方位重叠的间隙502)中，子图像IL(x,y)、IU(x,y)可以具有零值。此类间隙502可以若干方式使特征匹配过程复杂化。例如，如果某个特征跨显示的子图像不连续，那么在下部子图像和上部子图像中可能无法看见这个特征。另外，对于大的间隙502，子图像中的特征的定向可以是不同的。例如，在一个子图像中，可观察到倾斜的峰值，而另一个子图像中，可以看到谷值。
在一些实现方式中，可通过在特征匹配前包括全局模板生成阶段来解决这种问题。例如，全局模板生成阶段可将上部子图像IU(x,y)作为输入，并且基于上部子图像IU(x,y)中的像素来估计间隙502中的像素值。具有填充的间隙的新估计的图像可由I_hat_U(x,y)定义，并且称为全局模板。
在一些实现方式中，图像全局模板I_hat_U(x,y)可以降低特征匹配阶段的复杂度。在一个可能方面中，对于每个参考特征点，可通过使I_hat_U(x,y)和IL(x,y+τy)之间的对数似然减少和/或最小化来找出相应偏移τy。在一些实现方式中，对数似然可表达为均方误差(MSE)。
在一些实现方式中，可以在子图像IU(x,y)、IL(x,y)的局部范围上定义特征匹配算法。出于这个原因，局部特征匹配可以产生多个解(例如，多个候选特征点)。在一些实施方案中，由于钻孔102的子图像中的倾斜的周期性等等，可能难以确定期望偏移。在一些实施方案中，可以在全局解修剪阶段中解决这个问题。
在一些实现方式中，在全局修剪阶段中，全局优化算法可以搜索与一个或多个可能候选特征点分组相关的一个或多个可能偏移组合。在一个可能方面中，可以选择使成本标准最小化的偏移集合作为期望估计，并且与所选择的偏移集合对应的候选特征点可以称为匹配候选特征点。在一个可能方面中，最小化的成本函数可以考虑工具300的动态和匹配估计的准确性。此外，如果期望，用户还可手动指定要选择的偏移。
在一些实施方案中，对可能偏移组合的搜索的复杂度可以随着参考特征点的数量呈指数地增长。在一些实现方式中，可通过使用维特比(Viterbi)算法来实现搜索。
当功能选择被自动化时，算法可自动地选择IL(x,y)中的参考特征点。在一些实现方式中，可以选择特征使搜索IU(x,y)中的相应特征的歧义性减少和/或最小化。在一个可能方面中，参考特征点可以从任何高对比度区域中选择，诸如，例如倾斜、断裂、边缘等等。在一些实施方案中，为了自动地检测出这些特征，1D信号可以在边界508上提取，1D信号放置在子图像IL(x,y)中的任何期望位置处。在一些实现方式中，该1D信号的梯度可与子图像IL(x,y)中的边缘信息相关。在一个可能方面中，该梯度的大绝对值可以指示边缘可能存在，而较低的值则可以指示平坦区域。在一些实现方式中，参考特征点可以被选择为绝对梯度的N个最大值。
在一些实施方案中，全局模板I_hat_U(x,y)可通过例如修复算法来创建。在这种方法中，填充间隙502的所估计的像素可以被估计为在丢失像素附近的加权像素的总和。这些权重可例如通过局部图像梯度来确定，使得可精确地外推边缘。例如，可以从每个间隙502的边界朝每个间隙502的中心实现修复。
在一些实现方式中，关于局部特征匹配，对于集合{(x1,y1),(x2,y2),……,(xN,yN)}中的每个参考特征点，可以寻求与候选特征点对应的偏移τ。为了识别这个偏移，当全局模板I_hat_U(x,y)和左手侧子图像IL(x,y+τ)充分排齐时，误差I_hat_U(x,y)-IL(x,y+τ)可以具有低的量值。在一个可能方面中，为了识别偏移，可以使以下成本函数减少和/或最小化：
Ei(τ)＝∑x∈Wxi ∑y∈Wyi(I_hat_U(x，y)-IL(x，y+τ))2， (2)
其中Wxi＝[xi-L/2,xi-L/2+1,……,xi+L/2]和Wyi＝[yi-L/2,yi-L/2+1,……,yi+L/2]定义围绕第i个参考特征点(xi,yi)的窗口，其投影到下部衬垫(诸如，例如下部衬垫302(4))上的某个位置。在一些实现方式中，找出偏移τi的优化问题就可以被定义为：
