CN108181665B - 裂缝的确定方法和装置 - Google Patents
裂缝的确定方法和装置 Download PDFInfo
- Publication number
- CN108181665B CN108181665B CN201711362899.1A CN201711362899A CN108181665B CN 108181665 B CN108181665 B CN 108181665B CN 201711362899 A CN201711362899 A CN 201711362899A CN 108181665 B CN108181665 B CN 108181665B
- Authority
- CN
- China
- Prior art keywords
- image
- crack
- angle
- fracture
- processing
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 81
- 238000003384 imaging method Methods 0.000 claims abstract description 144
- 238000012545 processing Methods 0.000 claims abstract description 136
- 230000000877 morphologic effect Effects 0.000 claims abstract description 102
- 230000008030 elimination Effects 0.000 claims description 10
- 238000003379 elimination reaction Methods 0.000 claims description 10
- 239000002245 particle Substances 0.000 claims description 8
- 239000011148 porous material Substances 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 19
- 206010017076 Fracture Diseases 0.000 description 130
- 208000010392 Bone Fractures Diseases 0.000 description 100
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 12
- 238000011161 development Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 230000015572 biosynthetic process Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 239000011435 rock Substances 0.000 description 4
- 239000004215 Carbon black (E152) Substances 0.000 description 3
- 208000013201 Stress fracture Diseases 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 229930195733 hydrocarbon Natural products 0.000 description 3
- 150000002430 hydrocarbons Chemical class 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 239000004927 clay Substances 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003739 neck Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
- G01V8/10—Detecting, e.g. by using light barriers
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本申请实施例提供了一种裂缝的确定方法和装置，其中，该方法包括：获取目标区域的电成像测井资料；根据电成像测井资料，确定目标区域的电成像测井图像；在垂直方向上对电成像测井图像进行形态学处理，得到第一角度裂缝图像；在水平方向上对电成像测井图像进行形态学处理，得到第二角度裂缝图像；根据第一角度裂缝图像、第二角度裂缝图像，确定目标区域中的裂缝。由于该方案考虑到电成像测井图像中裂缝方向和形态的具体特征，先在垂直方向和水平方向上分别进行形态学处理，再识别裂缝，减少了图像中的干扰信号，提高了图像中的裂缝精度，从而解决了现有方法中存在的识别裂缝的精度较低、误差较大的技术问题，达到精确识别微裂缝的技术效果。
Description
技术领域
本申请涉及油气勘探技术领域，特别涉及一种裂缝的确定方法和装置。
背景技术
在油气储层中，通常裂缝既是主要的储集空间，又是油气渗流和运移的重要通道，裂缝的发育情况会在较大程度上影响甚至控制着油气藏的形成和分布。因此，如何准确的确定裂缝是油气勘探领域的一个重要问题。
目前，现有的裂缝确定方法大多是通过边缘检测算法对测井图像进行二值化处理，再从处理后的图像中分离出裂缝特征区域，进而计算具体的裂缝参数，对裂缝进行确定。但是，上述方法具体实施时由于没有考虑到测井图像中裂缝方向和形态的具体特征，只能对测井图像中灰度对比相对较明显的裂缝进行相应的提取，导致识别时容易受地层其它高导地质特征(例如溶孔、泥质条带等)的影响，识别的准确率较低，甚至对一些微裂缝无法识别。综上可知，现有方法具体实施时，往往存在识别裂缝的精度较低、误差较大的技术问题。
针对上述问题，目前尚未提出有效的解决方案。
发明内容
本申请实施方式提供了一种裂缝的确定方法和装置，以解决现有方法中存在的识别裂缝的精度较低、误差较大的技术问题，达到能够精确识别微裂缝的技术效果。
本申请实施例提供了一种裂缝的确定方法，包括：
获取目标区域的电成像测井资料；
根据所述电成像测井资料，确定目标区域的电成像测井图像；
在垂直方向上对所述电成像测井图像进行形态学处理，得到第一角度裂缝图像；在水平方向上对所述电成像测井图像进行形态学处理，得到第二角度裂缝图像；
根据所述第一角度裂缝图像、所述第二角度裂缝图像，确定目标区域中的裂缝。
在一个实施方式中，根据所述电成像测井资料，确定目标区域的电成像测井图像，包括：
对所述电成像测井资料进行插值修复；
利用插值修复后的电成像测井资料确定所述电成像测井图像。
在一个实施方式中，在垂直方向上对所述电成像测井图像进行形态学处理，得到第一角度裂缝图像，包括：