在一些实现方式中，这可通过例如强力方法(其中针对偏移中的每个可能的值估计总误差(2))或者本领域已知的复杂度较低的先进方法解决。
图6示出了根据图像特征对准实现方式的在使用子图像中的局部信息来识别期望偏移(以及因此匹配候选特征点)方面的可能挑战。例如，在一些实现方式中，当使用关于参考特征点(xi,yi)的局部信息评估偏移时，可以选择不太理想的解。这包括了当参考特征(诸如倾斜)出现在全局模板I_hat_U(x,y)的多个区域中时。例如，在一些实现方式中，每个候选特征点可以产生等式(2)中的成本函数的低值，因此不存在防止选择不期望的和/或不令人满意的候选特征点的方式。出于这些原因，在一些实施方案中，可使用全局优化算法来进行全局解修剪，其中可以通过利用各种各样信息(包括全局信息)从各种候选特征点中选择匹配候选特征点。在一些实现方式中，全局解修剪可以包括在此类全局信息内关于参考特征点(xi,yi)的局部信息。
例如，对于子图像400(24)中的参考特征点600，可以在子图像400(26)中定位呈候选特征点602(1)、602(2)、602(3)形式的若干不同可能的解。如图所示，每个候选特征点602(1)、602(2)、602(3)与相应偏移τ1、τ2、τ3相关联以将子图像400(26)、400(24)中的倾斜对准。统一钻孔图像406示出当选择期望偏移τ1时对准的子图像400(26)、400(24)，从而将特征点600与匹配候选特征点602(1)匹配。
在一些实施方案中，局部对准算法可不考虑在相邻的特征点600之间的关系。例如，在正常工具加速下，紧密地间隔的特征点600也可具有类似偏移，并且可利用这个信息来改进子图像对准结果。可通过使成本函数正则化来考虑这个信息。新的成本函数可以被定义为：
其中f(τi)可以是一般正则化函数，并且λ可以确定常规匹配和正则化成本之间的权衡。例如，在λ＝0的情况下，问题可等同于等式(3)，而设定λ使得λf(τi)＞＞Ei(τi)则表示J(.)可由正则化函数确定。
在一些实现方式中，可以使用各种不同正则化函数。例如，可以选择正则化函数，以便使偏移f(τi)＝(τi)2的能量减少和/或最小化或者确保所选择的偏移是期望平滑的f(τi)＝|τi-τi-1|。本领域已知的任何正则化度量都可用于此类努力。
在一些实现方式中，可使用正则化函数来考虑工具300的动态和参考特征点600的位置的深度，如下：
f(τi|τi-1)＝|τi-τi-1|exp(-λ1|yi-yi-1|)。 (5)
在一些实施方案中，正则化函数可以惩罚紧密地间隔的参考特征点，即|yi-yi-1|～0。在这种情况下，正则化函数可以近似等于f(τi)～|τi-τi-1|。在参考特征点间隔较大距离时的情况下，即，|yi-yi-1|＞＞0，正则化函数f(τi)～0。这可以与关于紧密地间隔的参考特征点可具有比相距得较远的锚点更大的平滑约束的解释一致。
在一个可能方面中，参数λ1可以确定正则化函数的衰减，并且因此它可以是例如工具300的加速度的函数。对于大加速度，该值可能较大，并且对于工具300的低加速度，反之亦然。在加速度数据不可用的情况下，在一些实现方式中，可以将参数设置为常数。
在一些实施方案中，致力于找出偏移的全局优化因此可以用公式表示为：
[τ1，τ2，...，τN]＝argmin{J(τ1，τ2，...，τN)}。 (6)
τ1，τ2，...，τN
在一些实现方式中，这可通过本领域已知的任何梯度下降算法和/或通过使用本领域已知的任何其它方法解出。
在一些实施方案中，在注意到成本函数具有马尔可夫(Markov)链结构时，就可利用低复杂度方法。这个结构可以在等式(5)中看到，其中正则化成本f(τi|τi-1)基于τi-1调整，并且可独立于先前偏移。给定马尔可夫链结构，成本函数可表达为加权图。在一些实施方案中，这个图中的每一列可以表示参考特征点600，并且这个列中的每个值可以表示偏移可以采取的值。马尔可夫结构允许最小化问题被简化为找到穿过加权图的路径，其中在两个节点之间的附加成本等于E(τi)+λf(τi|τi-1)。在一个可能方面总，通过这个图的最小路径可通过低复杂度维特比算法来估计，并且因此可以找到期望全局偏移。
对多个衬垫的示例算法扩展
在一些实现方式中，上述算法可扩展为用于与多于两个衬垫302一起使用。例如，工具300可以包括在第一位置304和第二位置306的多个衬垫302。工具300还会包括除第一位置304和第二位置306之外的位置。
在一些实现方式中，可以在第一位置304处利用四个衬垫302，并且可以在第二位置306处利用四个衬垫302(但是将会理解，也可使用更多或更少的衬垫302)。在一个可能方面中，来自下部衬垫302和上部衬垫302的子图像可如以下定义
{IL 1(x,y),IL 2(x,y),IL 3(x,y),IL 4(x,y)}，
以及
{IU 1(x,y),IU 2(x,y),IU 3(x,y),IU 4(x,y)}。
在一些实现方式中，关于图4中的元件的可能映射可以包括：
IL 1(x,y)-400(2)
IL 2(x,y)–400(6)
IL 3(x,y)–400(10)
IL 4(x,y)–400(14)
IU 1(x,y)–400(4)
IU 2(x,y)–400(8)
IU 3(x,y)–400(12)
IU 4(x,y)–400(16)
在一些实现方式中，可以使用如上文讨论的与自动化特征选择结合的类似的公式化。例如，子图像400可以等于在衬垫302覆盖钻孔102的像素位置处的地层测量，否则为零。例如，第一位置304处的衬垫302和第二位置306处的衬垫302可以位于不同深度402。在一个可能方面中，这可以由参数τy建模，参数τy可以表示来自下部衬垫302的子图像400与来自上部衬垫302的子图像400之间的全局偏移。
在一些实现方式中，除了全局偏移之外，单独衬垫302可相对于它们在每个位置304、306处的相邻衬垫而位于不同深度。例如，如果工具300倾斜和/或衬垫302中的一者被卡在钻孔102上，就会发生这种情况。在一个可能方面中，这可以由局部偏移Δτy建模。在另一可能方面中，可以假定全局偏移大于局部偏移|τy|>|Δτy|。
在一些实施方案中，统一钻孔图像406可因此由等式(7)表达：
其中IL 1(x,y)是从中选出一个或多个参考特征点的参考子图像。因此，就可以将多个衬垫的图像对准问题用公式表示为解得参数τy,和在一些实现方式中，可以在若干阶段中求解这些参数。首先，可通过使用与上文“示例自动化算法”部分相同的解决方案来估计偏移τy。公式化的一个差异可以在于等式(2)中的成本函数可扩展到多个衬垫302。然后，可通过假定全局偏移为零来迭代地求解出局部偏移和
示例质量控制(QC)度量
在一些实现方式中，可通过视觉检查和/或通过使用可与子图像400和/或统一钻孔图像406的视觉质量相关联的定量度量来检验对各种偏移的结果。例如，如果定量度量的值高于某个阈值，那么用户可视觉地检验在这个位置的结果，并且在期望时，手动调整图像对准。
本领域已知的各种度量可以用于此类QC目的，包括例如：对数似然，诸如等式(2)中定义的；以及正则化误差，诸如等式(5)中定义的。在一些实现方式中，可通过使对数似然和正则化误差的总和最小化来给出图像质量指示，以便实现特征匹配。
图7示出了沿着统一钻孔图像406(即，所补偿的图像)的边而绘制的示例质量控制度量。质量控制度量包括所估计的偏移对深度的图700、对数似然(在一个可能实现方式中，其可以表达为例如均方误差(MSE)对深度402)的图702，以及正则化误差对深度402的图704。例如，在统一钻孔图像406中，在线150处可见伪像706，其中可能无法进行准确估计下部衬垫302和上部衬垫302之间的偏移(即，统一钻孔图像406中示出的层理在这个深度位置处可能无法排齐)。伪像706与高的对数似然708和高的正则化误差710对应。
在一些实现方式中，可自动化进行质量控制。例如，可检查在各种深度处的一个或多个估计的偏移值的对数似然和/或正则化误差来确认它们低于预设阈值。如果它们不是这样，那么就会发起修复工作，包括重新运行以上算法以对改进的候选匹配点进行定位、请求用户干预以有助于手动对准负责于对数似然和/或正则化错误的一个或多个特征。在一个可能方面中，可使用例如图像特征对准模块206来执行这种自动化质量控制。