利用第一垂直线状结构元素对所述电成像测井图像进行形态学闭处理，得到第一图像；
利用第二垂直线状结构元素对所述第一图像进行形态学开处理，得到第二图像；
将所述电成像测井图像与所述第二图像作差，得到所述第一角度裂缝图像。
在一个实施方式中，所述第一垂直线状结构元素的垂直长度为6个像素点，水平长度为1个像素点；所述第二垂直线状结构元素的垂直长度为18个像素点，水平长度为1个像素点。
在一个实施方式中，在水平方向上对所述电成像测井图像进行形态学处理，得到第二角度裂缝图像，包括：
利用第一水平线状结构元素对所述电成像测井图像进行形态学闭处理，得到第三图像；
利用第二水平线状结构元素对所述第三图像进行形态学开处理，得到第四图像；
将所述电成像测井图像与所述第四图像作差，得到所述第二角度裂缝图像。
在一个实施方式中，所述第一水平线状结构元素的水平长度为6个像素点，垂直长度为1个像素点；所述第二水平线状结构元素的水平长度为18个像素点，垂直长度为1个像素点。
在一个实施方式中，根据所述第一角度裂缝图像、所述第二角度裂缝图像，确定目标区域中的裂缝，包括：
分别剔除所述第一角度裂缝图像、所述第二角度裂缝图像中的非目标区域；
根据剔除处理后的第一角度裂缝图像、剔除处理后的第二角度裂缝图像，建立裂缝轨迹特征图像；
根据所述裂缝轨迹特征图像，确定所述目标区域中的裂缝。
在一个实施方式中，分别剔除所述第一角度裂缝图像、所述第二角度裂缝图像中的非目标区域，包括：
对比所述第一角度裂缝图像和所述第二角度裂缝图像，确定所述非目标区域，其中，所述非目标区域包括溶孔和/或泥粒；
根据所述非目标区域，确定非目标区域的形态特征参数；
利用所述非目标区域的形态特征参数，分别剔除所述第一角度裂缝图像、第二角度裂缝图像中的所述非目标区域。
在一个实施方式中，根据所述裂缝轨迹特征图像，确定所述目标区域中的裂缝，包括：
分别对所述裂缝轨迹特征图像中的深度窗进行特征信息统计，以确定裂缝的孔隙度、裂缝的长度和裂缝的密度；
从所述裂缝轨迹特征图像中提取裂缝轨迹；
对所述裂缝轨迹进行正弦曲线拟合，得到裂缝的倾角和裂缝的走向参数；
根据所述裂缝的孔隙度、所述裂缝的长度、所述裂缝的密度、所述裂缝的倾角和所述裂缝的走向参数，确定所述目标区域中的裂缝。
本申请实施例还提供了一种裂缝的确定装置，包括：
获取模块，用于获取目标区域的电成像测井资料；
第一确定模块，用于根据所述电成像测井资料，确定目标区域的电成像测井图像；
形态学处理模块，用于在垂直方向上对所述电成像测井图像进行形态学处理，得到第一角度裂缝图像；在水平方向上对所述电成像测井图像进行形态学处理，得到第二角度裂缝图像；
第二确定模块，用于根据所述第一角度裂缝图像、所述第二角度裂缝图像，确定目标区域中的裂缝。
在一个实施方式中，所述形态学处理模块包括：
垂直处理单元，用于利用第一垂直线状结构元素对所述电成像测井图像进行形态学闭处理，得到第一图像；利用第二垂直线状结构元素对所述第一图像进行形态学开处理，得到第二图像；将所述电成像测井图像与所述第二图像作差，得到所述第一角度裂缝图像；
水平处理单元，用于利用第一水平线状结构元素对所述电成像测井图像进行形态学闭处理，得到第三图像；利用第二水平线状结构元素对所述第三图像进行形态学开处理，得到第四图像；将所述电成像测井图像与所述第四图像作差，得到所述第二角度裂缝图像。
在一个实施方式中，所述第二确定模块包括：
剔除单元，用于分别剔除所述第一角度裂缝图像、所述第二角度裂缝图像中的非目标区域；
建立单元，用于根据剔除处理后的第一角度裂缝图像、剔除处理后的第二角度裂缝图像，建立裂缝轨迹特征图像；
确定单元，用于根据所述裂缝轨迹特征图像，确定所述目标区域中的裂缝。
在本申请实施例中，由于虑到了电成像测井图像中裂缝方向和形态的具体特征，先在垂直方向和水平方向上分别进行形态学处理，再根据通过形态学处理得到的第一角度裂缝图像和第二角度裂缝图像确定目标区域中的裂缝，减少了图像中的干扰信号，并提高了图像中的裂缝精度，从而解决了现有方法中存在的识别裂缝的精度较低、误差较大的技术问题，达到能够精确识别微裂缝的技术效果。
附图说明
为了更清楚地说明本申请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申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是根据本申请实施方式提供的裂缝的确定方法的处理流程图；
图2是根据本申请实施方式提供的裂缝的确定装置的组成结构图；
图3是在一个场景示例中应用本申请实施方式提供裂缝的确定方法和装置获得的电阻率刻度及全井眼图像处理效果示意图；
图4是在一个场景示例中应用本申请实施方式提供裂缝的确定方法和装置获得的低角度裂缝识别结果的示意图；
图5是在一个场景示例中应用本申请实施方式提供裂缝的确定方法和装置获得的高角度裂缝识别结果的示意图；
图6是在一个场景示例中应用本申请实施方式提供裂缝的确定方法和装置获得的移除干扰特征的结果示意图；
图7是在一个场景示例中应用本申请实施方式提供裂缝的确定方法和装置获得的裂缝参数计算结果的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
考虑到现有的裂缝识别方法，往往没有考虑到测井图像中裂缝方向和形态的具体特征，导致识别时容易受地层其它高导地质特征(例如溶孔、泥质条带等)的影响，识别误差相对较大，甚至无法有效地识别出微裂缝。即现有方法具体实施时，往往存在识别裂缝的精度较低、误差较大的技术问题。针对产生上述技术问题的根本原因，本申请考虑可以基于测井图像中裂缝方向和形态的具体特征，通过在垂直方向和水平方向上分别进行形态学处理，减少图像中的干扰信号；再根据形态学处理得到的图像确定裂缝，从而解决了现有方法中存在的识别裂缝的精度较低、误差较大的技术问题，达到能够精确识别微裂缝的技术效果。
基于上述思考思路，本申请实施例提供了一种裂缝的确定方法。具体请参阅图1所示的根据本申请实施方式提供的裂缝的确定方法的处理流程图。本申请实施方式提供的裂缝的确定方法，具体实施时可以包括以下步骤。
S11：获取目标区域的电成像测井资料。
在本实施方式中，上述电成像测井资料具体可以是在目标区域的钻井中，下入相应的设备通过电成像测井采集得到的测井资料。其中，上述电成像测井资料相对于其他常规测井资料，往往具有较高的纵向分辨率和经验覆盖率，适用于具体的地质研究和储层评价。具体的，例如，通过电成像测井可以测量并获得井壁的电阻率变化图像(或者电成像测井图像)，其中，上述电阻率变化图像通常可以对各类缝洞体、沉积、构造特征等具有较好的响应，且连续性较好，能较好地表征出储层整体的地质特征。
在本实施方式中，上述目标区域具体可以是缝洞型碳酸盐岩、火山岩或者致密碎屑岩等非均质复杂储层区域。对于上述的目标区域，可能会存在一些高导地质特征，例如溶孔、泥质条带等，对裂缝的具体识别过程产生影响，甚至无法识别目标区域中的微裂缝。当然，需要说明的是，上述所列举的目标区域只是为了更好地说明本申请实施方式，具体实施时，也可以根据具体情况和施工要求，引入上述列举的类型区域以外的其他类型区域作为目标区域。对此，本申请不作限定。
在本实施方式中，上述微裂缝(microfracture)具体可以是裂缝大小，例如裂缝宽度，相对于普通裂缝较小的裂缝。具体的，上述微裂缝可以是裂缝宽度小于100微米的裂缝。
S12：根据所述电成像测井资料，确定目标区域的电成像测井图像。
在一个实施方式中，上述根据所述电成像测井资料，确定目标区域的电成像测井图像具体可以包括以下内容：
S12-1：对所述电成像测井资料进行插值修复；
S12-2：利用插值修复后的电成像测井资料确定所述电成像测井图像。
在本实施方式中，需要说明的是，考虑到目前电成像测井大多是采用极板贴井壁的方式进行测量，因此获得测井资料通常不能完全覆盖全井眼(例如，覆盖率大多只能达到60％至80％)，不利于后续裂缝识别确定，也会对所确定的裂缝参数的精度造成影响。因此需要先对电成像测井资料进行插值修复，对未覆盖的空白部分进行修复处理，以使得插值修复后的电成像测井资料能覆盖全井眼区域，以便后续可以进行更加精确地分析研究。当然，需要说明的是具体实施时可以采用插值修复的方式对电成像测井资料进行相应的修复，也可以采用其他合适的修复方式进行修复。具体可以根据电成像测井资料的具体情况，灵活选择。
在本实施方式中，上述利用插值修复后的电成像测井资料所确定的电成像测井图像具体可以是全井眼覆盖的电阻率图像。其中，上述电成像测井图像可以用于表征井中不同位置点的电阻率值。
S13：在垂直方向上对所述电成像测井图像进行形态学处理，得到第一角度裂缝图像。在水平方向上对所述电成像测井图像进行形态学处理，得到第二角度裂缝图像。
在一个实施方式中，为了减少地层中其他高导地质特征对裂缝识别的干扰，提高裂缝确定的精度，可以考虑裂缝方向和形态上的具体特征，同形态学处理的方式对电成像图像进行相应的处理，得到表征效果更好的第一角度裂缝图像、第二角度裂缝图像，以便后续可以更加准确地识别出目标区域中的裂缝。
在本实施方式中，上述形态学处理具体可以认为是一种图像处理方法，具体实施时可以使用具有一定形态的结构元素，去度量和提取图像中的对应形状，例如边界、骨架、凸壳等，以达到对图像进行较为精细的分析和识别的效果。
在一个实施方式中，上述在垂直方向上对所述电成像测井图像进行形态学处理，得到第一角度裂缝图像，具体可以包括以下内容：
S1：利用第一垂直线状结构元素对所述电成像测井图像进行形态学闭处理，得到第一图像；
S2：利用第二垂直线状结构元素对所述第一图像进行形态学开处理，得到第二图像；
S3：将所述电成像测井图像与所述第二图像作差，得到所述第一角度裂缝图像。
如此，可以通过在垂直方向上进行的形态学处理，保留裂缝方向和形态特征，减少垂直方向上的干扰。
在本实施方式中，需要说明的是，上述结构元素具体可以是一种矩形框结构。其中，上述垂直线状结构元素具体可以是一种垂直方向上的长度相对水平方向上的宽度数值较大的矩形框结构。具体的，例如水平方向上的宽度为1个像素点，垂直方向上的长度为20个像素点的矩形框结构可以认为是一种垂直方向上的长度相对于水平方向上的宽度数值较大的矩形框结构，即上述垂直线状结构。
在本实施方式中，上述形态学闭处理可以包括：弥合图像中较窄的间断和/或细长的沟壑等结构，以消除小的空洞，填补图像中轮廓线中的断裂。
在本实施方式中，通过利用第一垂直线状结构元素对所述电成像测井图像进行形态学闭处理，可以对电成像测井图像中小于第一垂直线状结构元素尺寸的地质特征的内部空洞进行填充，同时对临近的特征进行连接，从而可以降低图像中垂直方向上由于仪器测量引起的噪点，提高所获得第一图像的精度。
在本实施方式中，上述形态学开处理可以包括：消除图像中较窄的狭颈，例如，图像中细长的线条，以消除图像中细小的突出物。
在本实施方式中，通过利用第二垂直线状结构元素对所述第一图像进行形态学开处理，可以对第一图像中小于第二垂直线状结构元素尺寸的细微导性地质特征进行消除，而对大于第二垂直线状结构元素尺寸的特征则不会产生影响，从而可以获得符合要求的第二图像。
在本实施方式中，还需要说明的是，上述第一垂直线状结构元素的尺寸小于第二垂直线状结构元素。即上述第一垂直线状结构元素具体可以是尺寸相对较小的垂直线状结构元素，上述第二垂直线状结构元素具体可以是尺寸相对较大的垂直线状结构元素。
在一个实施方式中，具体实施时，所述第一垂直线状结构元素的垂直长度具体可以为6个像素点，水平长度具体可以为1个像素点；所述第二垂直线状结构元素的垂直长度具体可以为18个像素点，水平长度具体可以为1个像素点。其中，图像中的噪点信号的尺寸通常小于等于6个像素点，图像中裂缝的尺寸通常大于等于6个像素点，且小于等于18个像素点。如此，通过利用上述第一垂直线状结构元素、第二垂直线状结构元素对电成像图像依次进行形态学闭处理、形态学开处理后，可以达到消除纵向上图像中的噪点，同时又去除了图像中裂缝纵向上的特征，进而后续可以通过作差可以得到保留有裂缝纵向上的特征的第一角度裂缝图像。当然，需要说明的是，上述所列举的第一垂直线状结构元素和第二垂直线状结构元素的具体尺寸大小只是为了更好地说明本申请实施方式，具体实施时也可以根据具体情况和施工要求，灵活设置第一垂直线状结构元素和第二垂直线状结构元素的垂直长度和水平长度。
在本实施方式中，考虑到所使用的结构元素为垂直线状结构元素，因此上述处理中对水平线状地质特征具有很好的去除效果。具体的，可以将所述电成像测井图像与所述第二图像进行作差处理，得到的作差结果能较好地反映出上述处理过程中移除掉的细微导性地质特征。上述作差结果即为第一角度裂缝图像，也称为低角度裂缝图像。
在一个实施方式中，上述在水平方向上对所述电成像测井图像进行形态学处理，得到第二角度裂缝图像，具体可以包括以下内容：
S1：利用第一水平线状结构元素对所述电成像测井图像进行形态学闭处理，得到第三图像；
S2：利用第二水平线状结构元素对所述第三图像进行形态学开处理，得到第四图像；
S3：将所述电成像测井图像与所述第四图像作差，得到所述第二角度裂缝图像。
如此，可以通过在水平方向上进行的形态学处理，保留裂缝方向和形态特征，减少水平方向上的干扰。
在本实施方式中，需要说明的是，上述结构元素具体可以是一种矩形框结构。其中，上述水平线状结构元素具体可以是一种水平方向上的长度相对于垂直方向上的宽度数值较大的矩形框结构。具体的，例如垂直方向上的宽度为1个像素点，水平方向上的长度为20个像素点的矩形框结构可以认为是一种水平方向上的长度相对于垂直方向上的宽度数值较大的矩形框结构，即上述水平线状结构。
在本实施方式中，通过利用第一水平线状结构元素对所述电成像测井图像进行形态学闭处理，可以对电成像测井图像中小于第一水平线状结构元素尺寸的地质特征的内部空洞进行填充，同时对临近的特征进行连接，从而可以降低图像中水平方向上由于仪器测量引起的噪点，提高所获得第三图像的精度。
在本实施方式中，通过利用第二水平线状结构元素对所述第三图像进行形态学开处理，可以对第三图像中小于第二水平线状结构元素尺寸的细微导性地质特征进行消除，而对大于第二水平线状结构元素尺寸的特征则不会产生影响，从而可以获得符合要求的第四图像。