示例方法
图8-10示出了用于实现图像特征对准的各个方面的示例方法。方法被示出为表示可实现于硬件、软件、固件、各种逻辑或其任何组合中的操作序列的逻辑流程图中的方框和其它要素的集合。对方法进行描述的顺序不旨在解释为限制性的，并且任何数量所描述的方法方框可以任何顺序组合以实现方法或替代方法。另外，在不脱离本文中描述的主题的精神和范围的情况下，可以从方法中删除单独方框和/或要素。在软件的上下文中，这些方框和其它要素可以表示在由一个或多个处理器执行时执行所表述的操作的计算机指令。此外，为了讨论目的而非限制目的，可以参考图1-7中示出的要素对这些方法的所选择的方面进行描述。
图8示出了与图像特征对准实施方案相关联的示例方法800。在方框802处，访问与钻孔(诸如钻孔102)的第一区段相关联的第一子图像(诸如子图像400(20))。
在方框804处，访问与钻孔的第二区段相关联的第二子图像(诸如子图像400(22))，钻孔的第一区段邻近于钻孔的第二区段。
在方框806处，通过对在第一子图像与第二子图像之间丢失信息的一个或多个间隙(诸如间隙502)中的信息进行估计来创建全局模板。在一些实施方案中，在第一子图像与第二子图像之间并不存在信息方位重叠时，就会产生丢失信息。在一些实现方式中，可以使用本领域已知的任何方法(包括例如修复算法)估计间隙中丢失的数据。
在方框808处，一个或多个参考特征点(诸如参考特征点500和/或参考特征点600)可以位于第一子图像中的各种深度处。在一些实现方式中，一个或多个参考特征点可以与第一子图像中的高对比度区域(诸如边缘、倾斜、断裂等等)相关联。此外，可以使用本领域已知的任何方法(包括例如基于梯度的方法)从第一子图像中提取一个或多个参考特征点。
在方框810处，使用局部特征匹配针对第一子图像中的一个或多个参考特征点中的每者来在第二子图像中定位相关候选特征点集合(诸如候选特征点602(1)、6012(2)、602(3))。在一些实现方式中，局部特征匹配可以使用匹配标准来对第二子图像中的一个或多个候选特征点进行定位。
在方框812处，使用全局解修剪来使第一子图像中的一个或多个参考特征点中的每者与选自第二子图像中的相关候选特征点集合的相应匹配候选特征点(诸如匹配候选特征点500(2))匹配。例如，在一些实现方式中，全局解修剪可以从方框806中搜索与各种候选特征点相关联的偏移的一个或多个可能的组合，并且选择使与偏移相关联的成本标准减少和/或最小化的偏移集合。与所选择的偏移相关联的候选特征点变为匹配候选特征点。在一些实现方式中，可使用维特比算法来实现全局解修剪中的搜索。
图9示出了与图像特征对准实施方案相关联的另一示例方法900。在方框902处，在与钻孔(诸如钻孔102)的第一区段相关联的第一子图像(诸如子图像400(20)和/或子图像400(24))中识别第一参考特征点(诸如参考特征点500和/或参考特征点600)和第二参考特征点(诸如参考特征点500和/或参考特征点600)。在一些实现方式中，第一参考特征点和第二参考特征点与第一子图像中的相应高对比度区域相关联。
在方框904处，在第二子图像(诸如子图像400(22)和/或子图像400(26))中定位第一候选特征点(诸如候选特征点602(1)、6012(2)、602(3))集合和第二候选特征点(诸如候选特征点602(1)、6012(2)、602(3))集合。在一些实现方式中，第二子图像与钻孔的第二区段相关联，钻孔的第二区段邻近于钻孔的第一区段。在一个可能方面中，第一候选特征点集合可以表示第二子图像中的与第一参考特征点对应的可能的局部解。类似地，第二候选特征点集合可以表示第二子图像中的与第二参考特征点对应的可能的局部解。
在方框906处，从第一候选特征点集合中选择第一匹配候选特征点(诸如匹配候选特征点500(2))，从第二候选特征点集合中选择第二匹配候选特征点(诸如匹配候选特征点500(2))。在一些实现方式中，使用全局解修剪选择第一匹配候选特征点和第二匹配候选特征点。
图10示出了与图像特征对准实施方案相关联的另一示例方法1000。在方框1002处，在与钻孔(诸如钻孔102)的第一区段相关联的第一子图像(诸如子图像400(20)和/或子图像400(24))中访问参考特征点(诸如参考特征点500和/或参考特征点600)。在一些实现方式中，参考特征点与第一子图像中的高对比度区域相关联。
在方框1004处，在第二子图像(诸如子图像400(22)和/或子图像400(26))中识别两个或更多个候选特征点(诸如候选特征点602(1)、6012(2)、602(3))。在一些实现方式中，第二子图像可以与钻孔的第二区段相关联，钻孔的第二区段邻近于钻孔的第一区段。此外，两个或更多个候选特征点中的每者可能与高对比度区域相关联。
在方框1006处，使用全局解修剪对一个或多个候选特征点进行修剪以获得第二子图像中的匹配候选特征点(诸如匹配候选特征点500(2))。
上文描述的方法和过程可由处理系统执行。术语“处理系统”不应被解释为将本文中公开的实施方案限制为任何特定类型装置或系统。处理系统可以包括单个处理器、多个处理器或计算机系统。在处理系统包括多个处理器的情况下，多个处理器可相对于彼此设置在单个装置上或位于相同位置或远程位置的不同装置上。一个处理器或多个处理器可以包括用于执行上文描述的方法和过程中任一者的一个或多个计算机处理器(例如，微处理器、微控制器、数字信号处理器或通用计算机)。计算机系统还会包括存储器，诸如半导体存储器装置(例如，RAM、ROM、PROM、EEPROM或闪存可编程RAM)、磁性存储器装置(例如，磁盘或固定磁盘)、光学存储器装置(例如，CD-ROM)、PC卡(例如，PCMCIA卡)或其它存储装置。
上文描述的方法和过程可实现为用于与计算机处理器一起使用的计算机程序逻辑。计算机处理器可以是例如系统(诸如上述系统200)的部分。计算机程序逻辑可以各种形式实施，包括源代码形式或计算机可执行形式。源代码可以包括呈各种编程语言(例如，目标代码、汇编语言或诸如C、C++、Matlab、JAVA或其它语言或环境的高级语言)的一系列计算机程序指令。此类计算机指令可以存储在非暂态计算机可读介质(例如，存储器)中，并且可由计算机处理器执行。计算机指令可以任何形式来分发为附带有印刷文档或电子文档(例如，压缩打包软件)的可移动存储介质，预先加载在计算机系统上(例如，在系统ROM或固定磁盘上)，或者通过通信系统(例如，因特网或万维网)从服务器或电子公告牌分发。
替代地或另外地，处理系统可以包括耦合到印刷电路板、集成电路(例如，专用集成电路(ASIC))和/或可编程逻辑器件(例如，现场可编程门阵列(FPGA))的分立电子部件。可使用此类逻辑器件来实现上文描述的方法和过程中任一者。
在权利要求中，手段加功能条款旨在涵盖在本文中描述为执行所表述的功能的结构，并且其不仅涵盖了结构上等效物，而且还涵盖了等效结构。因此，虽然钉子和螺钉可能不是结构上等效物，因为钉子采用圆柱形的表面将木制部分固定在一起，而螺钉则采用螺旋形的表面，但是在紧固木制部分的环境中，钉子和螺钉就可以是等效结构。除了权利要求中明确将字词“用于……的构件”与相关功能一起使用的那些之外，本申请人明确表明无意援引35U.S.C.§112第6段作为对本文中的任一权利要求的任何限制。
在本说明书中和在权利要求中使用的范围内，以“[a]和[b]中的至少一个的一般形式进行的表述应解释为分离性的。例如，对“[a]、[b]和[c]中的至少一个”的表述将会包括仅[a]、仅[b]、仅[c]，或[a]、[b]和[c]的任何组合。
虽然上文已详细描述了几个示例实施方案，但是本领域的技术人员将容易地了解，在不实质上脱离本公开的情况下，许多修改在示例实施方案中是可能的。因此，此类修改旨在包括在如随附权利要求限定的本公开的范围内。此外，可以在缺少本文未明确描述的任何部件的情况下执行实施方案。