在本实施方式中，还需要说明的是，上述第一水平线状结构元素的尺寸小于第二水平线状结构元素。即上述第一水平线状结构元素具体可以是尺寸相对较小的水平线状结构元素，上述第二水平线状结构元素具体可以是尺寸相对较大的水平线状结构元素。
在一个实施方式中，具体实施时，所述第一水平线状结构元素的水平长度具体可以为6个像素点，垂直长度具体可以为1个像素点；所述第二水平线状结构元素的水平长度具体可以为18个像素点，垂直长度具体可以为1个像素点。其中，图像中的噪点信号的尺寸通常小于等于6个像素点，图像中裂缝的尺寸通常大于等于6个像素点，且小于等于18个像素点。如此，通过利用上述第一水平线状结构元素、第二水平线状结构元素对电成像图像依次进行形态学闭处理、形态学开处理后，可以达到消除了横向上图像中的噪点，同时去除了图像中裂缝横向上的特征，进而后续通过作差可以获得保留有裂缝横向上的特征的第二角度裂缝图像。当然，需要说明的是，上述所列举的第一水平线状结构元素和第二水平线状结构元素的具体尺寸大小只是为了更好地说明本申请实施方式，具体实施时也可以根据具体情况和施工要求，灵活设置第一水平线状结构元素和第二水平线状结构元素的水平长度和垂直长度。
在本实施方式中，考虑到所使用的结构元素为水平线状结构元素，因此上述处理中对垂直线状地质特征具有很好的去除效果。具体的，可以将所述电成像测井图像与所述第四图像进行作差处理，得到的作差结果能较好地反映出上述处理过程中移除掉的细微导性地质特征。上述作差结果即为第二角度裂缝图像，也称为高角度裂缝图像。
S14：根据所述第一角度裂缝图像、所述第二角度裂缝图像，确定目标区域中的裂缝。
在一个实施方式中，通过上述形态学处理，可以较为有效的对地层中的裂缝尤其是微裂缝进行识别，但是经过上述形态学处理后，得到图像中通常可能还会存在一些包括细小的溶孔和/或泥粒等结构的非目标区域，会影响后续裂缝参数的确定，为了能够更加精确地识别出目标区域中的裂缝，具体实施时，可以按照以下内容执行。
S14-1：分别剔除所述第一角度裂缝图像、所述第二角度裂缝图像中的非目标区域。
在本实施方式中，上述非目标区域具体可以是包括裂缝的细小结构区域。具体的，例如，上述非目标区域具体可以是包括有细小的溶孔结构区域，也可以是包括有细小的泥粒结构区域，或者是同时包括有溶孔和泥粒的区域。
在一个实施方式中，可以针对上述非目标区域与裂缝形态特点的差异，利用形态特征参数对干扰特征，即非目标区域进行剔除，具体实施时，可以按照以下步骤执行：
S1：对比所述第一角度裂缝图像和所述第二角度裂缝图像，确定所述非目标区域，其中，所述非目标区域包括溶孔和/或泥粒；
S2：根据所述非目标区域，确定非目标区域的形态特征参数；
S3：利用所述非目标区域的形态特征参数，分别剔除所述第一角度裂缝图像、第二角度裂缝图像中的所述非目标区域。
在本实施方式中，需要说明的是，上述非目标区域具体可以包括溶孔，可以包括泥粒，也可以包括溶孔和泥粒的组合，当然也可以根据具体情况包括其他类似的细小结构。
在一个实施方式中，上述非目标区域的形态特征参数具体可以包括以下至少之一：非目标区域的灰度特征参数、非目标区域的面积特征参数、非目标区域的圆度特征参数等。其中，所述灰度特征参数具体可以是所包含的像素点的灰度的平均值，可以用于指示该特征电阻率高低。所述面积特征参数具体可以是所包含的像素点的数目，例如，可以设电成像测井图像中单像素点面积为单位面积，则面积特征参数为特征对象所包含的实际像素点数。所述圆度特征参数具体可以是似圆程度。当然，需要说明的是，上述所列举的多种非目标区域的形态特征参数只是为了更好地说明本申请实施方式。具体实施时，也可以根据具体情况和施工要求，引入其他类型的形态特征参数。
在本实施方式中，需要说明的是，对于裂缝(包括微裂缝)的形态特征参数即裂缝的灰度特征参数、裂缝的面积特征参数、裂缝的圆度特征参数通常与非目标区域的形态特征参数的差异相对较为明显。因此，可以通过分别设定具体的特征参数阈值，通过特征参数阈值区分出非目标区域和裂缝，进而可以对非目标区域的干扰信号进行剔除，保留裂缝的信息，减少误差干扰，以便后续可以建立较为准确的裂缝轨迹特征图像。
S14-2：根据剔除处理后的第一角度裂缝图像、剔除处理后的第二角度裂缝图像，建立裂缝轨迹特征图像。
S14-3：根据所述裂缝轨迹特征图像，确定所述目标区域中的裂缝。
在一个实施方式中，上述根据所述裂缝轨迹特征图像，确定所述目标区域中的裂缝，具体实施时可以包括以下内容：
S1：分别对所述裂缝轨迹特征图像中的深度窗进行特征信息统计，以确定裂缝的孔隙度、裂缝的长度和裂缝的密度；
S2：从所述裂缝轨迹特征图像中提取裂缝轨迹；
S3：对所述裂缝轨迹进行正弦曲线拟合，得到裂缝的倾角和裂缝的走向参数；
S4：根据所述裂缝的孔隙度、所述裂缝的长度、所述裂缝的密度、所述裂缝的倾角和所述裂缝的走向参数，确定所述目标区域中的裂缝。
在本实施方式中，为了能够更加准确地确定出裂缝的孔隙度、裂缝的长度和裂缝的密度，具体实施时，可以以深度窗为具体的信息统计单位，可以先将裂缝轨迹特征图像划分为多个深度窗，再对所述多个深度窗中的各个深度窗分别进行特征信息的统计，确定裂缝的孔隙度、裂缝的长度和裂缝的密度。
在本实施方式中，上述裂缝的孔隙度具体可以用来描述裂缝的发育程度，具体确定是可以用裂缝轨迹的面积与对应深度窗的总表面积的比值来表示。上述裂缝的长度具体可以是单位长度井壁上所检测到的裂缝轨迹长度的和。上述裂缝的密度具体可以是单位长度井壁上所检测到的裂缝的总条数。
在本实施方式中，确定出裂缝参数，即确定出所述裂缝的孔隙度、所述裂缝的长度、所述裂缝的密度、所述裂缝的倾角和所述裂缝的走向参数，即可以认为确定出了目标区域中的裂缝。
在本申请实施例中，相较于现有技术，由于虑到了电成像测井图像中裂缝方向和形态的具体特征，先在垂直方向和水平方向上分别进行形态学处理，再根据通过形态学处理得到的第一角度裂缝图像和第二角度裂缝图像确定目标区域中的裂缝，减少了图像中的干扰信号，并提高了图像中的裂缝精度，从而解决了现有方法中存在的识别裂缝的精度较低、误差较大的技术问题，达到能够精确识别微裂缝的技术效果。
在一个实施方式中，为了能够获得更加准确的电成像测井资料，在根据所述电成像测井资料，确定目标区域的电成像测井图像之前，所述方法具体还可以包括以下内容：对所述电成像测井资料进行预处理，其中，所述预处理包括以下至少之一：速度校正处理、均衡化处理、深度校正处理、电阻率刻度处理等；相应的，根据所述电成像测井资料，确定目标区域的电成像测井图像，具体可以包括：根据预处理后电成像测井资料，确定目标区域的电成像测井图像。如此，可以建立更加精确的电成像测井图像。
在一个实施方式中，在确定出目标区域中的裂缝后，所述方法具体实施时还可以包括以下内容：
S1：根据所确定裂缝，分析目标区域中裂缝的发育情况；
S2：根据目标区域中裂缝的发育情况，指导进行储层评价。
如此，可以根据所确定出的裂缝对目标区域进行较为准确的储层评价，以便后续可以利用储层评价结果作为参考，指导对目标区域进行具体的油气勘探开发。
在一个实施方式中，在获取目标区域的电成像测井资料的同时，还可以获取目标区域的常规测井资料、岩心资料等；再根据所述常规测井资料和所述岩心资料，确定目标区域裂缝发育和岩性分布的整体情况，以上述目标区域裂缝发育和岩性分布的整体情况作为参考依据，从而可以根据所述第一角度裂缝图像、所述第二角度裂缝图像，更加精确地确定出目标区域中的裂缝。也可以利用上述目标区域裂缝发育和岩性分布的整体情况对所确定的目标区域的裂缝是否准确进行验证。
在本实施方式中，上述常规测井资料具体可以指的是区别于电成像测井资料、录井资料的其他类型的测井资料。对于常规测井资料的具体资料种类，本申请不作限定。上述岩心资料具体可以包括岩心描述、岩心扫描图像等资料数据。
从以上的描述中，可以看出，本申请实施方式提供的裂缝的确定方法，由于虑到了电成像测井图像中裂缝方向和形态的具体特征，先在垂直方向和水平方向上分别进行形态学处理，再根据通过形态学处理得到的第一角度裂缝图像和第二角度裂缝图像确定目标区域中的裂缝，减少了图像中的干扰信号，并提高了图像中的裂缝精度，从而解决了现有方法中存在的识别裂缝的精度较低、误差较大的技术问题，达到能够精确识别微裂缝的技术效果；又具体通过利用大小不同的垂直线状结构元素在垂直方向上对电成像测井图像进行形态学处理，利用大小不同的水平线状结构元素在水平方向上对电成像测井图像进行形态学处理，提高了图像中的裂缝精度，进一步减少了识别裂缝的误差。
基于同一发明构思，本发明实施方式中还提供了一种裂缝的确定装置，如下面的实施方式所述。由于装置解决问题的原理与裂缝的确定方法相似，因此裂缝的确定装置的实施可以参见裂缝的确定方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。具体请参阅图2，是本申请实施方式的裂缝的确定装置的一种组成结构图，该装置可以包括以下结构模块：获取模块21、第一确定模块22、形态学处理模块23、第二确定模块24，下面对该结构进行具体说明。
获取模块21，具体可以用于获取目标区域的电成像测井资料。
第一确定模块22，具体可以用于根据所述电成像测井资料，确定目标区域的电成像测井图像。
形态学处理模块23，具体可以用于在垂直方向上对所述电成像测井图像进行形态学处理，得到第一角度裂缝图像；在水平方向上对所述电成像测井图像进行形态学处理，得到第二角度裂缝图像。
第二确定模块24，具体可以用于根据所述第一角度裂缝图像、所述第二角度裂缝图像，确定目标区域中的裂缝。
在一个实施方式中，为了能够根据所述电成像测井资料，确定目标区域的电成像测井图像，所述第一确定模块22具体可以包括以下结构单元：
修复单元，具体可以用于对所述电成像测井资料进行插值修复；
成像单元，具体可以用于利用插值修复后的电成像测井资料确定所述电成像测井图像。
在一个实施方式中，为了能够在垂直方向上对所述电成像测井图像进行形态学处理，得到第一角度裂缝图像；在水平方向上对所述电成像测井图像进行形态学处理，得到第二角度裂缝图像，所述形态学处理模块23具体可以包括以下结构单元：
垂直处理单元，具体可以用于利用第一垂直线状结构元素对所述电成像测井图像进行形态学闭处理，得到第一图像；利用第二垂直线状结构元素对所述第一图像进行形态学开处理，得到第二图像；将所述电成像测井图像与所述第二图像作差，得到所述第一角度裂缝图像；
水平处理单元，具体可以用于利用第一水平线状结构元素对所述电成像测井图像进行形态学闭处理，得到第三图像；利用第二水平线状结构元素对所述第三图像进行形态学开处理，得到第四图像；将所述电成像测井图像与所述第四图像作差，得到所述第二角度裂缝图像。
在一个实施方式中，为了能够对电成像测井图像进行较为有效的形态学处理，上述第一垂直线状结构元素的垂直长度具体可以为6个像素点，水平长度具体可以为1个像素点；上述第二垂直线状结构元素的垂直长度具体可以为18个像素点，水平长度具体可以为1个像素点。
在一个实施方式中，为了能够根据所述第一角度裂缝图像、所述第二角度裂缝图像，确定目标区域中的裂缝，所述第二确定模块24具体可以包括以下结构单元：
剔除单元，具体可以用于分别剔除所述第一角度裂缝图像、所述第二角度裂缝图像中的非目标区域；
建立单元，具体可以用于根据剔除处理后的第一角度裂缝图像、剔除处理后的第二角度裂缝图像，建立裂缝轨迹特征图像；
确定单元，具体可以用于根据所述裂缝轨迹特征图像，确定所述目标区域中的裂缝。
在一个实施方式中，为了能够分别剔除所述第一角度裂缝图像、所述第二角度裂缝图像中的非目标区域，上述剔除单元具体实施时可以按照以下程序执行：对比所述第一角度裂缝图像和所述第二角度裂缝图像，确定所述非目标区域，其中，所述非目标区域包括溶孔和/或泥粒；根据所述非目标区域，确定非目标区域的形态特征参数；利用所述非目标区域的形态特征参数，分别剔除所述第一角度裂缝图像、第二角度裂缝图像中的所述非目标区域。
在一个实施方式中，为了能够根据所述裂缝轨迹特征图像，确定所述目标区域中的裂缝，上述确定单元具体实施时，可以按照以下程序执行：分别对所述裂缝轨迹特征图像中的深度窗进行特征信息统计，以确定裂缝的孔隙度、裂缝的长度和裂缝的密度；从所述裂缝轨迹特征图像中提取裂缝轨迹；对所述裂缝轨迹进行正弦曲线拟合，得到裂缝的倾角和裂缝的走向参数；根据所述裂缝的孔隙度、所述裂缝的长度、所述裂缝的密度、所述裂缝的倾角和所述裂缝的走向参数，确定所述目标区域中的裂缝。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
需要说明的是，上述实施方式阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。为了描述的方便，在本说明书中，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
此外，在本说明书中，诸如第一和第二这样的形容词仅可以用于将一个元素或动作与另一元素或动作进行区分，而不必要求或暗示任何实际的这种关系或顺序。在环境允许的情况下，参照元素或部件或步骤(等)不应解释为局限于仅元素、部件、或步骤中的一个，而可以是元素、部件、或步骤中的一个或多个等。
从以上的描述中，可以看出，本申请实施方式提供的裂缝的确定装置，由于虑到了电成像测井图像中裂缝方向和形态的具体特征，先利用形态学处理模块在垂直方向和水平方向上分别进行形态学处理，再利用第二确定模块根据形态学处理得到的第一角度裂缝图像和第二角度裂缝图像确定目标区域中的裂缝，减少了图像中的干扰信号，并提高了图像中的裂缝精度，从而解决了现有方法中存在的识别裂缝的精度较低、误差较大的技术问题，达到能够精确识别微裂缝的技术效果；又具体通过形态处理模块利用大小不同的垂直线状结构元素在垂直方向上对电成像测井图像进行形态学处理，利用大小不同的水平线状结构元素在水平方向上对电成像测井图像进行形态学处理，提高了图像中的裂缝精度，进一步减少了识别裂缝的误差。
在一个具体实施场景示例中，应用本申请提供的裂缝的确定方法和装置对某目标工区内的裂缝进行具体的识别确定。具体实施过程可以参阅以下内容。
S1：目标工区的数据收集整理(即获取目标区域的电成像测井资料)。