Claims (20)

1.一种用于图像对准的方法，所述方法包括：
获得对应于钻孔的第一区段的第一子图像；
获得对应于所述钻孔的第二区段的第二子图像，其中所述钻孔的所述第一区段邻近于所述钻孔的所述第二区段；
使用处理系统，通过对在所述第一子图像与所述第二子图像之间丢失信息的一个或多个间隙中的信息进行估计来创建全局模板；
使用所述处理系统来对所述第一子图像中各种深度处的一个或多个参考特征点进行定位；
使用所述处理系统，使用局部特征匹配针对所述第一子图像中的所述一个或多个参考特征点中的每者来对所述第二子图像中的相关候选特征点集合进行定位；
使用所述处理系统，使用全局解修剪来使所述第一子图像中的所述一个或多个参考特征点中的每者与选自所述第二子图像中的所述相关候选特征点集合的相应匹配候选特征点匹配；以及
基于所述匹配，使用所述处理系统来将所述第一子图像与所述第二子图像对准以创建所述钻孔的图像。
2.如权利要求1所述的方法，所述方法进一步包括：
使用所述处理系统，通过使用修复算法来估计所述一个或多个间隙中的信息。
3.如权利要求1所述的方法，所述方法进一步包括：
使用所述处理系统，使用基于梯度的方法自动地定位所述第一子图像中各种深度处的所述一个或多个参考特征点。
4.如权利要求1所述的方法，所述方法进一步包括：
使用所述处理系统，通过筛检所述第一子图像中的高对比度区域来定位所述一个或多个参考特征点。
5.如权利要求1所述的方法，所述方法进一步包括：
使用所述处理系统来识别所述第一子图像中的所述一个或多个参考特征点中的每者与它们在所述第二子图像中的相关候选特征点之间的偏移。
6.如权利要求1所述的方法，所述方法进一步包括：
使用所述处理系统，通过考虑与用于收集用来创建所述第一子图像和所述第二子图像的信息的工具相关联的一个或多个动态而对所述第二子图像中的相应匹配候选特征点进行定位。
7.如权利要求1所述的方法，所述方法进一步包括：
使用所述处理系统，通过使用以下各项中的一个或多个相对于所述相应匹配候选特征点的相关参考特征点来对所述相应匹配候选特征点中的一个或多个执行质量控制：
对数似然；以及
正则化误差。
8.如权利要求1所述的方法，所述方法进一步包括：
使用所述处理系统来创建包括所述第一子图像和所述第二子图像的统一钻孔图像，使得所述第一子图像中的所述一个或多个参考特征点中的每者与所述第二子图像中的所述相应匹配候选特征点相匹配。
9.如权利要求8所述的方法，所述方法进一步包括：
使用所述处理系统，通过使所述第一子图像的一个或多个部分相对于所述第二子图像发生偏移来创建包括所述第一子图像和所述第二子图像的所述统一钻孔图像。
10.一种用于图像对准的方法，所述方法包括：
使用处理系统来识别与钻孔的第一区段相关联的第一子图像中的第一参考特征点和第二参考特征点，其中所述第一参考特征点和所述第二参考特征点与所述第一子图像中的相应高对比度区域相关联；
使用所述处理系统，对与所述钻孔的第二区段相关联的第二子图像中的第一候选特征点集合和第二候选特征点集合进行定位，所述钻孔的所述第二区段邻近于所述钻孔的所述第一区段，其中所述第一候选特征点集合与所述第一参考特征点相关联，并且所述第二候选特征点集合与所述第二参考特征点相关联；
使用所述处理系统，从所述第一候选特征点集合选择第一匹配候选特征点并且从所述第二候选特征点集合选择第二匹配候选特征点；以及
基于所述所选择的第一匹配候选特征点和所述所选择的第二匹配候选特征点，使用所述处理系统来将所述第一子图像与所述第二子图像对准以创建所述钻孔的图像。
11.如权利要求10所述的方法，所述方法进一步包括：
使用所述处理系统在以下各项中的一个或多个之中对所述第一参考特征点进行定位：
倾斜；
断裂；以及
边缘。
12.如权利要求10所述的方法，所述方法进一步包括：
使用所述处理系统，使用基于梯度的方法自动地识别所述第一子图像中的所述第一参考特征点和所述第二参考特征点。
13.如权利要求10所述的方法，所述方法进一步包括：
使用所述处理系统，使用匹配标准来定位所述第二子图像中的所述第一候选特征点集合和所述第二候选特征点集合。
14.如权利要求10所述的方法，所述方法进一步包括：
使用所述处理系统，使用全局解修剪从所述第一候选特征点集合选择所述第一匹配候选特征点并且从所述第二候选特征点集合中选择所述第二匹配候选特征点。
15.如权利要求10所述的方法，所述方法进一步包括：
使用所述处理系统来对所估计的偏移进行计算以将所述第一匹配候选特征点与所述第一参考特征点对准；以及
使用所述处理系统，通过确认以下各项中的一个或多个低于预设阈值来执行质量控制：(a)所述所估计的偏移的对数似然；以及(b)所述所估计的偏移的正则化误差。
16.如权利要求10所述的方法，所述方法进一步包括：
使用所述处理系统，通过对在所述第一子图像与所述第二子图像之间不存在信息重叠的一个或多个间隙中的信息进行估计来创建全局模板。
17.如权利要求10所述的方法，所述方法进一步包括：
使用所述处理系统，使所述第一子图像的与所述第一参考特征点相关联的第一部分偏移以与所述第二子图像的与所述第一匹配候选特征点相关联的部分对准；以及
使用所述处理系统，使所述第一子图像的与所述第二参考特征点相关联的第二部分偏移以与所述第二子图像的与所述第二匹配候选特征点相关联的部分对准。
18.一种用于图像对准的方法，所述方法包括：
使用处理系统来访问与钻孔的第一区段相关联的第一子图像中的参考特征点，其中所述参考特征点与所述第一子图像中的高对比度区域相关联；
使用所述处理系统来识别与所述钻孔的第二区段相关联的第二子图像中的两个或更多个候选特征点，所述钻孔的所述第二区段邻近于所述钻孔的所述第一区段，其中所述两个或更多个候选特征点中的每者可能与所述高对比度区域相关联；
使用所述处理系统，使用全局解修剪对所述两个或更多个候选特征点进行修剪以获得所述第二子图像中的匹配候选特征点；以及
基于已获得的所述第二子图像中的匹配候选特征点，使用所述处理系统来将所述第一子图像与所述第二子图像对准以创建所述钻孔的图像。
19.如权利要求18所述的方法，所述方法进一步包括：
使用所述处理系统，通过计算所述参考特征点与所述两个或更多个候选特征点中的每者之间的唯一偏移值来对所述一个或多个候选特征点进行修剪；以及
使用所述处理系统，至少部分地基于与所述匹配候选特征点相关联的偏移值来选择所述匹配候选特征点。
20.如权利要求18所述的方法，所述方法进一步包括：
使用所述处理系统，根据与所述匹配候选特征点相关联的偏移值，使所述第二子图像的与所述匹配候选特征点相关联的部分偏移以与所述第一子图像的与所述参考特征点相关联的部分对准。
CN201580072742.8A 2014-11-14 2015-11-13 图像特征对准 Active CN107110992B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201462079967P 2014-11-14 2014-11-14
US62/079,967 2014-11-14
PCT/US2015/060641 WO2016077731A1 (en) 2014-11-14 2015-11-13 Image feature alignment