在本实施方式中，具体实施时除了收集整理某目标工区中目的层段电成像测井资料，同时还可以收集其它常规测井资料、岩心描述、岩心扫描图像等资料，以加深对地层岩性和裂缝发育情况的整体认识，以便作为参考依据更加准确地识别目标工区中的裂缝。
S2：电成像测井数据预处理和全井眼图像处理(即根据所述电成像测井资料，确定目标区域的电成像测井图像)。
在本实施方式中，具体实施时，可以先对原始电成像测井资料进行预处理。其中，上述预处理方法具体可以包括速度校正、均衡化、深度校正、电阻率刻度等。经过预处理后可以获得能较好反映地层井壁电阻率变化的二维图像(即预处理后的电成像测井资料)。再对预处理后电阻率图像中未覆盖部分进行插值修复处理，以获得全井眼覆盖的电阻率图像信息(即电成像测井图像)。需要补充的是，上述通过全井眼图像处理能够有效弥补原图像中的空白部分，进而可以提升后期裂缝识别和参数计算精度。
在本实施方式中，原始成像图像、刻度后的电阻率图像以及全井眼处理后的井壁电阻率图像具体可以参阅图3所示的在一个场景示例中应用本申请实施方式提供裂缝的确定方法和装置获得的电阻率刻度及全井眼图像处理效果示意图。
S3：识别低角度裂缝(即在垂直方向上对所述电成像测井图像进行形态学处理，得到第一角度裂缝图像)。
在本实施方式中，具体实施时，上述对低角度裂缝识别具体可以包括以下内容：首先采用6*1(6个像素点高，1个像素点宽)垂直线状结构元素(即第一垂直线状结构元素)对上述全井眼电成像测井图像进行形态学闭处理，该处理的主要目的是降低图像中由于仪器测量引起的噪点；然后，采用18*1(18个像素点高，1个像素点宽)垂直线状结构元素(即第二垂直线状结构元素)对闭处理得到的结果图像(即第一图像)进行形态学开处理；最后，计算开处理得到的结果图像(即第二图像)与原始图像(即电成像测井图像)之间差值，获得低角度裂缝识别结果，即低角度裂缝图像(即第一角度裂缝图像)。
具体可以参阅图4所示的在一个场景示例中应用本申请实施方式提供裂缝的确定方法和装置获得的低角度裂缝识别结果的示意图。从图中可见，该段地层裂缝较发育但尺度较小，裂缝特征湮没在低阻背景图像中。通过本发明处理有效提取了低角度裂缝形态，同时受图像中其它低阻(暗色)特征影响很小，这是以往的裂缝识别方法所不能达到的。
S4：识别高角度裂缝(即在水平方向上对所述电成像测井图像进行形态学处理，得到第二角度裂缝图像)。
在本实施方式中，具体实施时，对高角度裂缝识别具体可以包括以下内容：首先采用1*6(1个像素点高，6个像素点宽)水平线状结构元素(即第一水平线结构元素)对上述全井眼电成像测井图像进行形态学闭处理；然后，采用1*18(1个像素点高，18个像素点宽)水平线状结构元素(即第二水平线结构元素)对闭处理得到的结果图像(即第三图像)进行形态学开处理；最后，计算开处理得到的结果图像(即第四图像)与原始图像(即电成像测井图像)之间差值，获得高角度裂缝识别结果，即高角度裂缝图像(即第二角度裂缝图像)。
具体可以参阅图5所示的在一个场景示例中应用本申请实施方式提供裂缝的确定方法和装置获得的高角度裂缝识别结果的示意图。从图中可见，采用水平线状结构元素对图像进行处理后，能有效提取图中的高角度裂缝形态，受近水平状地层特征以及背景图像特征影响很小。
S5：移除干扰特征(即分别剔除所述第一角度裂缝图像、所述第二角度裂缝图像中的非目标区域)。
在本实施方式中，通过上述形态学处理，能够对地层微裂缝进行相对较有效的识别和分离，为了进一步降低图像中干扰特征的影响，提高参数计算精度，可以通过设定形态特征参数截止值(即形态特征参数阈值)进行以下处理，以剔除非目标区域的干扰。
具体的，例如以某目标工区内的某井处理为例，可以先设定灰度阈值Tg＝115、面积阈值Ta＝20、圆度阈值Tr＝0.15。具体实施时，特征灰度大于115、面积大于20个像素点、圆度小于0.15的可以认为是目标裂缝特征，其它作为非目标特征，即非目标区域进行移除。具体可以参阅图6所示的在一个场景示例中应用本申请实施方式提供裂缝的确定方法和装置获得的移除干扰特征的结果示意图。图中第二道是处理前地层裂缝识别效果(以低角度裂缝为例，高角度裂缝处理方法相同)，第三道是对非目标特征移除处理后效果，从图中可见，显著降低了干扰特征的影响，改善了裂缝特征识别效果。
S6：裂缝拟合与裂缝参数计算(即确定目标区域中的裂缝)。
在本实施方式中，具体实施时，可以根据上述裂缝轨迹特征，采用正弦方程进行拟合，以获得裂缝倾角、走向参数。同时，可以对图像进行逐深度窗进行统计，以获得裂缝孔隙度、裂缝长度、裂缝密度等特征参数。获取了上述裂缝参数，相当于确定出目标区域中的裂缝。具体可以参阅图7所示的在一个场景示例中应用本申请实施方式提供裂缝的确定方法和装置获得的裂缝参数计算结果的示意图。从图中可见，计算结果很好的反映了井壁裂缝分布状态，为储层综合评价提供了可靠依据。
通过上述场景示例，验证了本申请实施方式提供的裂缝的确定方法和装置，由于虑到了电成像测井图像中裂缝方向和形态的具体特征，先在垂直方向和水平方向上分别进行形态学处理，再根据通过形态学处理得到的第一角度裂缝图像和第二角度裂缝图像确定目标区域中的裂缝，减少了图像中的干扰信号，并提高了图像中的裂缝精度，确实解决了现有方法中存在的识别裂缝的精度较低、误差较大的技术问题，确定可以达到精确识别微裂缝的技术效果。
尽管本申请内容中提到不同的具体实施方式，但是，本申请并不局限于必须是行业标准或实施例所描述的情况等，某些行业标准或者使用自定义方式或实施例描述的实施基础上略加修改后的实施方案也可以实现上述实施例相同、等同或相近、或变形后可预料的实施效果。应用这些修改或变形后的数据获取、处理、输出、判断方式等的实施例，仍然可以属于本申请的可选实施方案范围之内。
虽然本申请提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境，甚至为分布式数据处理环境)。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。
上述实施例阐明的装置或模块等，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本申请时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块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、组件、数据结构、类等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，移动终端，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
虽然通过实施例描绘了本申请，本领域普通技术人员知道，本申请有许多变形和变化而不脱离本申请的精神，希望所附的实施方式包括这些变形和变化而不脱离本申请。
Claims (9)
1.一种裂缝的确定方法，其特征在于，包括：
获取目标区域的电成像测井资料；
根据所述电成像测井资料，确定目标区域的电成像测井图像；
在垂直方向上对所述电成像测井图像进行形态学处理，得到第一角度裂缝图像；在水平方向上对所述电成像测井图像进行形态学处理，得到第二角度裂缝图像；
根据所述第一角度裂缝图像、所述第二角度裂缝图像，确定目标区域中的裂缝；
其中，根据所述第一角度裂缝图像、所述第二角度裂缝图像，确定目标区域中的裂缝，包括：
分别剔除所述第一角度裂缝图像、所述第二角度裂缝图像中的非目标区域；
根据剔除处理后的第一角度裂缝图像、剔除处理后的第二角度裂缝图像，建立裂缝轨迹特征图像；
根据所述裂缝轨迹特征图像，确定所述目标区域中的裂缝；
其中，分别剔除所述第一角度裂缝图像、所述第二角度裂缝图像中的非目标区域，包括：
对比所述第一角度裂缝图像和所述第二角度裂缝图像，确定所述非目标区域，其中，所述非目标区域包括溶孔和/或泥粒；
根据所述非目标区域，确定非目标区域的形态特征参数；
利用所述非目标区域的形态特征参数，分别剔除所述第一角度裂缝图像、第二角度裂缝图像中的所述非目标区域；
其中，非目标区域的形态特征参数包括以下至少之一：非目标区域的灰度特征参数、非目标区域的面积特征参数、非目标区域的圆度特征参数。
2.根据权利要求1所述的方法，其特征在于，根据所述电成像测井资料，确定目标区域的电成像测井图像，包括：
对所述电成像测井资料进行插值修复；
利用插值修复后的电成像测井资料确定所述电成像测井图像。
3.根据权利要求1所述的方法，其特征在于，在垂直方向上对所述电成像测井图像进行形态学处理，得到第一角度裂缝图像，包括：
利用第一垂直线状结构元素对所述电成像测井图像进行形态学闭处理，得到第一图像；
利用第二垂直线状结构元素对所述第一图像进行形态学开处理，得到第二图像；
将所述电成像测井图像与所述第二图像作差，得到所述第一角度裂缝图像。
4.根据权利要求3所述的方法，其特征在于，所述第一垂直线状结构元素的垂直长度为6个像素点，水平长度为1个像素点；所述第二垂直线状结构元素的垂直长度为18个像素点，水平长度为1个像素点。
5.根据权利要求1所述的方法，其特征在于，在水平方向上对所述电成像测井图像进行形态学处理，得到第二角度裂缝图像，包括：
利用第一水平线状结构元素对所述电成像测井图像进行形态学闭处理，得到第三图像；
利用第二水平线状结构元素对所述第三图像进行形态学开处理，得到第四图像；
将所述电成像测井图像与所述第四图像作差，得到所述第二角度裂缝图像。
6.根据权利要求5所述的方法，其特征在于，所述第一水平线状结构元素的水平长度为6个像素点，垂直长度为1个像素点；所述第二水平线状结构元素的水平长度为18个像素点，垂直长度为1个像素点。
7.根据权利要求1所述的方法，其特征在于，根据所述裂缝轨迹特征图像，确定所述目标区域中的裂缝，包括：
分别对所述裂缝轨迹特征图像中的深度窗进行特征信息统计，以确定裂缝的孔隙度、裂缝的长度和裂缝的密度；
从所述裂缝轨迹特征图像中提取裂缝轨迹；
对所述裂缝轨迹进行正弦曲线拟合，得到裂缝的倾角和裂缝的走向参数；
根据所述裂缝的孔隙度、所述裂缝的长度、所述裂缝的密度、所述裂缝的倾角和所述裂缝的走向参数，确定所述目标区域中的裂缝。
8.一种裂缝的确定装置，其特征在于，包括：
获取模块，用于获取目标区域的电成像测井资料；
第一确定模块，用于根据所述电成像测井资料，确定目标区域的电成像测井图像；
形态学处理模块，用于在垂直方向上对所述电成像测井图像进行形态学处理，得到第一角度裂缝图像；在水平方向上对所述电成像测井图像进行形态学处理，得到第二角度裂缝图像；
第二确定模块，用于根据所述第一角度裂缝图像、所述第二角度裂缝图像，确定目标区域中的裂缝；
其中，所述第二确定模块包括：
剔除单元，用于分别剔除所述第一角度裂缝图像、所述第二角度裂缝图像中的非目标区域；
建立单元，用于根据剔除处理后的第一角度裂缝图像、剔除处理后的第二角度裂缝图像，建立裂缝轨迹特征图像；
确定单元，用于根据所述裂缝轨迹特征图像，确定所述目标区域中的裂缝；
其中，所述剔除单元具体用于对比所述第一角度裂缝图像和所述第二角度裂缝图像，确定所述非目标区域，其中，所述非目标区域包括溶孔和/或泥粒；根据所述非目标区域，确定非目标区域的形态特征参数；利用所述非目标区域的形态特征参数，分别剔除所述第一角度裂缝图像、第二角度裂缝图像中的所述非目标区域；
其中，非目标区域的形态特征参数包括以下至少之一：非目标区域的灰度特征参数、非目标区域的面积特征参数、非目标区域的圆度特征参数。
9.根据权利要求8所述的装置，其特征在于，所述形态学处理模块包括：
垂直处理单元，用于利用第一垂直线状结构元素对所述电成像测井图像进行形态学闭处理，得到第一图像；利用第二垂直线状结构元素对所述第一图像进行形态学开处理，得到第二图像；将所述电成像测井图像与所述第二图像作差，得到所述第一角度裂缝图像；
水平处理单元，用于利用第一水平线状结构元素对所述电成像测井图像进行形态学闭处理，得到第三图像；利用第二水平线状结构元素对所述第三图像进行形态学开处理，得到第四图像；将所述电成像测井图像与所述第四图像作差，得到所述第二角度裂缝图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711362899.1A CN108181665B (zh) | 2017-12-18 | 2017-12-18 | 裂缝的确定方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711362899.1A CN108181665B (zh) | 2017-12-18 | 2017-12-18 | 裂缝的确定方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108181665A CN108181665A (zh) | 2018-06-19 |
| CN108181665B true CN108181665B (zh) | 2020-01-07 |
Family
ID=62546315
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711362899.1A Active CN108181665B (zh) | 2017-12-18 | 2017-12-18 | 裂缝的确定方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108181665B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111505715A (zh) * | 2020-04-26 | 2020-08-07 | 成都捷科思石油天然气技术发展有限公司 | 一种基于深度域中心入射角计算裂缝参数的方法 |
| CN113450371A (zh) * | 2021-06-30 | 2021-09-28 | 长江大学 | 一种储层微裂缝识别方法、设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6272232B1 (en) * | 1992-06-25 | 2001-08-07 | Schlumberger Technology Corporation | Method for performing a morphological survey of geological formations traversed by a borehole |
| CN103592690A (zh) * | 2013-10-24 | 2014-02-19 | 长江大学 | 基于电成像测井孔隙度谱信息自动识别储层裂缝的方法 |
| CN106447670A (zh) * | 2016-08-31 | 2017-02-22 | 中国石油集团川庆钻探工程有限公司 | 基于电成像测井图像的孔洞参数自动计算方法 |
| CN106443802A (zh) * | 2016-09-20 | 2017-02-22 | 中石化石油工程技术服务有限公司 | 一种基于形态学滤波的电成像储层缝洞体的定量表征方法及系统 |
-
2017
- 2017-12-18 CN CN201711362899.1A patent/CN108181665B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6272232B1 (en) * | 1992-06-25 | 2001-08-07 | Schlumberger Technology Corporation | Method for performing a morphological survey of geological formations traversed by a borehole |
| CN103592690A (zh) * | 2013-10-24 | 2014-02-19 | 长江大学 | 基于电成像测井孔隙度谱信息自动识别储层裂缝的方法 |
| CN106447670A (zh) * | 2016-08-31 | 2017-02-22 | 中国石油集团川庆钻探工程有限公司 | 基于电成像测井图像的孔洞参数自动计算方法 |
| CN106443802A (zh) * | 2016-09-20 | 2017-02-22 | 中石化石油工程技术服务有限公司 | 一种基于形态学滤波的电成像储层缝洞体的定量表征方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| 数学形态学在地震裂缝检测中的应用;陈辉，等;《天然气工业》;20080331;第48-52页 * |
| 用多尺度形态学方法实现成像测井电导率图像的缝洞参数表征;李曦宁，等;《中国石油大学学报(自然科学版)》;20170228;第69-77页 * |
| 用形态学滤波从电导率图像中提取缝洞孔隙度谱;李振苓，等;《吉林大学学报（地球科学版）》;20170731;第1295-1307页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108181665A (zh) | 2018-06-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107067379B (zh) | 基于三维fib-sem图像的页岩孔隙定量表征方法 | |
| CN108122066B (zh) | 储层岩性的确定方法和装置 | |
| AU2012336274B2 (en) | Wavelet-transform based system and method for analyzing characteristics of a geological formation | |
| CN108830140B (zh) | 一种基于电成像测井分形维数的火山岩岩性识别方法 | |
| CN112324422B (zh) | 一种电成像测井缝洞识别方法、系统及孔隙结构表征方法 | |
| CN113792936A (zh) | 一种随钻岩性智能识别方法、系统、设备和存储介质 | |
| CN107807396A (zh) | 地层基质电阻率的确定方法和装置 | |
| CN112307803B (zh) | 数字地质露头裂缝提取方法及装置 | |
| CN108181665B (zh) | 裂缝的确定方法和装置 | |
| US10643321B1 (en) | Characterization method for fine-grained sedimentary rock laminar texture | |
| CN110308444A (zh) | 道路层位智能识别及干扰源排除方法 | |
| CN108119133B (zh) | 储层沉积过程的确定方法和装置 | |
| Delhomme | A quantitative characterization of formation heterogeneities based on borehole image analysis | |
| Haider et al. | A hybrid method for edge continuity based on Pixel Neighbors Pattern Analysis (PNPA) for remote sensing satellite images | |
| CN109254320A (zh) | 基于图像处理方法的地震属性优化和砂体叠置区预测方法 | |
| CN108828687B (zh) | 一种基于电成像面孔率的渗透率计算方法 | |
| Wang | An edge based segmentation algorithm for rock fracture tracing | |
| Liu et al. | Intelligent recognition and identification of fracture types and parameters for borehole images based on developed convolutional neural networks and post-processing | |
| CN113643234B (zh) | 一种复合绝缘子破损检测方法、终端设备及可读存储介质 | |
| CN109471161B (zh) | 地质构造属性剖面的建立方法和装置 | |
| Agaian et al. | An improved canny edge detection application for asphalt concrete | |
| CN114139229A (zh) | 断层增强方法和断层发育解释方法、存储介质及电子设备 | |
| CN113393400B (zh) | 消除电成像图像噪声特征的处理方法及装置 | |
| CN116165709B (zh) | 一种基于缝洞体识别的油气勘探方法、装置及设备 | |
| Wang | Rock fracture image segmentation algorithms |
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 |