Publications (2)

Publication Number Publication Date
CN107110992A CN107110992A (zh) 2017-08-29
CN107110992B true CN107110992B (zh) 2019-06-28

Family

ID=55955129

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580072742.8A Active CN107110992B (zh) 2014-11-14 2015-11-13 图像特征对准

Country Status (5)

Country Link
US (1) US10540758B2 (zh)
CN (1) CN107110992B (zh)
AU (1) AU2015346113A1 (zh)
CA (1) CA2967804C (zh)
WO (1) WO2016077731A1 (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10215866B2 (en) 2016-02-26 2019-02-26 Harris Corporation Seismic modeling system providing seismic survey data frequency domain inpainting and related methods
US11143769B2 (en) * 2016-02-26 2021-10-12 Harris Corporation Seismic modeling system providing seismic survey data spatial domain exemplar inpainting and related methods
US10429527B2 (en) 2016-02-26 2019-10-01 Harris Corporation Seismic modeling system providing seismic survey data inpainting based upon suspect region boundary comparisons and related methods
US10453204B2 (en) * 2016-12-06 2019-10-22 Adobe Inc. Image alignment for burst mode images
US10970814B2 (en) * 2018-08-30 2021-04-06 Halliburton Energy Services, Inc. Subsurface formation imaging
CN110967741A (zh) * 2018-09-27 2020-04-07 中国石油化工股份有限公司 基于图像学的同相轴检测方法及系统
US11972581B2 (en) 2020-04-16 2024-04-30 Halliburton Energy Services, Inc. Determining a geological correlation with a wellbore position
WO2022036633A1 (en) * 2020-08-20 2022-02-24 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for image registration
NL2028501B1 (nl) * 2021-06-21 2022-12-29 Univ Yangtze Werkwijze voor het detectie van laagstand gebaseerd op volledig gatbeeld van elektrische beeldregistratie
US20230098032A1 (en) * 2021-09-24 2023-03-30 Halliburton Energy Services, Inc. Velocity Correction With Joint Inversion
CN116563288B (zh) * 2023-07-11 2023-09-05 深圳市欣精艺科技有限公司 一种汽车发动机齿轮螺纹孔检测方法
CN117171766B (zh) * 2023-07-31 2024-04-05 上海交通大学 基于深度神经网络模型的数据保护方法、系统及介质
CN117408923B (zh) * 2023-12-07 2024-02-09 中海油田服务股份有限公司 全井眼电成像仪器的图像处理方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1707289A (zh) * 2004-04-01 2005-12-14 施卢默格海外有限公司 采用三维景象的自适应钻孔组件显象
WO2010014826A3 (en) * 2008-07-30 2010-04-22 Baker Hughes Incorporated Apparatus and method for generating formation textural feature images
CN102124320A (zh) * 2008-06-18 2011-07-13 苏尔吉克斯有限公司 用于将多个图像拼接成全景图像的方法和系统
CN203669861U (zh) * 2014-01-14 2014-06-25 四川大学 钻孔成像装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5299128A (en) 1990-10-05 1994-03-29 Schlumberger Technology Corporation Method and apparatus for delineating bed boundaries in subsurface formations and for producing indications of the angle of dip thereof
FR2749405B1 (fr) * 1996-05-31 1998-08-14 Elf Aquitaine Methode de determination automatique des bancs de stratification dans un milieu, a partir d'images de paroi de puits ou de deroule de carottes de ce milieu
US6175644B1 (en) * 1998-05-01 2001-01-16 Cognex Corporation Machine vision system for object feature analysis and validation based on multiple object images
ATE445855T1 (de) 2002-12-13 2009-10-15 Schlumberger Technology Bv Verfahren und vorrichtung zur verbesserten tiefenanpassung von bohrlochbildern oder probenbildern
US7483793B2 (en) 2005-07-27 2009-01-27 Baker Hughes Incorporated Method of generating a deep resistivity image in LWD measurements
US8725477B2 (en) 2008-04-10 2014-05-13 Schlumberger Technology Corporation Method to generate numerical pseudocores using borehole images, digital rock samples, and multi-point statistics
US7899622B2 (en) * 2008-06-13 2011-03-01 Baker Hughes Incorporated Sequential resistivity imaging with asymmetric electrode arrays

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1707289A (zh) * 2004-04-01 2005-12-14 施卢默格海外有限公司 采用三维景象的自适应钻孔组件显象
CN102124320A (zh) * 2008-06-18 2011-07-13 苏尔吉克斯有限公司 用于将多个图像拼接成全景图像的方法和系统
WO2010014826A3 (en) * 2008-07-30 2010-04-22 Baker Hughes Incorporated Apparatus and method for generating formation textural feature images
CN203669861U (zh) * 2014-01-14 2014-06-25 四川大学 钻孔成像装置

Also Published As

Publication number Publication date
US20170337675A1 (en) 2017-11-23
CN107110992A (zh) 2017-08-29
CA2967804A1 (en) 2016-05-19
CA2967804C (en) 2023-05-02
WO2016077731A1 (en) 2016-05-19
US10540758B2 (en) 2020-01-21
AU2015346113A1 (en) 2017-06-08

Similar Documents

Publication Publication Date Title
CN107110992B (zh) 图像特征对准
US20180238148A1 (en) Method For Computing Lithofacies Probability Using Lithology Proximity Models
US10755427B2 (en) Methods and systems for automatically analyzing an image representative of a formation
RU2354998C2 (ru) Способ и устройство для анализа временного интервала между причиной и следствием
US11727583B2 (en) Core-level high resolution petrophysical characterization method
US20150167447A1 (en) Downhole Imaging Systems and Methods
US20160130930A1 (en) Borehole Image Gap Filling
US10378346B2 (en) Systems and methods for computing surface of fracture per volume of rock
US11670073B2 (en) System and method for detection of carbonate core features from core images
US11060391B2 (en) Image based rock property tensor visualization of a geocellular grid in a dynamic 3D environment
NO20240323A1 (en) Classification of pore or grain types in formation samples from a subterranean formation
US20170103144A1 (en) Well trajectory adjustment
US11574459B2 (en) Distance-to-bed-boundary inversion solution pixelation
US10273802B2 (en) Attribute-indexed multi-instrument logging of drill cuttings
US20230068373A1 (en) Machine learning model selection based on feature merging for a spatial location across multiple time windows
US20190011595A1 (en) Multicomponent induction data processing for fractured formations
US20230228187A1 (en) Upscaling of formation petrophysical characteristics to a whole core scale

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant